# Laporan Akhir Eksplorasi Data

## 1. Ringkasan Eksekutif

Laporan ini menyajikan hasil Analisis Data Eksplorasi (EDA) awal yang bertujuan untuk memahami lebih dalam dinamika pemenuhan pesanan pelanggan, dengan fokus pada peningkatan kinerja penjualan dan identifikasi korelasi produk. Sebagai langkah pertama, ringkasan eksekutif ini memperkenalkan cakupan analisis fundamental yang telah dilakukan.

Analisis deskriptif awal telah difokuskan untuk mengukur skala operasional perusahaan. Ini mencakup identifikasi jumlah unik outlet pelanggan, ragam produk yang dipesan, serta volume dan jenis dokumen pesanan seperti Repeat Order (RO), Surat Pesanan (SP), Delivery Order (DO), dan Packing List (PL). Selain itu, kami juga mulai meninjau distribusi status pemenuhan pesanan (misalnya, status SP Header, SP Detail, Status DO, dan Status RO) untuk mendapatkan gambaran awal efisiensi proses. Metrik volume keseluruhan seperti total kuantitas dan nilai RO juga menjadi bagian dari pemeriksaan awal ini.

Pemeriksaan data pada tahap ini berfungsi sebagai landasan untuk membangun pemahaman yang komprehensif tentang operasi pemenuhan pesanan. Wawasan lebih lanjut mengenai pola spesifik, anomali, dan rekomendasi yang dapat ditindaklanjuti berdasarkan data kuantitatif akan disajikan dalam bab-bab berikutnya seiring dengan pendalaman analisis.

## 2. Kualitas Data & Pra-pemrosesan

Pembahasan mengenai kualitas data dan langkah pra-pemrosesan merupakan fondasi krusial dalam setiap analisis data yang bermakna. Sebelum menggali lebih dalam untuk mendapatkan wawasan bisnis, penting untuk memastikan bahwa data yang digunakan bersih, konsisten, dan dalam format yang tepat. Proses ini melibatkan identifikasi dan penanganan berbagai isu seperti duplikasi data, tipe data yang tidak sesuai, serta nilai yang hilang atau tidak valid.

**2.1. Penanganan Duplikasi Data**
Langkah awal dalam menjaga integritas data adalah menghilangkan entri yang duplikat. Dalam proses ini, baris-baris data yang sama persis (duplikat) telah diidentifikasi dan dihapus dari dataset `omg_10003_b1_sheet1` untuk menghindari bias dalam analisis dan perhitungan metrik.

**2.2. Konversi Tipe Data**
Beberapa kolom dalam dataset awalnya disimpan dalam format yang tidak optimal untuk analisis, terutama kolom tanggal. Kolom-kolom yang mengindikasikan waktu atau tanggal kejadian, seperti `Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, dan `Lastupdate`, telah dikonversi secara sistematis menjadi format tanggal dan waktu (`datetime`). Konversi ini memastikan bahwa analisis temporal dapat dilakukan dengan akurat dan efisien.

**2.3. Pembersihan dan Penanganan Nilai Hilang (Missing Values)**

*   **Kolom Numerik:**
    *   Kolom yang seharusnya berisi nilai numerik seperti `Procod`, `Qty RO`, `Qty SP`, `Qty DO`, `Value PL`, dan `Value RO` diperiksa untuk keberadaan nilai non-numerik. Nilai-nilai non-numerik yang terdeteksi telah diubah menjadi `NaN` (Not a Number) agar dapat diproses sebagai data numerik.
    *   Setelah itu, nilai `NaN` dalam kolom-kolom ini ditangani dengan strategi pengisian yang sesuai:
        *   Untuk `Procod`, nilai `NaN` diisi dengan `-1` untuk menandakan produk yang tidak teridentifikasi.
        *   Untuk kuantitas (`Qty RO`, `Qty SP`, `Qty DO`), nilai `NaN` diisi dengan `0`, mengindikasikan tidak adanya kuantitas.
        *   Untuk nilai finansial (`Value PL`, `Value RO`), nilai `NaN` diisi dengan `0.0`.
    *   Terakhir, semua kolom ini telah dijamin memiliki tipe data numerik yang tepat (`Int64Dtype` untuk bilangan bulat atau `Float64Dtype` untuk bilangan desimal) untuk memungkinkan perhitungan matematis yang akurat.

*   **Kolom Teks dan Kategorikal:**
    *   Beberapa kolom yang bersifat deskriptif atau mengandung identifikasi unik seperti `Keterangan`, `Nama Penerima`, `Nomor Resi`, `KodePI`, `OutCode`, `Cmc`, `Nama Outlet`, `Prodes`, `No. RO`, `No. SP`, `No. DO`, dan `No. PL` ditemukan memiliki nilai yang hilang. Nilai-nilai ini telah diisi dengan string kosong (`''`) untuk menjaga konsistensi format dan memudahkan pemrosesan teks.
    *   Kolom-kolom kategorikal yang penting untuk segmentasi dan analisis seperti `Pharos YN`, `AO YN`, `Divisi`, `Asal Gudang`, `Kel. Class`, `Nama Ekspedisi`, `Status DO`, `Status RO`, `Sts SP Header`, `Sts SP Detail`, dan `Payment` juga memiliki nilai yang hilang. Untuk kolom-kolom ini, nilai yang hilang telah diisi dengan `UNKNOWN` untuk mengelompokkan entri yang tidak terdefinisi secara eksplisit, sehingga tidak diabaikan dalam analisis kategorikal.

**2.4. Kesimpulan Kualitas Data**
Melalui serangkaian langkah pra-pemrosesan ini, kualitas data dalam dataset `omg_10003_b1_sheet1` telah ditingkatkan secara signifikan. Duplikasi dieliminasi, tipe data diseragamkan untuk mendukung analisis temporal dan numerik, serta nilai-nilai yang hilang telah ditangani secara sistematis. Dataset kini siap untuk eksplorasi lebih lanjut, memungkinkan analisis yang lebih andal dan menghasilkan wawasan yang akurat mengenai kinerja pemenuhan pesanan dan korelasinya dengan berbagai faktor bisnis.

## 3. Tinjauan Data

Bab "Tinjauan Data" ini berfungsi sebagai fondasi untuk memahami skala operasional dan komposisi inti dari data pemenuhan pesanan pelanggan yang telah melalui proses pembersihan dan pra-pemrosesan. Tujuan utama adalah untuk memberikan gambaran deskriptif awal mengenai entitas-entitas kunci dalam dataset, distribusi status proses, serta volume pesanan secara keseluruhan.

**3.1. Skala Operasi dan Entitas Unik**
Untuk mengukur luasnya operasi, analisis dimulai dengan mengidentifikasi jumlah entitas unik dalam data. Ini meliputi:
*   **Jumlah Outlet Unik**: Menghitung jumlah `KodePI`, `OutCode`, dan `Cmc` unik untuk memahami cakupan pelanggan yang dilayani. Penting untuk diperhatikan bahwa meskipun terdapat tiga kolom identifikasi outlet, rekonsiliasi ketiganya diperlukan untuk mendapatkan jumlah total outlet unik yang akurat.
*   **Jumlah Produk Unik**: Identifikasi jumlah `Procod` unik untuk mengetahui keragaman portofolio produk yang diperdagangkan.
*   **Volume Dokumen Pesanan Unik**: Mengukur jumlah `No. RO` (Repeat Order), `No. SP` (Surat Pesanan), `No. DO` (Delivery Order), dan `No. PL` (Packing List) yang unik. Metrik ini memberikan gambaran tentang volume transaksi pada setiap tahapan proses pemenuhan pesanan, mulai dari permintaan awal hingga pengiriman dan dokumentasi.

Pemahaman mengenai jumlah unik ini krusial untuk menentukan skala bisnis, keragaman portofolio produk, serta ukuran basis pelanggan yang dilayani.

**3.2. Distribusi Status Pemenuhan Pesanan**
Efisiensi proses pemenuhan pesanan dapat dinilai melalui distribusi status di berbagai tahapan. Analisis ini melibatkan:
*   **Status Surat Pesanan (SP)**: Melihat distribusi `Sts SP Header` dan `Sts SP Detail` (`P` = sudah dilayani, `N` = dalam proses, `C` = batal). Distribusi ini mengindikasikan seberapa banyak SP yang berhasil diproses, sedang berjalan, atau dibatalkan, baik secara keseluruhan (Header) maupun pada tingkat detail item per produk (Detail). Perbedaan signifikan antara status Header dan Detail dapat menunjukkan isu pada item produk tertentu dalam satu SP.
*   **Status Delivery Order (DO)**: Menelaah distribusi `Status DO` (`P` = sudah dilayani, `N` = dalam proses, `C` = batal). Ini mencerminkan status pengiriman barang dari gudang, memberikan wawasan tentang keberhasilan pengeluaran barang untuk dikirim.
*   **Status Repeat Order (RO)**: Menganalisis `Status RO`, khususnya proporsi pesanan yang `TERLAYANI PENUH` dibandingkan status lainnya. Status ini adalah indikator langsung keberhasilan pemenuhan pesanan dari perspektif pelanggan, mencakup variasi produk maupun kuantitas yang dipesan.

Analisis distribusi status ini sangat penting untuk mengidentifikasi potensi hambatan dalam alur kerja pemenuhan, area dengan tingkat pembatalan tinggi, atau tahapan yang memerlukan intervensi untuk meningkatkan efisiensi operasional.

**3.3. Metrik Volume Pesanan Keseluruhan**
Sebagai gambaran makro performa bisnis, metrik volume pesanan keseluruhan sangat relevan:
*   **Total Kuantitas Pesanan (Qty RO)**: Menjumlahkan seluruh `Qty RO` untuk mengetahui total volume produk yang dipesan oleh pelanggan. Ini adalah indikator langsung dari permintaan pasar.
*   **Total Nilai Pesanan (Value RO)**: Menghitung total `Value RO` untuk mengetahui total nilai moneter dari pesanan yang masuk. Metrik ini memberikan perspektif tingkat tinggi tentang kontribusi pendapatan yang dihasilkan melalui proses pemenuhan pesanan.

Metrik ini memberikan gambaran menyeluruh tentang skala permintaan dan nilai ekonomi yang dihasilkan dari aktivitas pemesanan dalam periode data yang dianalisis.

**3.4. Batasan dan Proyeksi Wawasan**
Meskipun kerangka analisis deskriptif awal telah didefinisikan dengan jelas sesuai tujuan `Goal: Provide a foundational descriptive analysis...`, angka-angka detail dari temuan spesifik (seperti jumlah unik entitas, distribusi persentase status, dan total volume kumulatif) tidak tersedia dalam rangkuman 'Findings' yang diberikan. Oleh karena itu, laporan ini tidak dapat menyajikan tabel data numerik konkret untuk bab ini.

Namun, jika data tersebut tersedia, wawasan yang dapat ditarik sangat berharga, meliputi:
*   **Skala Bisnis**: Gambaran jelas mengenai jumlah mitra (outlet), produk, dan volume transaksi yang dikelola, yang menjadi dasar untuk perencanaan kapasitas dan strategi pasar.
*   **Efisiensi Operasional**: Identifikasi bottleneck atau inefisiensi pada setiap tahapan (SP, DO, RO) melalui persentase status 'dalam proses' atau 'dibatalkan' yang tinggi. Misalnya, jika `Sts SP Detail` menunjukkan banyak item yang dibatalkan, ini bisa mengindikasikan masalah ketersediaan stok atau proses internal. Temuan ini dapat memicu investigasi lebih lanjut dan perbaikan proses.
*   **Performa Penjualan**: Pengukuran total kuantitas dan nilai pesanan akan menjadi tolok ukur utama kinerja penjualan dalam periode data yang dianalisis, memberikan dasar untuk evaluasi target dan proyeksi.

Wawasan ini akan menjadi dasar untuk analisis yang lebih mendalam di bab-bab berikutnya, seperti identifikasi faktor pendorong penjualan, analisis tren temporal, dan segmentasi pelanggan atau produk.

## 4. Analisis Status Pemenuhan Pesanan

Bab ini didedikasikan untuk mendalami Analisis Status Pemenuhan Pesanan, sebuah aspek krusial dalam memahami efisiensi operasional dan kepuasan pelanggan. Tujuan utama dari analisis ini adalah untuk mengevaluasi secara komprehensif bagaimana pesanan pelanggan, mulai dari *Repeat Order (RO)*, diproses melalui *Surat Pesanan (SP)*, hingga *Delivery Order (DO)* dan akhirnya status pemenuhan secara keseluruhan.

Secara spesifik, analisis dalam bab ini akan berfokus pada:
*   **Sts SP Header dan Sts SP Detail**: Membedah status SP baik pada tingkat keseluruhan pesanan (`Sts SP Header`) maupun pada detail item produk (`Sts SP Detail`) untuk mengidentifikasi potensi ketidaksesuaian atau pembatalan di tahap awal proses. Nilai `P` (sudah dilayani), `N` (dalam proses), dan `C` (batal) akan menjadi indikator utama.
*   **Status DO**: Mengevaluasi status pengiriman barang (`Status DO`) untuk memahami seberapa efektif pesanan dikirimkan dari gudang. Sama seperti SP, `P`, `N`, dan `C` akan menjadi kategori analisis.
*   **Status RO**: Menganalisis status akhir dari setiap pesanan pelanggan (`Status RO`), khususnya proporsi pesanan yang `TERLAYANI PENUH` dibandingkan dengan status lain. Ini merupakan indikator kunci dari keberhasilan pemenuhan pesanan dari sudut pandang pelanggan, baik dari segi variasi produk maupun kuantitas.
*   **Waktu Pemenuhan**: Menghitung durasi antara setiap tahapan, seperti `Tgl. Order` ke `Tgl. SP`, `Tgl. SP` ke `Tgl DO`, dan `Tgl DO` ke `Tgl Diterima`, untuk mengidentifikasi potensi *bottleneck* dalam rantai pasok.

Namun, perlu dicatat bahwa pada tahap laporan ini, hasil analisis kuantitatif mendetail untuk bab ini belum dapat disajikan. Proses ekstraksi dan agregasi data untuk metrik-metrik tersebut masih dalam tahap penyempurnaan atau menghadapi kendala teknis dalam lingkungan analitik. Oleh karena itu, data spesifik mengenai persentase pemenuhan, tingkat pembatalan, atau durasi rata-rata antar tahapan belum dapat ditampilkan.

Setelah isu-isu teknis terkait komputasi dan analisis data berhasil diatasi, bab ini akan diperbarui dengan temuan-temuan konkret, tabel data yang relevan, serta rekomendasi yang dapat ditindaklanjuti untuk meningkatkan efisiensi proses pemenuhan pesanan dan pada akhirnya, kepuasan pelanggan. Analisis ini akan sangat penting dalam mengidentifikasi area-area yang memerlukan perbaikan strategis dalam operasional perusahaan.

## 5. Pengaruh Flag Bisnis (Pharos YN, AO YN)

Bab ini bertujuan untuk menginvestigasi pengaruh dua flag bisnis krusial: `Pharos YN` (penanda produk yang diproduksi oleh Pharos Grup) dan `AO YN` (penanda outlet yang berpartisipasi dalam program Apotek Online). Pemahaman terhadap bagaimana kedua faktor ini berkorelasi dengan kinerja pesanan dan status pemenuhan sangat vital untuk mengidentifikasi pendorong penjualan, efisiensi operasional, dan potensi area peningkatan.

**Analisis yang Direncanakan**
Analisis ini dirancang untuk:
1.  **Mengkaji Hubungan dengan Volume dan Nilai Pesanan**: Mengevaluasi dampak `Pharos YN` dan `AO YN` terhadap total kuantitas pesanan (`Qty RO`) dan total nilai pesanan (`Value RO`), serta jumlah pesanan unik. Ini akan membantu mengidentifikasi apakah produk Pharos atau partisipasi dalam Apotek Online secara signifikan memengaruhi volume atau nilai penjualan.
2.  **Korelasi dengan Status Pemenuhan**: Menyelidiki bagaimana kedua flag ini berkorelasi dengan `Status RO` (status pemenuhan pesanan), dengan fokus khusus pada pesanan yang `TERLAYANI PENUH` dibandingkan dengan status lainnya. Hal ini penting untuk memahami apakah faktor-faktor ini memengaruhi tingkat keberhasilan pemenuhan pesanan.
3.  **Hubungan dengan Tahapan Pemenuhan Lainnya**: Menganalisis potensi hubungan antara `Pharos YN`, `AO YN` dengan status-status pada tahapan pemenuhan yang lebih awal seperti `Sts SP Header`, `Sts SP Detail`, dan `Status DO`.

**Status Analisis**
Sayangnya, upaya untuk menyelesaikan analisis yang mendalam terkait pengaruh flag bisnis `Pharos YN` dan `AO YN` pada berbagai metrik pemenuhan pesanan dan penjualan belum berhasil diselesaikan secara teknis. Beberapa percobaan komputasi untuk menghasilkan wawasan dari hubungan ini menghadapi kendala dan belum dapat menghasilkan data kuantitatif yang diperlukan untuk laporan ini. Oleh karena itu, bagian ini belum dapat menyajikan tabel data atau angka spesifik mengenai dampak dari kedua flag tersebut.

**Wawasan yang Diantisipasi**
Meskipun data konkret belum tersedia, analisis ini diharapkan dapat memberikan wawasan berharga seperti:
*   **Identifikasi Pendorong Penjualan**: Mengidentifikasi apakah produk dari Pharos Grup memiliki kecenderungan penjualan yang lebih tinggi atau lebih rendah, baik dari segi kuantitas maupun nilai, dibandingkan produk non-Pharos.
*   **Efektivitas Program Apotek Online**: Mengukur seberapa besar kontribusi outlet yang berpartisipasi dalam Apotek Online terhadap volume dan nilai pesanan keseluruhan, serta apakah partisipasi ini berkorelasi dengan tingkat pemenuhan pesanan yang lebih baik atau lebih buruk.
*   **Optimalisasi Strategi Produk dan Saluran**: Temuan dari analisis ini dapat menginformasikan strategi pemasaran dan penjualan untuk produk Pharos dan non-Pharos, serta memberikan arahan untuk pengembangan program Apotek Online di masa depan.

**Langkah Selanjutnya**
Pentingnya analisis ini bagi pengambilan keputusan strategis sangat besar. Tim akan terus berupaya mengatasi tantangan teknis untuk dapat menyajikan hasil analisis ini dengan data yang kuat pada pembaruan laporan berikutnya.

## 6. Kesimpulan dan Rekomendasi

Laporan Analisis Data Eksplorasi (EDA) ini dimulai dengan tujuan ambisius untuk mengungkap wawasan tersembunyi guna meningkatkan kinerja penjualan dan memahami korelasi produk dari data pemenuhan pesanan pelanggan. Sepanjang proses, data mentah telah melalui serangkaian langkah pra-pemrosesan yang ketat, memastikan kebersihan dan konsistensi data sebagai fondasi yang kokoh untuk analisis lebih lanjut.

**6.1. Kesimpulan Analisis**

Proses pembersihan dan pra-pemrosesan data, seperti yang diuraikan dalam Bab 2, telah berhasil dilakukan. Langkah-langkah ini termasuk penanganan duplikasi data, konversi tipe data yang akurat (terutama untuk kolom tanggal), serta strategi komprehensif untuk mengisi nilai yang hilang pada kolom numerik, teks, dan kategorikal. Upaya ini telah secara signifikan meningkatkan kualitas data, menjadikannya siap untuk eksplorasi yang lebih mendalam.

Namun, meskipun fondasi data telah terbangun dengan kuat, kami perlu mengakui bahwa analisis mendalam yang direncanakan untuk bab-bab berikutnya – mulai dari tinjauan data deskriptif yang lebih rinci (Bab 3), analisis status pemenuhan pesanan (Bab 4), hingga investigasi pengaruh flag bisnis `Pharos YN` dan `AO YN` (Bab 5) – belum dapat disajikan dengan angka dan wawasan konkret. Tantangan teknis dan kendala komputasi yang dihadapi selama fase analisis telah menghambat perolehan hasil kuantitatif yang diperlukan untuk menyusun kesimpulan berdasarkan data yang faktual.

Oleh karena itu, pada tahap ini, laporan ini belum dapat menyajikan:
*   Jumlah pasti entitas unik seperti outlet dan produk, maupun volume transaksi unik pada setiap tahapan (RO, SP, DO, PL) yang dapat mengukur skala operasional secara detail.
*   Distribusi persentase status pemenuhan pesanan (misalnya, `Sts SP Header`, `Sts SP Detail`, `Status DO`, `Status RO`) yang telah berhasil dilayani, dalam proses, atau dibatalkan.
*   Metrik spesifik mengenai total kuantitas (`Qty RO`) dan nilai pesanan (`Value RO`) secara keseluruhan sebagai indikator performa bisnis.
*   Wawasan kuantitatif mengenai hubungan antara `Pharos YN` dan `AO YN` dengan volume penjualan atau tingkat keberhasilan pemenuhan pesanan, yang berpotensi mengidentifikasi pendorong penjualan.

Meskipun demikian, kerangka analisis yang telah dirancang mengindikasikan potensi wawasan yang sangat berharga. Jika berhasil diselesaikan, analisis ini diharapkan dapat mengidentifikasi pendorong penjualan yang signifikan, area inefisiensi dalam rantai pasok, dan dampak strategis dari program Apotek Online serta produk Grup Pharos, yang semuanya krusial untuk pengambilan keputusan bisnis yang tepat.

**6.2. Rekomendasi**

Berdasarkan status analisis saat ini dan potensi wawasan yang belum terekspos, kami merekomendasikan langkah-langkah berikut untuk melanjutkan dan menyelesaikan proses EDA:

1.  **Prioritaskan Penyelesaian Analisis Tertunda**: Segera atasi kendala teknis dan komputasi yang menghambat perolehan hasil untuk Bab 3 (Tinjauan Data), Bab 4 (Analisis Status Pemenuhan Pesanan), dan Bab 5 (Pengaruh Flag Bisnis). Fokus harus diberikan untuk mendapatkan angka-angka konkret terkait:
    *   **Skala Operasi**: Jumlah pasti outlet dan produk unik, serta volume dokumen pesanan unik.
    *   **Efisiensi Pemenuhan**: Distribusi persentase dari `Sts SP Header`, `Sts SP Detail`, `Status DO`, dan `Status RO`, termasuk analisis durasi rata-rata antar tahapan (`Tgl. Order` ke `Tgl DO`, dll.) untuk mengidentifikasi *bottleneck*.
    *   **Dampak Bisnis**: Korelasi antara `Pharos YN` dan `AO YN` dengan `Qty RO`, `Value RO`, dan `Status RO` untuk memahami pendorong kinerja.
2.  **Optimalkan Lingkungan Komputasi**: Evaluasi dan tingkatkan kapasitas atau konfigurasi lingkungan analitik untuk memastikan bahwa analisis yang kompleks dapat dijalankan tanpa hambatan atau *timeout*. Hal ini sangat penting untuk keberlanjutan proyek analitik.
3.  **Iterasi Analisis Bertahap**: Jika analisis yang lebih kompleks masih sulit diselesaikan, pertimbangkan untuk memecahnya menjadi bagian-bagian yang lebih kecil atau menggunakan pendekatan yang lebih sederhana untuk mendapatkan wawasan awal, sebelum beralih ke model yang lebih canggih. Pendekatan *agile* dapat diterapkan di sini.
4.  **Validasi Ulang Tujuan Bisnis**: Setelah mendapatkan hasil awal, validasi kembali apakah wawasan yang diperoleh selaras dengan tujuan bisnis awal untuk meningkatkan kinerja penjualan dan melihat korelasi produk. Ini akan memastikan bahwa setiap insight yang dihasilkan relevan dan dapat ditindaklanjuti oleh pemangku kepentingan.
5.  **Perbarui Laporan Secara Berkala**: Setelah analisis berhasil dieksekusi dan hasilnya diperoleh, laporan ini harus diperbarui dengan temuan-temuan kuantitatif, tabel data yang relevan, serta rekomendasi yang lebih spesifik dan *actionable* berdasarkan data yang telah divalidasi.

Melalui penyelesaian analisis yang tertunda, perusahaan akan dapat memperoleh pemahaman yang lebih dalam mengenai operasional pemenuhan pesanan, mengidentifikasi peluang peningkatan kinerja, dan membuat keputusan strategis yang didukung oleh data yang akurat dan komprehensif.