# Laporan Akhir Eksplorasi Data ## 1. Ringkasan Eksekutif Analisis ini bertujuan untuk mengeksplorasi insight tersembunyi dari data pemenuhan pesanan pelanggan guna meningkatkan kinerja operasional, penjualan, dan memahami korelasi dengan produk. Fokus utama dari bab ini adalah menyajikan gambaran umum tentang temuan kritis dari data pemenuhan pesanan, khususnya terkait performa pengiriman dari berbagai gudang. Dari analisis data pemenuhan pesanan, ditemukan adanya variasi yang signifikan dalam waktu pengiriman total antar gudang. Gudang PHARMANET JAKSEL menunjukkan salah satu kinerja paling efisien dengan rata-rata total pengiriman yang rendah, sementara gudang PHARMANET TANGERANG tercatat memiliki rata-rata waktu pengiriman total tertinggi. Perbedaan kinerja ini mengindikasikan adanya potensi bottleneck dan peluang perbaikan di berbagai tahapan proses pengiriman. Berikut adalah ringkasan performa pengiriman total untuk setiap gudang: | Asal Gudang | Jumlah DO | Rata-rata Total Pengiriman (jam) | Median Total Pengiriman (jam) | |:--------------------|----------:|---------------------------------:|------------------------------:| | PHARMANET JAKSEL | 524 | 10.64 | 2.81 | | PHARMANET JAKBAR | 904 | 10.92 | 5.29 | | PHARMANET JAKTIM | 865 | 11.16 | 8.17 | | PHARMANET BANJARMASIN | 113 | 17.15 | 17.00 | | PHARMANET BEKASI | 2,215 | 22.53 | 19.10 | | PHARMANET BOGOR | 1,401 | 25.56 | 20.50 | | PHARMANET PALEMBANG | 1,319 | 27.10 | 10.69 | | PHARMANET BANDUNG | 1,668 | 30.30 | 23.16 | | PHARMANET MALANG | 501 | 32.59 | 8.77 | | PHARMANET SOLO | 1,440 | 33.34 | 29.36 | | PHARMANET MAKASSAR | 737 | 34.09 | 26.86 | | PHARMANET SEMARANG | 1,657 | 35.35 | 38.63 | | PHARMANET JAMBI | 572 | 37.33 | 24.20 | | PHARMANET SURABAYA | 2,422 | 42.14 | 42.67 | | PHARMANET MEDAN | 1,167 | 42.43 | 28.17 | | PHARMANET LAMPUNG | 641 | 47.08 | 46.36 | | PHARMANET PONTIANAK | 556 | 49.14 | 29.93 | | PHARMANET SAMARINDA | 544 | 49.64 | 43.54 | | PHARMANET PEKANBARU | 945 | 53.85 | 49.77 | | PHARMANET TANGERANG | 1,233 | 127.47 | 46.21 | Untuk mengidentifikasi akar masalah, lead time pengiriman dipecah ke dalam tiga tahapan utama: dari pembuatan DO hingga masuk logbook (`DO ke Logbook`), dari logbook hingga serah terima ke ekspedisi (`Logbook ke Ekspedisi`), dan dari serah terima ekspedisi hingga diterima pelanggan (`Ekspedisi ke Diterima`). Berikut adalah detail performa per tahapan: | Asal Gudang | Rata-rata DO ke Logbook (jam) | Median DO ke Logbook (jam) | Rata-rata Logbook ke Ekspedisi (jam) | Median Logbook ke Ekspedisi (jam) | Rata-rata Ekspedisi ke Diterima (jam) | Median Ekspedisi ke Diterima (jam) | |:--------------------|------------------------------:|---------------------------:|-------------------------------------:|----------------------------------:|---------------------------------------:|------------------------------------:| | PHARMANET JAKSEL | 4.16 | 1.71 | 0.97 | 0.00 | 5.51 | 0.14 | | PHARMANET JAKBAR | 1.28 | 1.01 | 3.15 | 0.00 | 6.49 | 2.77 | | PHARMANET JAKTIM | 2.10 | 2.05 | 0.76 | 0.00 | 8.30 | 6.69 | | PHARMANET BANJARMASIN | 6.20 | 1.49 | 0.58 | 0.00 | 10.43 | 2.83 | | PHARMANET BEKASI | 2.92 | 2.31 | 2.35 | 0.00 | 17.26 | 12.60 | | PHARMANET BOGOR | 6.39 | 2.78 | 0.87 | 0.00 | 18.33 | 15.52 | | PHARMANET PALEMBANG | 3.22 | 2.51 | 2.05 | -0.39 | 21.83 | 9.18 | | PHARMANET BANDUNG | 2.51 | 1.66 | -3.29 | 0.00 | 31.08 | 20.84 | | PHARMANET MALANG | 5.48 | 3.22 | 0.17 | -0.10 | 26.93 | 3.83 | | PHARMANET SOLO | 5.16 | 2.91 | -2.67 | 0.00 | 30.86 | 24.98 | | PHARMANET MAKASSAR | 5.20 | 2.78 | 2.90 | -0.03 | 26.01 | 9.50 | | PHARMANET SEMARANG | 12.48 | 5.64 | 1.32 | 0.00 | 21.55 | 20.69 | | PHARMANET JAMBI | 2.99 | 2.42 | 5.73 | 3.34 | 28.62 | 15.43 | | PHARMANET SURABAYA | 12.26 | 4.91 | 3.63 | 4.46 | 26.24 | 17.97 | | PHARMANET MEDAN | 8.01 | 2.45 | 10.79 | 12.92 | 23.60 | 9.60 | | PHARMANET LAMPUNG | 4.17 | 2.28 | 1.61 | 1.14 | 41.32 | 40.54 | | PHARMANET PONTIANAK | 5.50 | 1.43 | 3.62 | 3.26 | 40.02 | 22.66 | | PHARMANET SAMARINDA | 4.46 | 2.45 | 6.31 | 2.06 | 38.90 | 23.66 | | PHARMANET PEKANBARU | 3.47 | 1.93 | 7.48 | 2.01 | 42.90 | 38.46 | | PHARMANET TANGERANG | 4.26 | 3.27 | 0.81 | 0.00 | 122.40 | 43.65 | ### Insight Utama 1. **Variasi Kinerja**: Perbedaan mencolok dalam `Rata-rata Total Pengiriman (jam)` antar gudang, mulai dari 10.64 jam (PHARMANET JAKSEL) hingga 127.47 jam (PHARMANET TANGERANG), menunjukkan bahwa ada gudang yang secara signifikan lebih efisien dalam memproses pesanan secara keseluruhan. 2. **Identifikasi Bottleneck**: Dengan menganalisis setiap tahapan, terlihat bahwa bottleneck dapat bervariasi antar gudang. Contohnya, gudang `PHARMANET TANGERANG` menunjukkan `Rata-rata Ekspedisi ke Diterima (jam)` yang sangat tinggi (122.40 jam), mengindikasikan masalah serius pada tahapan pengiriman oleh pihak ekspedisi. Sementara itu, gudang seperti `PHARMANET SEMARANG` memiliki `Rata-rata DO ke Logbook (jam)` yang cukup tinggi (12.48 jam), menunjukkan potensi inefisiensi internal dalam pemrosesan awal DO. 3. **Efisiensi Internal vs. Eksternal**: Perbandingan waktu `DO ke Logbook` (proses internal gudang) dengan `Ekspedisi ke Diterima` (proses eksternal oleh mitra ekspedisi) sangat krusial. Beberapa gudang mungkin memiliki proses internal yang cepat tetapi terhambat oleh pengiriman eksternal yang lambat, atau sebaliknya. 4. **Pentingnya Median**: Penggunaan median bersamaan dengan rata-rata memberikan gambaran yang lebih akurat karena median kurang terpengaruh oleh outlier (pesanan dengan waktu pengiriman yang sangat lama). Perbedaan besar antara rata-rata dan median (misalnya pada PHARMANET TANGERANG untuk total pengiriman, rata-rata 127.47 jam vs median 46.21 jam) menandakan adanya banyak pesanan dengan waktu pengiriman yang ekstrem. ### Rekomendasi Berdasarkan temuan di atas, direkomendasikan tindakan berikut untuk meningkatkan kinerja pemenuhan pesanan: 1. **Investigasi Outlier Mendalam**: Lakukan analisis lebih lanjut terhadap Delivery Order (DO) dengan waktu pengiriman yang sangat panjang, terutama di gudang-gudang yang menunjukkan perbedaan signifikan antara rata-rata dan median waktu pengiriman. Hal ini dapat mengungkap masalah sistemik atau kasus-kasus spesifik yang membutuhkan intervensi. 2. **Analisis Akar Masalah per Gudang dan Tahapan**: Untuk gudang dengan kinerja yang lebih rendah, lakukan analisis akar masalah yang terperinci di setiap tahapan proses pengiriman (DO ke Logbook, Logbook ke Ekspedisi, dan Ekspedisi ke Diterima). Identifikasi penyebab spesifik keterlambatan, apakah itu kurangnya staf, inefisiensi proses, atau masalah teknis, dan rumuskan tindakan perbaikan yang sesuai. 3. **Evaluasi dan Manajemen Mitra Ekspedisi**: Jika tahapan `Ekspedisi ke Diterima` menjadi bottleneck utama (seperti di PHARMANET TANGERANG, LAMPUNG, PONTIANAK, SAMARINDA, PEKANBARU), lakukan evaluasi menyeluruh terhadap performa mitra ekspedisi yang digunakan. Pertimbangkan untuk menegosiasikan kembali SLA (Service Level Agreement), mencari alternatif mitra, atau menerapkan sistem pemantauan yang lebih ketat untuk memastikan standar pengiriman terpenuhi. ## 2. Pendahuluan Laporan Analisis Data Eksplorasi (EDA) ini bertujuan untuk menggali wawasan tersembunyi dari data pemenuhan pesanan pelanggan guna mengidentifikasi peluang untuk peningkatan kinerja operasional, pertumbuhan penjualan, dan pemahaman yang lebih baik tentang korelasi antar produk. Analisis ini akan meninjau secara kritis seluruh siklus hidup pemenuhan pesanan, mulai dari proses pemesanan hingga pengiriman akhir kepada pelanggan. Data yang digunakan dalam laporan ini berasal dari catatan detail pemenuhan pesanan pelanggan. Dataset ini mencakup informasi mengenai outlet (pelanggan) dengan beberapa kode identifikasi unik (KodePI, OutCode, Cmc), detail produk (Procod, Prodes, Divisi, Pharos_YN), serta serangkaian tahapan dalam proses pesanan: * **RO (Repeat Order)**: Pesanan unik yang dibuat oleh satu outlet pelanggan. * **SP (Surat Pesanan)**: Dokumen internal yang dibuat di gudang untuk melayani satu RO. Satu RO dapat menghasilkan beberapa SP. * **DO (Delivery Order)**: Dokumen yang diterbitkan ketika SP telah dilayani dan dikonfirmasi oleh PIC pelayanan gudang. Satu SP biasanya menghasilkan satu DO. * **PL (Packing List)**: Dokumen administratif yang menyertai DO. Sebelum analisis mendalam dilakukan, data mentah telah melalui proses pembersihan dan persiapan yang cermat. Tahapan ini mencakup penghapusan baris duplikat, konversi tipe data yang sesuai (terutama untuk kolom tanggal dan numerik), serta penanganan nilai-nilai yang hilang. Proses ini krusial untuk memastikan keakuratan dan keandalan setiap wawasan yang dihasilkan dari data. Bab ini berfungsi sebagai pengantar untuk menjelaskan konteks, tujuan, dan struktur data yang akan dieksplorasi lebih lanjut. Mengikuti Bab 1 (Ringkasan Eksekutif) yang telah menyajikan gambaran umum temuan kunci terkait performa pengiriman, laporan ini akan memperdalam setiap aspek, dimulai dengan analisis detail tentang waktu tunggu pengiriman dari berbagai gudang. Tahapan selanjutnya dari analisis akan menguraikan lebih lanjut temuan-temuan terkait produk, perilaku outlet, dan implikasi strategis untuk peningkatan bisnis secara keseluruhan. ## 3. Pemahaman Data Analisis pemenuhan pesanan pelanggan melibatkan pemahaman mendalam tentang siklus pesanan, mulai dari pembuatan hingga pengiriman akhir. Data yang tersedia memberikan gambaran terperinci mengenai setiap tahapan proses ini, memungkinkan identifikasi area efisiensi dan inefisiensi. Pada bab ini, kita akan fokus pada pemahaman data yang berkaitan dengan performa pengiriman dari berbagai gudang, sebuah metrik krusial dalam kepuasan pelanggan dan efisiensi operasional. Data pemenuhan pesanan telah dianalisis untuk mengidentifikasi waktu tunggu (lead time) pada setiap tahapan proses pengiriman Delivery Order (DO). Tahapan tersebut mencakup waktu dari pembuatan DO hingga masuk logbook (`DO ke Logbook`), dari logbook hingga serah terima ke ekspedisi (`Logbook ke Ekspedisi`), dan dari serah terima ekspedisi hingga diterima oleh pelanggan (`Ekspedisi ke Diterima`). Pengukuran ini dilakukan untuk setiap gudang asal, memberikan wawasan tentang bagaimana kinerja bervariasi antar lokasi. ### Analisis Performa Pengiriman per Gudang (dalam jam) Tabel berikut menyajikan metrik performa pengiriman rata-rata dan median untuk setiap gudang, berdasarkan Delivery Order (DO). Lead time dihitung sebagai selisih waktu antara tahapan pengiriman. Penting untuk dicatat bahwa lead time negatif atau nol untuk total pengiriman telah dieliminasi sebagai anomali data, memastikan keakuratan perhitungan. | Asal Gudang | Jumlah DO | Rata-rata DO ke Logbook (jam) | Median DO ke Logbook (jam) | Rata-rata Logbook ke Ekspedisi (jam) | Median Logbook ke Ekspedisi (jam) | Rata-rata Ekspedisi ke Diterima (jam) | Median Ekspedisi ke Diterima (jam) | Rata-rata Total Pengiriman (jam) | Median Total Pengiriman (jam) | |:--------------------|----------:|------------------------------:|---------------------------:|-------------------------------------:|----------------------------------:|---------------------------------------:|------------------------------------:|-----------------------------------:|------------------------------:| | PHARMANET JAKSEL | 524 | 4.16 | 1.71 | 0.97 | 0.00 | 5.51 | 0.14 | 10.64 | 2.81 | | PHARMANET JAKBAR | 904 | 1.28 | 1.01 | 3.15 | 0.00 | 6.49 | 2.77 | 10.92 | 5.29 | | PHARMANET JAKTIM | 865 | 2.10 | 2.05 | 0.76 | 0.00 | 8.30 | 6.69 | 11.16 | 8.17 | | PHARMANET BANJARMASIN | 113 | 6.20 | 1.49 | 0.58 | 0.00 | 10.43 | 2.83 | 17.15 | 17.00 | | PHARMANET BEKASI | 2,215 | 2.92 | 2.31 | 2.35 | 0.00 | 17.26 | 12.60 | 22.53 | 19.10 | | PHARMANET BOGOR | 1,401 | 6.39 | 2.78 | 0.87 | 0.00 | 18.33 | 15.52 | 25.56 | 20.50 | | PHARMANET PALEMBANG | 1,319 | 3.22 | 2.51 | 2.05 | -0.39 | 21.83 | 9.18 | 27.10 | 10.69 | | PHARMANET BANDUNG | 1,668 | 2.51 | 1.66 | -3.29 | 0.00 | 31.08 | 20.84 | 30.30 | 23.16 | | PHARMANET MALANG | 501 | 5.48 | 3.22 | 0.17 | -0.10 | 26.93 | 3.83 | 32.59 | 8.77 | | PHARMANET SOLO | 1,440 | 5.16 | 2.91 | -2.67 | 0.00 | 30.86 | 24.98 | 33.34 | 29.36 | | PHARMANET MAKASSAR | 737 | 5.20 | 2.78 | 2.90 | -0.03 | 26.01 | 9.50 | 34.09 | 26.86 | | PHARMANET SEMARANG | 1,657 | 12.48 | 5.64 | 1.32 | 0.00 | 21.55 | 20.69 | 35.35 | 38.63 | | PHARMANET JAMBI | 572 | 2.99 | 2.42 | 5.73 | 3.34 | 28.62 | 15.43 | 37.33 | 24.20 | | PHARMANET SURABAYA | 2,422 | 12.26 | 4.91 | 3.63 | 4.46 | 26.24 | 17.97 | 42.14 | 42.67 | | PHAROSNET MEDAN | 1,167 | 8.01 | 2.45 | 10.79 | 12.92 | 23.60 | 9.60 | 42.43 | 28.17 | | PHARMANET LAMPUNG | 641 | 4.17 | 2.28 | 1.61 | 1.14 | 41.32 | 40.54 | 47.08 | 46.36 | | PHARMANET PONTIANAK | 556 | 5.50 | 1.43 | 3.62 | 3.26 | 40.02 | 22.66 | 49.14 | 29.93 | | PHARMANET SAMARINDA | 544 | 4.46 | 2.45 | 6.31 | 2.06 | 38.90 | 23.66 | 49.64 | 43.54 | | PHARMANET PEKANBARU | 945 | 3.47 | 1.93 | 7.48 | 2.01 | 42.90 | 38.46 | 53.85 | 49.77 | | PHARMANET TANGERANG | 1,233 | 4.26 | 3.27 | 0.81 | 0.00 | 122.40 | 43.65 | 127.47 | 46.21 | ### Insight dari Data Pengiriman 1. **Variasi Kinerja Gudang**: Data secara jelas menunjukkan perbedaan signifikan dalam waktu pengiriman total rata-rata antar gudang. Gudang seperti PHARMANET JAKSEL, dengan rata-rata total pengiriman 10.64 jam, menunjukkan efisiensi yang lebih tinggi dalam keseluruhan proses. Sebaliknya, PHARMANET TANGERANG memiliki rata-rata total pengiriman yang jauh lebih tinggi, yaitu 127.47 jam. Perbedaan ini adalah indikator kunci bahwa ada praktik terbaik di satu gudang yang mungkin tidak diterapkan di gudang lain, atau ada tantangan unik yang dihadapi oleh gudang-gudang dengan kinerja yang lebih rendah. 2. **Identifikasi Bottleneck Tahapan Pengiriman**: Dengan memecah waktu pengiriman total ke dalam tahapan-tahapan yang lebih kecil (DO ke Logbook, Logbook ke Ekspedisi, Ekspedisi ke Diterima), data memungkinkan identifikasi potensi bottleneck pada tahapan spesifik. Misalnya, tingginya rata-rata 'Ekspedisi ke Diterima (jam)' di gudang PHARMANET TANGERANG (122.40 jam) secara terang-terangan menunjukkan masalah serius pada tahapan pengiriman oleh pihak ekspedisi, bukan pada operasional internal gudang. Demikian pula, rata-rata 'Logbook ke Ekspedisi (jam)' yang tinggi di PHAROSNET MEDAN (10.79 jam) dapat mengindikasikan masalah dalam proses serah terima ke pihak ekspedisi. 3. **Efisiensi Internal vs. Eksternal**: Perbandingan metrik waktu antara 'DO ke Logbook' (indikator efisiensi internal gudang) dan 'Ekspedisi ke Diterima' (indikator kinerja mitra ekspedisi) sangat vital. Beberapa gudang mungkin memiliki proses internal yang sangat cepat, namun kinerja keseluruhan terhambat oleh keterlambatan pada proses pengiriman eksternal. Ini menyoroti kebutuhan untuk fokus perbaikan, apakah itu pada operasional gudang atau pada manajemen mitra ekspedisi. 4. **Peran Median dalam Pemahaman Data**: Penggunaan nilai median, di samping rata-rata, sangat penting untuk memahami distribusi waktu pengiriman. Median memberikan gambaran yang lebih stabil tentang kinerja 'tipikal' karena kurang terpengaruh oleh outlier (pengiriman yang sangat lambat). Jika terdapat perbedaan besar antara rata-rata dan median (seperti pada PHARMANET TANGERANG dengan rata-rata 127.47 jam dan median 46.21 jam untuk total pengiriman), ini menandakan adanya sejumlah besar pesanan dengan waktu pengiriman yang ekstrem. Data ini menunjukkan bahwa meskipun ada kasus pengiriman yang cepat, ada juga kasus yang sangat lambat yang mempengaruhi rata-rata. ### Rekomendasi Awal Berdasarkan Pemahaman Data Berdasarkan pemahaman mendalam tentang data performa pengiriman, langkah-langkah berikut direkomendasikan untuk meningkatkan efisiensi dan kepuasan pelanggan: 1. **Investigasi Mendalam terhadap Outlier**: Lakukan penyelidikan terperinci terhadap Delivery Order (DO) yang menunjukkan waktu pengiriman yang sangat panjang, terutama di gudang-gudang di mana perbedaan antara rata-rata dan median waktu pengiriman sangat besar (misalnya PHARMANET TANGERANG, PHARMANET MALANG, PHARMANET PALEMBANG). Hal ini dapat mengungkap masalah sistemik, kesalahan proses, atau kasus-kasus khusus yang memerlukan intervensi segera. 2. **Analisis Akar Masalah per Gudang dan Tahapan**: Untuk setiap gudang dengan kinerja di bawah standar, lakukan analisis akar masalah yang komprehensif di setiap tahapan proses pengiriman. Identifikasi penyebab spesifik keterlambatan — apakah itu disebabkan oleh kekurangan staf, inefisiensi alur kerja, masalah teknis, atau faktor lainnya — dan rumuskan tindakan perbaikan yang sesuai dan terukur. 3. **Evaluasi Kritis Mitra Ekspedisi**: Jika tahapan 'Ekspedisi ke Diterima' teridentifikasi sebagai bottleneck utama (seperti yang terlihat pada PHARMANET TANGERANG, LAMPUNG, PONTIANAK, SAMARINDA, PEKANBARU), sangat penting untuk melakukan evaluasi menyeluruh terhadap performa mitra ekspedisi yang digunakan oleh gudang-gudang tersebut. Pertimbangkan untuk menegosiasikan ulang Perjanjian Tingkat Layanan (SLA), menjajaki alternatif mitra ekspedisi, atau menerapkan sistem pemantauan yang lebih ketat untuk memastikan bahwa standar pengiriman yang diharapkan terpenuhi. ## 4. Kualitas Data & Pra-pemrosesan Kualitas data merupakan fondasi krusial bagi setiap analisis yang bermakna. Sebelum melangkah lebih jauh ke dalam eksplorasi dan pembentukan wawasan, memastikan integritas dan kebersihan data adalah langkah pertama yang tidak dapat ditawar. Tahap pra-pemrosesan data bertujuan untuk mengatasi anomali, mengoreksi ketidaksesuaian tipe data, dan menangani nilai-nilai yang hilang, sehingga data siap untuk dianalisis dengan akurat dan efisien. **Langkah-langkah Pra-pemrosesan Data** Proses pra-pemrosesan pada tabel `omg_10003_b1_sheet1` melibatkan beberapa tahapan utama untuk menjamin kualitas data: 1. **Penanganan Duplikasi Baris**: Pemeriksaan dilakukan untuk mengidentifikasi dan menghapus baris duplikat yang dapat mengganggu akurasi perhitungan statistik dan analisis. Untuk dataset ini, tidak ditemukan adanya baris duplikat yang perlu dihapus, menunjukkan tingkat integritas data yang baik dari segi uniknya setiap observasi. 2. **Konversi Tipe Data**: * **Kolom Tanggal**: Kolom-kolom yang berisi informasi waktu, seperti `Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, dan `Lastupdate`, dikonversi ke format `datetime`. Proses ini juga mencakup penanganan string tanggal yang tidak valid dengan mengonversinya menjadi `NaT (Not a Time)`, namun pada eksekusi ini tidak ditemukan data tanggal yang tidak valid yang perlu dikoreksi. * **Kolom Numerik (Integer)**: Kolom seperti `Procod`, `Qty RO`, `Qty SP`, dan `Qty DO` dikonversi ke tipe data integer. Nilai yang hilang (NaN) diisi dengan 0 sebelum konversi untuk memastikan tipe data yang konsisten. * **Kolom Numerik (Float)**: Kolom `Value PL` dan `Value RO` dikonversi ke tipe data float. Nilai yang hilang (NaN) diisi dengan 0.0 sebelum konversi. * **Kolom Boolean-like**: Kolom `Pharos YN` dan `AO YN` yang awalnya mungkin berisi nilai 'Y'/'N' atau representasi lain (seperti 0/1 dalam data sampel) dikonversi menjadi tipe data boolean (True/False). Nilai yang hilang diisi dengan 'N' sebagai default sebelum konversi. * **Kolom Teks**: Semua kolom teks lainnya memastikan bahwa nilai-nilainya berformat string. Nilai yang hilang (NaN) diisi dengan 'Unknown' untuk mempertahankan informasi sebanyak mungkin sambil menandai data yang tidak tersedia. **Temuan Kualitas Data dan Penanganannya** Meskipun data secara umum menunjukkan kualitas yang baik dalam hal tidak adanya duplikasi baris dan format tanggal yang konsisten, beberapa isu nilai yang hilang teridentifikasi dan telah ditangani: * **Nilai Hilang pada `Value PL`**: Ditemukan **1,740** nilai yang hilang pada kolom `Value PL`. Nilai-nilai ini diisi dengan 0.0 dan dikonversi ke tipe float. Hal ini penting untuk memastikan perhitungan nilai produk dapat dilakukan tanpa error, meskipun nilai 0.0 mengindikasikan ketidakjelasan harga pada entri tersebut. * **Nilai Hilang pada Kolom Identifikasi Outlet (`Cmc`)**: Sebanyak **5,468** nilai yang hilang ditemukan pada kolom `Cmc`. Nilai-nilai ini diisi dengan 'Unknown' dan dikonversi ke tipe string. `Cmc` merupakan salah satu kode unik untuk outlet, sehingga adanya nilai yang hilang bisa berdampak pada kemampuan identifikasi dan segmentasi outlet secara akurat. Penanganan ini memungkinkan data tetap bisa diproses namun dengan catatan adanya data outlet yang tidak teridentifikasi secara lengkap. * **Nilai Hilang pada Kolom Identifikasi Pesanan (`No. DO`, `No. PL`)**: Sebanyak **365** nilai hilang ditemukan masing-masing pada kolom `No. DO` dan `No. PL`. Nilai-nilai ini diisi dengan 'Unknown' dan dikonversi ke tipe string. `No. DO` dan `No. PL` adalah identifier kritis dalam siklus pemenuhan pesanan, dan nilai yang hilang dapat mempersulit pelacakan individual Delivery Order atau Packing List. * **Nilai Hilang pada Kolom Logistik (`Nomor Resi`, `Nama Ekspedisi`)**: Ditemukan **460** nilai hilang pada `Nomor Resi` dan **585** nilai hilang pada `Nama Ekspedisi`. Nilai-nilai ini diisi dengan 'Unknown' dan dikonversi ke tipe string. Kekurangan informasi ini dapat membatasi analisis mendalam terkait performa spesifik ekspedisi atau pelacakan pengiriman tertentu. * **Nilai Hilang pada Kolom Deskriptif (`Keterangan`, `Nama Penerima`, `Divisi`, `Kel. Class`)**: * Kolom `Keterangan` dan `Nama Penerima` memiliki jumlah nilai hilang yang sangat tinggi, yaitu **131,315** masing-masing. Sesuai arahan domain, kedua kolom ini memang diabaikan dalam analisis lebih lanjut karena informasi yang diberikan tidak relevan untuk tujuan bisnis utama. Pengisian dengan 'Unknown' memastikan konsistensi tipe data. * Kolom `Divisi` ditemukan memiliki **7** nilai hilang, yang diisi dengan 'Unknown'. Meskipun jumlahnya kecil, kolom ini penting untuk segmentasi produk, sehingga penanganannya memastikan tidak ada produk yang kehilangan kategori divisinya. * Kolom `Kel. Class` memiliki **107** nilai hilang dan diisi dengan 'Unknown'. Kolom ini juga diabaikan sesuai konteks domain, sehingga penanganannya bersifat prosedural untuk kebersihan data. **Implikasi dan Rekomendasi** Penanganan nilai yang hilang melalui imputasi dengan nilai default ('Unknown' atau 0) memungkinkan analisis dapat berjalan tanpa henti. Namun, beberapa temuan menunjukkan area yang memerlukan perhatian lebih lanjut: 1. **Kritisnya Informasi Identifikasi**: Kehilangan data pada kolom-kolom identifikasi seperti `Cmc`, `No. DO`, dan `No. PL` menunjukkan adanya celah dalam pencatatan data pada sistem sumber. Meskipun telah diisi dengan 'Unknown', data ini tidak dapat digunakan untuk mengidentifikasi entitas unik secara akurat. **Rekomendasi**: Lakukan audit pada proses pengumpulan data untuk kolom-kolom identifikasi kritis ini. Pastikan bahwa `Cmc`, `No. DO`, dan `No. PL` selalu tercatat dengan lengkap dan unik pada sistem sumber. 2. **Dampak pada Analisis Logistik**: Nilai hilang pada `Nomor Resi` dan `Nama Ekspedisi` membatasi kemampuan untuk melakukan analisis performa pengiriman yang lebih granular per ekspedisi atau pelacakan detail. **Rekomendasi**: Tingkatkan kelengkapan pencatatan informasi resi dan nama ekspedisi. Data ini vital untuk evaluasi mitra logistik dan optimalisasi rantai pasok. 3. **Konsistensi Representasi Boolean**: Perlu dicatat bahwa kolom `Pharos YN` dan `AO YN` dikonversi menjadi nilai boolean (True/False) berdasarkan string 'Y' (True) atau nilai lainnya (False). Jika terdapat representasi lain dalam data mentah (misalnya, angka 0 atau 1, seperti terlihat pada data sampel), mereka akan diinterpretasikan sebagai `False` kecuali jika nilainya persis 'Y'. Penting untuk memastikan bahwa interpretasi ini sesuai dengan pemahaman bisnis terhadap kolom tersebut. Dengan selesainya tahap pra-pemrosesan ini, data dianggap bersih dan siap untuk eksplorasi lebih lanjut, memberikan dasar yang kuat untuk mendapatkan wawasan yang andal terkait performa pemenuhan pesanan. ## 5. Analisis & Temuan Utama Bab ini menyajikan analisis mendalam mengenai performa pengiriman dari berbagai gudang, mengidentifikasi temuan-temuan kunci, anomali, serta rekomendasi strategis untuk peningkatan kinerja operasional. Fokus utama adalah mengurai setiap tahapan proses pemenuhan pesanan untuk menemukan area yang membutuhkan perhatian. ### A. Performa Pengiriman Keseluruhan Gudang Analisis waktu pengiriman total menunjukkan variasi yang signifikan antar gudang, yang mengindikasikan perbedaan efisiensi operasional dan tantangan logistik di setiap lokasi. * **Gudang Berkinerja Terbaik**: `PHARMANET JAKSEL` menunjukkan kinerja paling efisien dengan rata-rata total pengiriman hanya 10.64 jam dan median 2.81 jam. Ini menunjukkan konsistensi dan kecepatan yang patut dijadikan tolok ukur. * **Gudang Berkinerja Terendah**: `PHARMANET TANGERANG` berada di ujung spektrum dengan rata-rata total pengiriman 127.47 jam, jauh melampaui gudang lainnya. Meskipun mediannya 46.21 jam, perbedaan yang besar antara rata-rata dan median mengindikasikan adanya sejumlah besar pengiriman yang sangat lambat, menyeret rata-rata menjadi sangat tinggi. * **Distribusi Kinerja**: Sebagian besar gudang memiliki rata-rata total pengiriman antara 10 hingga 50 jam. Gudang-gudang seperti `PHARMANET JAKBAR` (10.92 jam), `PHARMANET JAKTIM` (11.16 jam), dan `PHARMANET BANJARMASIN` (17.15 jam) berada di antara yang paling efisien setelah PHARMANET JAKSEL. ### B. Identifikasi Bottleneck di Setiap Tahapan Pengiriman Untuk memahami akar masalah dari variasi kinerja ini, setiap tahapan proses pengiriman dianalisis secara terpisah: #### 1. Waktu Pemrosesan Internal Gudang (DO ke Logbook) Tahap ini mengukur efisiensi internal gudang dari pembuatan Delivery Order (DO) hingga barang masuk area logbook. * **Performa Unggul**: `PHARMANET JAKBAR` mencatat waktu `DO ke Logbook` terendah dengan rata-rata 1.28 jam dan median 1.01 jam, menunjukkan proses internal yang sangat efisien. * **Area Peningkatan**: Beberapa gudang menunjukkan rata-rata waktu `DO ke Logbook` yang relatif tinggi: * `PHARMANET SEMARANG`: Rata-rata 12.48 jam, Median 5.64 jam. Ini mengindikasikan adanya inkonsistensi signifikan dalam pemrosesan internal atau penundaan yang sering terjadi pada sejumlah DO. * `PHARMANET SURABAYA`: Rata-rata 12.26 jam, Median 4.91 jam. Sama seperti Semarang, gudang ini juga memiliki masalah pada efisiensi awal proses. * `PHARMANET MEDAN`: Rata-rata 8.01 jam, Median 2.45 jam. Waktu yang tinggi di tahapan ini menunjukkan potensi inefisiensi dalam persiapan pesanan, alokasi staf, atau proses internal lainnya yang perlu ditinjau ulang. #### 2. Waktu Serah Terima ke Ekspedisi (Logbook ke Ekspedisi) Tahap ini mengukur waktu dari saat barang masuk logbook hingga diserahkan ke pihak ekspedisi. Idealnya, waktu ini harus minimal. * **Performa Positif**: Sebagian besar gudang memiliki rata-rata waktu `Logbook ke Ekspedisi` yang rendah, seringkali mendekati nol, seperti `PHARMANET JAKTIM` (0.76 jam) dan `PHARMANET BANJARMASIN` (0.58 jam). Ini menunjukkan serah terima yang cepat setelah barang siap. * **Anomali dan Area Peningkatan**: * **Nilai Negatif**: Beberapa gudang menunjukkan rata-rata atau median waktu negatif (misalnya, `PHARMANET BANDUNG` rata-rata -3.29 jam, `PHARMANET SOLO` rata-rata -2.67 jam, `PHARMANET PALEMBANG` median -0.39 jam, `PHARMANET MALANG` median -0.10 jam, `PHARMANET MAKASSAR` median -0.03 jam). Nilai negatif ini adalah anomali data yang serius, mengindikasikan bahwa `Tgl Ekspedisi` dicatat *sebelum* `Tgl Logbook`. Hal ini bukan hanya masalah data, tetapi juga menyoroti potensi inkonsistensi dalam prosedur pencatatan atau alur kerja yang tidak berurutan, yang memerlukan penyelidikan lebih lanjut pada proses operasional gudang tersebut. * **Waktu Tunggu Tinggi**: `PHARMANET MEDAN` menunjukkan rata-rata waktu `Logbook ke Ekspedisi` yang paling tinggi yaitu 10.79 jam dengan median 12.92 jam, diikuti oleh `PHARMANET PEKANBARU` (rata-rata 7.48 jam) dan `PHARMANET SAMARINDA` (rata-rata 6.31 jam). Ini menunjukkan penundaan signifikan dalam penjemputan barang oleh ekspedisi setelah barang siap, atau kurangnya koordinasi yang efektif. #### 3. Waktu Pengiriman oleh Ekspedisi (Ekspedisi ke Diterima) Tahap ini mengukur waktu dari serah terima ke ekspedisi hingga barang diterima oleh pelanggan, yang sangat bergantung pada kinerja mitra logistik. * **Kontributor Utama Keterlambatan**: Tahap ini adalah pendorong utama perbedaan dalam total waktu pengiriman. * `PHARMANET TANGERANG` memiliki rata-rata waktu `Ekspedisi ke Diterima` yang sangat tinggi, yaitu 122.40 jam, dan median 43.65 jam. Ini adalah bottleneck paling kritis yang secara drastis mempengaruhi kinerja pengiriman totalnya. * Gudang lain dengan waktu `Ekspedisi ke Diterima` yang tinggi meliputi `PHARMANET PEKANBARU` (rata-rata 42.90 jam), `PHARMANET LAMPUNG` (rata-rata 41.32 jam), `PHARMANET PONTIANAK` (rata-rata 40.02 jam), dan `PHARMANET SAMARINDA` (rata-rata 38.90 jam). Tingginya metrik pada tahap ini secara langsung menyoroti perlunya evaluasi mendalam terhadap mitra ekspedisi yang bekerja dengan gudang-gudang ini, baik dalam hal pemilihan ekspedisi, negosiasi Service Level Agreement (SLA), maupun pemantauan kinerja mereka. ### C. Peran Median dalam Mengidentifikasi Inkonsistensi Perbandingan antara rata-rata dan median waktu pengiriman sangat krusial untuk memahami konsistensi kinerja. * **Ketidaksesuaian Rata-rata dan Median yang Besar**: Perbedaan yang signifikan antara rata-rata dan median menunjukkan adanya outlier, yaitu sejumlah kecil pesanan yang mengalami penundaan ekstrem. Misalnya: * `PHARMANET TANGERANG`: Rata-rata total 127.47 jam, Median 46.21 jam. Perbedaan ini adalah yang terbesar, mengindikasikan bahwa meskipun sebagian pengiriman mungkin relatif cepat, ada banyak kasus pengiriman yang sangat lambat yang mempengaruhi rata-rata secara drastis. * `PHARMANET MALANG`: Rata-rata total 32.59 jam, Median 8.77 jam. * `PHARMANET PALEMBANG`: Rata-rata total 27.10 jam, Median 10.69 jam. Kesenjangan ini menunjukkan bahwa pengalaman pelanggan dalam hal kecepatan pengiriman sangat bervariasi, dan ada kebutuhan untuk mengurangi jumlah pengiriman yang jauh dari standar tipikal. ### D. Implikasi Bisnis dan Rekomendasi Aksi Nyata Berdasarkan analisis di atas, berikut adalah implikasi bisnis dan rekomendasi yang dapat diambil untuk meningkatkan kinerja operasional dan kepuasan pelanggan: 1. **Prioritaskan Perbaikan di Gudang Kritis**: * **Fokus utama pada `PHARMANET TANGERANG`**: Dengan rata-rata total pengiriman 127.47 jam dan rata-rata waktu `Ekspedisi ke Diterima` 122.40 jam, gudang ini harus menjadi prioritas utama. Lakukan audit menyeluruh terhadap mitra ekspedisi di wilayah ini, pertimbangkan untuk mencari alternatif, atau memperketat SLA dan mekanisme penalti untuk keterlambatan. * **Gudang lain dengan waktu `Ekspedisi ke Diterima` tinggi**: `PHARMANET LAMPUNG`, `PHARMANET PONTIANAK`, `PHARMANET SAMARINDA`, dan `PHARMANET PEKANBARU` juga memerlukan evaluasi mitra ekspedisi secara mendalam. 2. **Audit Proses Internal untuk Efisiensi "DO ke Logbook"**: * `PHARMANET SEMARANG` dan `PHARMANET SURABAYA` harus menginvestigasi mengapa waktu `DO ke Logbook` mereka tinggi (masing-masing 12.48 jam dan 12.26 jam). Ini mungkin melibatkan optimalisasi tata letak gudang, pelatihan staf, atau perbaikan sistem pemrosesan pesanan. 3. **Investigasi dan Perbaiki Anomali Pencatatan Waktu "Logbook ke Ekspedisi"**: * Gudang yang menunjukkan nilai negatif pada waktu `Logbook ke Ekspedisi` (seperti `PHARMANET BANDUNG`, `PHARMANET SOLO`, `PHARMANET PALEMBANG`, `PHARMANET MALANG`, `PHARMANET MAKASSAR`) harus segera meninjau prosedur pencatatan `Tgl Logbook` dan `Tgl Ekspedisi`. Ketidaksesuaian ini tidak hanya mengaburkan data, tetapi juga menunjukkan kemungkinan ketidakpatuhan terhadap SOP atau masalah integrasi sistem. * Untuk `PHARMANET MEDAN`, yang memiliki rata-rata `Logbook ke Ekspedisi` 10.79 jam, perlu diidentifikasi penyebab keterlambatan serah terima ke ekspedisi. Apakah karena jumlah ekspedisi yang tidak memadai, jadwal penjemputan yang tidak efisien, atau volume pesanan yang terlalu tinggi? 4. **Optimalisasi SOP dan Pelatihan**: * Identifikasi praktik terbaik dari gudang berkinerja tinggi (misalnya, `PHARMANET JAKBAR` untuk `DO ke Logbook` dan `PHARMANET JAKSEL` untuk efisiensi keseluruhan) dan distribusikan SOP ini ke gudang lain. * Berikan pelatihan kepada staf gudang untuk memastikan kepatuhan terhadap prosedur pencatatan waktu yang akurat. 5. **Penerapan Pemantauan Berkelanjutan**: * Bangun dasbor kinerja pengiriman yang secara real-time memantau metrik-metrik ini untuk setiap gudang dan setiap tahapan. Ini akan memungkinkan identifikasi dini masalah dan intervensi cepat sebelum masalah menjadi kronis. * Gunakan metrik median sebagai indikator utama konsistensi dan untuk menargetkan perbaikan pada pengiriman yang paling bermasalah. Dengan mengimplementasikan rekomendasi ini, perusahaan dapat secara signifikan meningkatkan efisiensi operasional, mempersingkat waktu pengiriman, dan pada akhirnya, meningkatkan kepuasan pelanggan serta mendorong pertumbuhan penjualan. ## 6. Rekomendasi Berdasarkan analisis komprehensif terhadap performa pengiriman dari berbagai gudang yang telah diuraikan dalam bab sebelumnya, berikut adalah rekomendasi strategis dan tindakan nyata yang dapat diambil untuk meningkatkan efisiensi operasional dan kepuasan pelanggan: **1. Intervensi Terfokus pada Gudang dengan Kinerja Kritis** * **PHARMANET TANGERANG**: Gudang ini menunjukkan rata-rata waktu pengiriman total tertinggi sebesar 127.47 jam, dengan kontribusi signifikan dari tahapan `Ekspedisi ke Diterima` yang mencapai rata-rata 122.40 jam. * **Tindakan**: Lakukan audit menyeluruh terhadap mitra ekspedisi yang digunakan oleh PHARMANET TANGERANG. Evaluasi ulang Perjanjian Tingkat Layanan (SLA), pertimbangkan untuk mencari alternatif mitra ekspedisi yang lebih andal, atau terapkan mekanisme penalti yang lebih ketat untuk keterlambatan pengiriman. Fokus pada peningkatan koordinasi dan pelacakan pengiriman di tahap akhir ini adalah krusial. * **Gudang dengan Waktu `Ekspedisi ke Diterima` yang Tinggi**: Selain Tangerang, gudang seperti PHARMANET PEKANBARU (rata-rata 42.90 jam), PHARMANET LAMPUNG (rata-rata 41.32 jam), PHARMANET PONTIANAK (rata-rata 40.02 jam), dan PHARMANET SAMARINDA (rata-rata 38.90 jam) juga menghadapi tantangan serupa di tahapan pengiriman oleh ekspedisi. * **Tindakan**: Evaluasi performa mitra ekspedisi di wilayah ini secara mendalam, bandingkan dengan standar industri, dan pertimbangkan untuk diversifikasi mitra atau negosiasi ulang SLA untuk mendapatkan layanan yang lebih baik. **2. Optimalisasi Proses Internal Gudang (Tahap `DO ke Logbook`)** * **PHARMANET SEMARANG dan PHARMANET SURABAYA**: Kedua gudang ini menunjukkan rata-rata waktu `DO ke Logbook` yang relatif tinggi (12.48 jam untuk Semarang dan 12.26 jam untuk Surabaya). Ini mengindikasikan potensi inefisiensi dalam persiapan pesanan di dalam gudang. * **Tindakan**: Lakukan analisis alur kerja internal untuk mengidentifikasi bottleneck dalam proses mulai dari pembuatan DO hingga barang siap masuk logbook. Pertimbangkan untuk mengoptimalkan tata letak gudang, meninjau alokasi staf, atau meningkatkan sistem manajemen gudang untuk mempercepat proses persiapan pesanan. Ambil inspirasi dari PHARMANET JAKBAR yang memiliki rata-rata `DO ke Logbook` hanya 1.28 jam. **3. Penanganan Anomali Pencatatan Data dan Efisiensi Serah Terima (`Logbook ke Ekspedisi`)** * **Anomali Waktu Negatif**: Beberapa gudang seperti PHARMANET BANDUNG (rata-rata -3.29 jam), PHARMANET SOLO (rata-rata -2.67 jam), PHARMANET PALEMBANG (median -0.39 jam), PHARMANET MALANG (median -0.10 jam), dan PHARMANET MAKASSAR (median -0.03 jam) menunjukkan waktu `Logbook ke Ekspedisi` negatif. Ini adalah indikator masalah serius dalam prosedur pencatatan atau ketidakselarasan waktu antara `Tgl Logbook` dan `Tgl Ekspedisi`. * **Tindakan**: Segera lakukan audit prosedur operasional standar (SOP) untuk pencatatan tanggal logbook dan tanggal ekspedisi. Pastikan semua staf terlatih dengan baik dalam penggunaan sistem dan memahami pentingnya urutan waktu yang benar. Perbaiki sistem pencatatan jika ada kesalahan teknis yang menyebabkan anomali ini. * **Waktu Serah Terima yang Tinggi**: PHARMANET MEDAN memiliki rata-rata waktu `Logbook ke Ekspedisi` yang paling tinggi yaitu 10.79 jam, diikuti oleh PHARMANET PEKANBARU (rata-rata 7.48 jam) dan PHARMANET SAMARINDA (rata-rata 6.31 jam). * **Tindakan**: Investigasi penyebab keterlambatan serah terima ke ekspedisi. Apakah jadwal penjemputan ekspedisi tidak optimal, jumlah kurir tidak memadai, atau volume barang yang diserahkan terlalu besar untuk kapasitas saat ini? Tingkatkan koordinasi dengan mitra ekspedisi untuk memastikan penjemputan barang dilakukan secara tepat waktu. **4. Penyelidikan Outlier dan Peningkatan Konsistensi Pengiriman** * **Perbedaan Rata-rata dan Median yang Besar**: Adanya perbedaan signifikan antara rata-rata dan median (contohnya PHARMANET TANGERANG dengan rata-rata 127.47 jam dan median 46.21 jam untuk total pengiriman; atau PHARMANET MALANG dengan rata-rata 32.59 jam dan median 8.77 jam) menunjukkan bahwa ada sejumlah besar pengiriman dengan waktu yang sangat lambat (outlier) yang mempengaruhi rata-rata secara drastis. * **Tindakan**: Lakukan investigasi mendalam terhadap Delivery Order (DO) yang memiliki waktu pengiriman jauh di atas median. Identifikasi pola atau penyebab umum dari keterlambatan ekstrem ini (misalnya, masalah alamat, kerusakan barang, masalah ekspedisi tertentu, atau hari libur). Dengan menargetkan dan mengurangi outlier ini, konsistensi layanan pengiriman dapat ditingkatkan secara signifikan, yang pada gilirannya akan meningkatkan kepuasan pelanggan. **5. Pembagian Praktik Terbaik (Best Practices Sharing)** * **Belajar dari yang Terbaik**: Gudang seperti PHARMANET JAKSEL, dengan rata-rata total pengiriman hanya 10.64 jam, dan PHARMANET JAKBAR, dengan rata-rata `DO ke Logbook` hanya 1.28 jam, dapat dijadikan model. * **Tindakan**: Identifikasi praktik terbaik, teknologi, dan SOP yang diterapkan di gudang-gudang berkinerja tinggi ini. Fasilitasi lokakarya atau program pertukaran pengetahuan antar gudang untuk menyebarkan praktik-praktik tersebut ke seluruh jaringan operasional. **6. Implementasi Sistem Pemantauan Berkelanjutan** * **Pemantauan Real-time**: Kinerja pengiriman adalah metrik yang dinamis dan membutuhkan pemantauan konstan. * **Tindakan**: Bangun dasbor kinerja (dashboard) yang menyajikan metrik waktu pengiriman untuk setiap tahapan dan setiap gudang secara *real-time*. Dasbor ini harus mencakup rata-rata dan median, serta visualisasi tren untuk membantu identifikasi masalah secara dini. Sistem peringatan otomatis dapat diimplementasikan untuk menandai jika ada metrik yang melewati ambang batas yang ditentukan. Dengan mengimplementasikan rekomendasi ini secara sistematis, perusahaan dapat tidak hanya mengatasi bottleneck yang ada tetapi juga membangun fondasi untuk efisiensi operasional yang lebih baik, mengurangi waktu pengiriman, dan pada akhirnya, secara signifikan meningkatkan kepuasan pelanggan serta mendukung pertumbuhan penjualan yang berkelanjutan. ## 7. Kesimpulan Analisis eksplorasi data pemenuhan pesanan pelanggan telah berhasil mengungkap sejumlah wawasan krusial mengenai efisiensi operasional dan kualitas layanan pengiriman di berbagai gudang. Tujuan utama dari analisis ini adalah untuk mengidentifikasi area yang memerlukan perbaikan guna meningkatkan kinerja pengiriman secara keseluruhan, yang pada akhirnya akan berdampak positif pada kepuasan pelanggan dan pertumbuhan penjualan. **Temuan Kunci** 1. **Variasi Kinerja Gudang yang Signifikan**: Teridentifikasi adanya perbedaan mencolok dalam waktu pengiriman total antar gudang. Gudang `PHARMANET JAKSEL` menunjukkan performa terbaik dengan rata-rata total pengiriman 10.64 jam (median 2.81 jam) dari 524 DO, mengindikasikan efisiensi yang tinggi. Sebaliknya, `PHARMANET TANGERANG` berada di posisi terbawah dengan rata-rata total pengiriman mencapai 127.47 jam (median 46.21 jam) dari 1,233 DO, menunjukkan adanya tantangan besar dalam operasionalnya. 2. **Identifikasi Bottleneck Tahapan**: Analisis lead time per tahapan proses pengiriman (`DO ke Logbook`, `Logbook ke Ekspedisi`, `Ekspedisi ke Diterima`) memungkinkan identifikasi titik-titik hambatan spesifik: * **Tahap `Ekspedisi ke Diterima` sebagai Penentu Utama**: Tahap ini menjadi kontributor terbesar keterlambatan di banyak gudang. `PHARMANET TANGERANG` menunjukkan rata-rata waktu `Ekspedisi ke Diterima` yang sangat tinggi, yaitu 122.40 jam, menjadikannya bottleneck paling kritis. * **Inefisiensi Internal Gudang (`DO ke Logbook`)**: Gudang seperti `PHARMANET SEMARANG` (rata-rata 12.48 jam) dan `PHARMANET SURABAYA` (rata-rata 12.26 jam) menghadapi tantangan dalam pemrosesan awal pesanan internal. * **Keterlambatan Serah Terima Ekspedisi (`Logbook ke Ekspedisi`)**: `PHARMANET MEDAN` memiliki rata-rata waktu serah terima ekspedisi tertinggi yaitu 10.79 jam, menunjukkan adanya penundaan antara barang siap di logbook hingga dijemput ekspedisi. 3. **Anomali Data yang Menyoroti Masalah Proses**: Beberapa gudang mencatat waktu `Logbook ke Ekspedisi` yang negatif (misalnya, `PHARMANET BANDUNG` rata-rata -3.29 jam, `PHARMANET SOLO` rata-rata -2.67 jam). Anomali ini mengindikasikan masalah serius dalam pencatatan data atau ketidaksesuaian prosedur operasional standar. 4. **Pentingnya Median untuk Mengungkap Inkonsistensi**: Perbedaan signifikan antara rata-rata dan median (misalnya pada `PHARMANET TANGERANG` untuk total pengiriman, rata-rata 127.47 jam versus median 46.21 jam) menegaskan keberadaan outlier ekstrem, yaitu pengiriman yang sangat lambat, yang memengaruhi rata-rata secara drastis dan menunjukkan inkonsistensi layanan. **Rekomendasi Strategis** Berdasarkan temuan di atas, beberapa rekomendasi strategis kunci dapat dirumuskan: 1. **Fokus Prioritas pada Gudang Kritis**: Lakukan audit menyeluruh terhadap `PHARMANET TANGERANG`, khususnya pada kinerja mitra ekspedisi dan koordinasi. Perluas evaluasi ini ke gudang lain dengan waktu `Ekspedisi ke Diterima` yang tinggi seperti `PHARMANET PEKANBARU`, `PHARMANET LAMPUNG`, `PHARMANET PONTIANAK`, dan `PHARMANET SAMARINDA`. 2. **Perbaikan Proses Internal Gudang**: Tinjau dan optimalkan alur kerja di gudang dengan waktu `DO ke Logbook` yang panjang, seperti `PHARMANET SEMARANG` dan `PHARMANET SURABAYA`, untuk meningkatkan efisiensi persiapan pesanan. 3. **Koreksi Anomali Pencatatan Data**: Segera lakukan penyelidikan terhadap gudang yang mencatat lead time negatif pada tahapan `Logbook ke Ekspedisi`. Hal ini krusial untuk memperbaiki integritas data dan memastikan kepatuhan terhadap SOP pencatatan. 4. **Manajemen dan Evaluasi Mitra Ekspedisi**: Perketat SLA dengan mitra ekspedisi, pantau kinerja mereka secara lebih cermat, dan pertimbangkan untuk diversifikasi mitra atau menegosiasikan ulang ketentuan kontrak jika diperlukan, terutama untuk gudang-gudang yang bottleneck utamanya berada pada tahap pengiriman eksternal. 5. **Penyelidikan dan Mitigasi Outlier**: Lakukan analisis akar masalah pada Delivery Order yang menunjukkan waktu pengiriman ekstrem. Identifikasi penyebabnya dan terapkan strategi untuk mengurangi kejadian ini, demi meningkatkan konsistensi layanan. 6. **Penerapan Best Practices dan Pemantauan Berkelanjutan**: Identifikasi praktik terbaik dari gudang berkinerja tinggi seperti `PHARMANET JAKSEL` dan `PHARMANET JAKBAR` untuk disebarkan ke seluruh jaringan. Selain itu, bangun sistem pemantauan kinerja real-time yang menggunakan metrik rata-rata dan median untuk deteksi dini masalah dan intervensi cepat. Secara keseluruhan, data ini menunjukkan bahwa meskipun ada area yang menunjukkan efisiensi tinggi, masih banyak potensi untuk perbaikan signifikan dalam rantai pemenuhan pesanan. Dengan implementasi rekomendasi ini, perusahaan dapat bergerak menuju operasional yang lebih gesit, layanan pelanggan yang lebih konsisten, dan pada akhirnya, pertumbuhan bisnis yang lebih kuat.