# Laporan Akhir Eksplorasi Data

## 1. Ringkasan Eksekutif

Analisis data pemenuhan pesanan ini dilakukan dengan tujuan utama untuk mengungkap wawasan tersembunyi yang dapat meningkatkan kinerja penjualan dan mengidentifikasi korelasi penting dengan produk. Laporan ini merupakan ringkasan dari temuan-temuan kunci dan rekomendasi yang dihasilkan dari eksplorasi data secara kritis.

**Kualitas Data dan Normalisasi**
Langkah-langkah pembersihan data yang ekstensif telah dilakukan, termasuk penghapusan baris duplikat dan penanganan nilai-nilai yang hilang. Kolom tanggal telah dikonversi ke format `datetime`, dengan nilai `NaT` diisi menggunakan nilai modus. Kolom numerik yang penting seperti 'Value PL' juga telah dikonversi dan nilai yang hilang diisi dengan median (1,45,203.0). Kolom tekstual yang kosong atau tidak konsisten diisi dengan 'Unknown' (contoh: 5,468 nilai `null` di kolom 'Cmc', dan 7 nilai `null` di kolom 'Divisi'). Perlu dicatat bahwa terdapat sejumlah besar `NaT` pada `Tgl Diterima` (10,385 nilai) yang diisi dengan tanggal modus `1970-01-02 07:00:00`, menunjukkan potensi anomali dalam pencatatan tanggal penerimaan di masa lalu.

Selama proses normalisasi, ditemukan beberapa inkonsistensi data kritis:
*   **Status Pesanan Berulang (RO) Campuran:** Sebanyak 1,248 nomor RO ditemukan memiliki status 'TERLAYANI PENUH' dan 'CANCEL' secara bersamaan di berbagai item baris. Meskipun analisis menunjukkan bahwa item yang dibatalkan pada RO ini memiliki nilai penjualan dan kuantitas nol, hal ini mengindikasikan ketidakjelasan status RO secara keseluruhan. Untuk mengatasi ini, telah diusulkan kategori status RO baru: 'Fully Served', 'Partially Cancelled', dan 'Fully Cancelled'.
*   **Produk dengan Multi-Divisi:** Sebanyak 964 kode produk (`Procod`) terkait dengan beberapa divisi, yang menyulitkan kategorisasi produk yang konsisten. Strategi 'Divisi Utama' (Primary Divisi) telah diterapkan, di mana divisi yang menyumbang nilai penjualan tertinggi untuk produk tersebut ditetapkan sebagai divisi utamanya. Rata-rata 79.7% nilai penjualan produk ini berasal dari divisi dominan.

Normalisasi ini telah menghasilkan tabel `normalized_outlets`, `normalized_repeat_orders`, dan `normalized_products` yang baru, menyediakan lapisan semantik yang lebih bersih dan akurat untuk analisis lebih lanjut.

**Wawasan Kinerja Bisnis Utama**

1.  **Kontribusi Produk:**
    *   Produk yang diproduksi oleh Pharos (`Pharos YN = Y`) memberikan kontribusi signifikan, menghasilkan nilai penjualan sebesar 32,720,924,525 dan kuantitas 1,026,883 unit. Ini jauh lebih tinggi dibandingkan dengan produk non-Pharos (`Pharos YN = N`) yang mencapai nilai penjualan 22,360,047,164 dan kuantitas 409,346 unit. Hal ini menunjukkan pentingnya produk Pharos dalam mendorong penjualan dan volume pengiriman.

2.  **Kinerja Berdasarkan Divisi Produk:**
    *   Divisi PHARMANET mendominasi dengan nilai penjualan tertinggi (36,553,039,667) dan kuantitas terbanyak (837,408). Diikuti oleh VIBRANT PBF dengan nilai penjualan 14,318,817,088 dan kuantitas 494,209. HOSPINET menyumbang nilai dan kuantitas yang lebih kecil.

3.  **Kinerja Berdasarkan Gudang Asal:**
    *   Gudang PHARMANET SURABAYA, PHARMANET MEDAN, dan PHARMANET BEKASI merupakan tiga gudang teratas dalam hal kontribusi nilai penjualan dan kuantitas.
    *   PHARMANET PUSAT tercatat dengan nilai penjualan dan kuantitas 0, yang memerlukan investigasi lebih lanjut.

    Berikut rincian nilai penjualan dan kuantitas berdasarkan gudang asal:

    **Nilai Penjualan dan Kuantitas berdasarkan Asal Gudang**

    | Asal Gudang          | Total Value PL    | Total Qty DO |
    | :------------------- | :---------------- | :----------- |
    | PHARMANET SURABAYA   | 7,292,521,130     | 209,436      |
    | PHARMANET MEDAN      | 5,088,293,251     | 139,746      |
    | PHARMANET BEKASI     | 4,490,320,583     | 103,431      |
    | PHARMANET TANGERANG  | 3,954,378,427     | 86,071       |
    | PHARMANET BOGOR      | 3,787,682,009     | 104,610      |
    | PHARMANET BANDUNG    | 3,422,317,085     | 96,315       |
    | PHARMANET SEMARANG   | 2,845,696,313     | 84,851       |
    | PHARMANET MAKASSAR   | 2,774,702,538     | 73,674       |
    | PHARMANET JAKTIM     | 2,753,747,782     | 63,784       |
    | PHARMANET SOLO       | 2,585,366,294     | 72,206       |
    | PHARMANET PALEMBANG  | 2,506,019,400     | 56,059       |
    | PHARMANET JAKBAR     | 2,425,785,385     | 52,470       |
    | PHARMANET PONTIANAK  | 1,886,252,670     | 44,136       |
    | PHARMANET PEKANBARU  | 1,857,089,519     | 53,835       |
    | PHARMANET BANJARMASIN | 1,796,805,453    | 42,676       |
    | PHARMANET MALANG     | 1,758,362,640     | 57,180       |
    | PHARMANET JAMBI      | 1,036,331,822     | 25,367       |
    | PHARMANET LAMPUNG    | 1,030,731,844     | 29,084       |
    | PHARMANET SAMARINDA  | 975,375,562       | 24,690       |
    | PHARMANET JAKSEL     | 813,191,982       | 16,608       |
    | PHARMANET PUSAT      | 0                 | 0            |

**Efisiensi Operasional dan Waktu Pemenuhan**

Analisis siklus waktu pemenuhan pesanan menunjukkan bahwa rata-rata total waktu pemenuhan adalah 1.68 hari. Tahap 'Ekspedisi ke Penerima' merupakan langkah terpanjang dengan median durasi 0.78 hari.

**Waktu Siklus Pemenuhan Pesanan (Durasi Median)**

| Tahap                   | Durasi Median (Hari) |
| :---------------------- | :------------------- |
| Order ke SP             | 0.02                 |
| SP ke DO                | 0.15                 |
| DO ke Logbook           | 0.10                 |
| Logbook ke Expedition   | 0.05                 |
| Expedition ke Received  | 0.78                 |
| Total_Fulfillment       | 1.68                 |

Terdapat variasi signifikan dalam total waktu pemenuhan antar gudang:
*   **Gudang Terlambat:** PHARMANET TANGERANG (3.76 hari), PHARMANET SAMARINDA (3.05 hari), dan PHARMANET MEDAN (2.79 hari) memiliki waktu pemenuhan terlama.
*   **Gudang Tercepat:** Gudang-gudang di Jakarta seperti PHARMANET JAKSEL (0.25 hari), PHARMANET JAKTIM (0.72 hari), dan PHARMANET JAKBAR (0.80 hari) menunjukkan waktu pemenuhan yang paling cepat.

**Durasi Median Total Pemenuhan berdasarkan Asal Gudang**

| Asal Gudang          | Durasi Median Total Pemenuhan (Hari) |
| :------------------- | :----------------------------------- |
| PHARMANET TANGERANG  | 3.76                                 |
| PHARMANET SAMARINDA  | 3.05                                 |
| PHARMANET MEDAN      | 2.79                                 |
| PHARMANET PEKANBARU  | 2.55                                 |
| PHARMANET MALANG     | 2.55                                 |
| PHARMANET LAMPUNG    | 2.31                                 |
| PHARMANET PONTIANAK  | 2.11                                 |
| PHARMANET SURABAYA   | 2.07                                 |
| PHARMANET MAKASSAR   | 2.04                                 |
| PHARMANET PALEMBANG  | 1.98                                 |
| PHARMANET JAMBI      | 1.86                                 |
| PHARMANET SEMARANG   | 1.81                                 |
| PHARMANET SOLO       | 1.42                                 |
| PHARMANET BOGOR      | 1.11                                 |
| PHARMANET BEKASI     | 1.07                                 |
| PHARMANET BANDUNG    | 0.92                                 |
| PHARMANET BANJARMASIN | 0.83                                 |
| PHARMANET JAKBAR     | 0.80                                 |
| PHARMANET JAKTIM     | 0.72                                 |
| PHARMANET JAKSEL     | 0.25                                 |

Berdasarkan divisi, produk HOSPINET memiliki waktu pemenuhan median tercepat (1.38 hari), sedikit lebih cepat dari PHARMANET (1.66 hari) dan VIBRANT PBF (1.79 hari).

**Rekomendasi Aksi**

1.  **Optimasi Logistik:** Lakukan investigasi mendalam terhadap gudang-gudang dengan waktu pemenuhan terlama (Tangerang, Samarinda, Medan) untuk mengidentifikasi hambatan spesifik dan menerapkan strategi peningkatan efisiensi. Sebaliknya, studi kasus dapat dilakukan pada gudang-gudang cepat (Jakarta) untuk mereplikasi praktik terbaik.
2.  **Pemantauan Data Kualitas Berkelanjutan:** Pastikan konsistensi data 'Status RO' di tingkat pesanan dan 'Divisi' di tingkat produk. Pemanfaatan tabel yang dinormalisasi akan membantu menjaga kebersihan data untuk analisis di masa mendatang.
3.  **Investigasi Anomali PHARMANET PUSAT:** Periksa mengapa PHARMANET PUSAT tidak mencatat transaksi Value PL atau Qty DO. Ini mungkin menunjukkan masalah dalam pencatatan data atau peran operasional yang berbeda untuk gudang ini.
4.  **Fokus Produk Pharos:** Mengingat kontribusi nilai dan kuantitas yang tinggi, strategi penjualan dan pemasaran dapat lebih difokuskan pada produk-produk Pharos.
5.  **Analisis Faktor Pembatalan:** Meskipun item yang dibatalkan memiliki nilai nol, memahami alasan di balik pembatalan (misalnya, ketersediaan stok, kesalahan pesanan) dapat membantu mengurangi insiden ini dan meningkatkan kepuasan pelanggan.

Analisis ini memberikan dasar yang kuat untuk memahami pola penjualan dan kinerja operasional. Dengan mengatasi masalah kualitas data yang teridentifikasi dan menerapkan rekomendasi di atas, perusahaan dapat meningkatkan efisiensi operasional dan mendorong pertumbuhan penjualan.

## 2. Kualitas Data & Pra-pemrosesan

Pada tahapan ini, fokus utama adalah memastikan kualitas dan konsistensi data sebelum analisis mendalam dilakukan. Proses ini krusial untuk menghasilkan wawasan yang akurat dan dapat ditindaklanjuti, terutama mengingat tujuan bisnis untuk meningkatkan kinerja, penjualan, dan memahami korelasi produk.

### 2.1. Pra-pemrosesan Data dan Penanganan Nilai Hilang

Proses pra-pemrosesan data melibatkan beberapa langkah sistematis untuk membersihkan, mengubah tipe data, dan mengisi nilai-nilai yang hilang atau tidak konsisten. Langkah-langkah ini sangat penting untuk memperbaiki anomali data dan menyiapkan dataset untuk analisis lebih lanjut.

Pertama, kolom tanggal diubah menjadi tipe data `datetime`. Selama konversi ini, beberapa nilai yang tidak dapat diuraikan atau kosong secara otomatis menjadi `NaT` (Not a Time). Nilai `NaT` yang dihasilkan kemudian diisi dengan nilai modus (nilai yang paling sering muncul) dari kolom tersebut. Secara spesifik, 365 nilai `NaT` di kolom 'Tgl DO' dan 'Tgl. PL' diisi dengan `2026-06-30 16:14:16`. Kolom 'Tgl Logbook' yang memiliki 585 nilai `NaT` diisi dengan `2026-07-01 15:33:53`, dan 'Tgl Ekspedisi' yang memiliki 460 nilai `NaT` diisi dengan `2026-06-17 00:00:00`.

Perhatian khusus diberikan pada kolom 'Tgl Diterima', di mana 10,385 nilai `NaT` diisi dengan `1970-01-02 07:00:00`. Tanggal ini kemungkinan besar merupakan nilai _placeholder_ atau _default_ yang menandakan anomali atau data yang sangat tua, dan perlu investigasi lebih lanjut untuk memahami akar penyebab banyaknya nilai hilang pada kolom ini.

Kedua, kolom numerik yang krusial untuk analisis seperti 'Value PL' juga mengalami pembersihan. Sebanyak 1,740 nilai `null` di kolom 'Value PL' diisi menggunakan nilai median, yaitu 145,203.0, untuk menjaga distribusi data.

Ketiga, nilai-nilai yang hilang pada kolom objek (teks) diisi dengan string 'Unknown' untuk mempertahankan integritas data dan memungkinkan analisis kategorikal. Ini termasuk:
*   5,468 nilai `null` di kolom 'Cmc'.
*   7 nilai `null` di kolom 'Divisi'.
*   365 nilai `null` di kolom 'No. DO'.
*   365 nilai `null` di kolom 'No. PL'.
*   131,315 nilai `null` di kolom 'Keterangan'.
*   107 nilai `null` di kolom 'Kel. Class'.
*   460 nilai `null` di kolom 'Nomor Resi'.
*   585 nilai `null` di kolom 'Nama Ekspedisi'.
*   131,315 nilai `null` di kolom 'Nama Penerima'.

Tabel berikut merangkum tindakan pra-pemrosesan data yang dilakukan:

| Kolom                 | Jumlah `NaT`/`Null` Diisi | Nilai Pengisi (Imputasi)  |
| :-------------------- | :------------------------ | :------------------------ |
| Tgl DO                | 365                       | 2026-06-30 16:14:16       |
| Tgl. PL               | 365                       | 2026-06-30 16:14:16       |
| Tgl Logbook           | 585                       | 2026-07-01 15:33:53       |
| Tgl Ekspedisi         | 460                       | 2026-06-17 00:00:00       |
| Tgl Diterima          | 10,385                    | 1970-01-02 07:00:00       |
| Value PL              | 1,740                     | 145,203.0                 |
| Cmc                   | 5,468                     | Unknown                   |
| Divisi                | 7                         | Unknown                   |
| No. DO                | 365                       | Unknown                   |
| No. PL                | 365                       | Unknown                   |
| Keterangan            | 131,315                   | Unknown                   |
| Kel. Class            | 107                       | Unknown                   |
| Nomor Resi            | 460                       | Unknown                   |
| Nama Ekspedisi        | 585                       | Unknown                   |
| Nama Penerima         | 131,315                   | Unknown                   |

### 2.2. Identifikasi dan Penanganan Inkonsistensi Data Kritis

Selama proses normalisasi, ditemukan beberapa inkonsistensi data yang signifikan, yang berpotensi memengaruhi validitas analisis jika tidak ditangani. Inkonsistensi ini terutama terkait dengan fungsional dependensi antara kolom-kolom.

#### 2.2.1. Pelanggaran Fungsional Dependensi: No. RO -> Status RO

Ditemukan bahwa 1,248 nilai 'No. RO' terkait dengan lebih dari satu nilai 'Status RO'. Ini mengindikasikan adanya ketidakkonsistenan di mana satu _Repeat Order_ (RO) dapat memiliki status yang berbeda-beda di seluruh item barisnya. Misalnya, satu RO bisa memiliki item yang 'TERLAYANI PENUH' dan sekaligus 'CANCEL'.

Berikut adalah contoh nilai 'No. RO' yang bermasalah dan 'Status RO' yang terkait:

| No. RO      | Unique Status RO Values |
| :---------- | :---------------------- |
| 4,918,054   | TERLAYANI PENUH, CANCEL |
| 4,918,065   | TERLAYANI PENUH, CANCEL |
| 4,918,076   | TERLAYANI PENUH, CANCEL |
| 4,918,083   | TERLAYANI PENUH, CANCEL |
| 4,918,104   | CANCEL, TERLAYANI PENUH |
| 4,918,111   | TERLAYANI PENUH, CANCEL |
| 4,918,124   | TERLAYANI PENUH, CANCEL |
| 4,918,144   | TERLAYANI PENUH, CANCEL |
| 4,918,149   | TERLAYANI PENUH, CANCEL |
| 4,918,158   | TERLAYANI PENUH, CANCEL |

Secara keseluruhan, distribusi 'Status RO' dalam data adalah sebagai berikut:

| Status RO       | Count   |
| :-------------- | :------ |
| TERLAYANI PENUH | 129,575 |
| CANCEL          | 1,740   |

Analisis lebih lanjut pada 1,248 RO dengan status campuran ini menunjukkan bahwa meskipun ada item yang 'CANCEL', item-item ini memiliki 'Value PL' dan 'Qty DO' sebesar 0. Ini berarti pembatalan pada item-item tersebut tidak berdampak pada nilai penjualan atau kuantitas pengiriman.

*   Total 'Value PL' di seluruh RO dengan status campuran: 5,632,475,953.00
*   Total 'Value PL' yang dibatalkan di seluruh RO ini: 0.00
*   Persentase 'Value PL' yang dibatalkan: 0.0%
*   Total 'Qty DO' di seluruh RO dengan status campuran: 148,068
*   Total 'Qty DO' yang dibatalkan di seluruh RO ini: 0
*   Persentase 'Qty DO' yang dibatalkan: 0.0%

Untuk mengatasi ambiguitas ini dan memberikan pelaporan yang lebih akurat, diusulkan strategi interpretasi status RO baru:
*   **Fully Served**: Semua item baris 'TERLAYANI PENUH'.
*   **Partially Cancelled**: Mengandung item baris 'TERLAYANI PENUH' dan 'CANCEL' (meskipun item 'CANCEL' saat ini memiliki nilai 0).
*   **Fully Cancelled**: Semua item baris 'CANCEL'.

#### 2.2.2. Pelanggaran Fungsional Dependensi: Procod -> Divisi

Ditemukan bahwa 964 nilai 'Procod' (Kode Produk) terkait dengan lebih dari satu nilai 'Divisi'. Ini menunjukkan inkonsistensi di mana satu produk dikategorikan ke dalam beberapa divisi, yang dapat menyulitkan analisis kategori produk.

Berikut adalah contoh nilai 'Procod' yang bermasalah dan 'Divisi' yang terkait:

| Procod | Unique Divisi Values       |
| :----- | :------------------------- |
| 100085 | PHARMANET, HOSPINET        |
| 100138 | PHARMANET, HOSPINET, VIBRANT PBF |
| 100139 | PHARMANET, HOSPINET        |
| 100162 | PHARMANET, HOSPINET        |
| 100175 | PHARMANET, HOSPINET, VIBRANT PBF |
| 100185 | PHARMANET, HOSPINET        |
| 100211 | PHARMANET, HOSPINET, VIBRANT PBF |
| 100217 | HOSPINET, PHARMANET        |
| 100225 | HOSPINET, PHARMANET        |
| 100284 | PHARMANET, HOSPINET        |

Distribusi keseluruhan 'Divisi' dalam data adalah sebagai berikut:

| Divisi      | Count   |
| :---------- | :------ |
| PHARMANET   | 110,866 |
| HOSPINET    | 17,827  |
| VIBRANT PBF | 2,559   |
| VIBRANT 3   | 56      |
| Unknown     | 7       |

Untuk mengatasi inkonsistensi ini, diusulkan strategi penetapan 'Divisi Utama' (Primary Divisi). Untuk setiap produk yang terkait dengan beberapa divisi, 'Divisi Utama' akan ditetapkan berdasarkan divisi yang menyumbang 'Value PL' (nilai penjualan) tertinggi. Rata-rata 79.7% dari nilai penjualan produk-produk dengan multi-divisi ini berasal dari divisi dominan yang telah ditentukan.

### 2.3. Normalisasi Data untuk Analisis Lanjutan

Berdasarkan penanganan inkonsistensi yang ditemukan, data telah dinormalisasi ke dalam tiga tabel dimensi terpisah untuk menciptakan lapisan semantik yang lebih bersih dan akurat:
*   **`normalized_outlets`**: Berisi informasi unik tentang _outlet_ pelanggan, dengan `KodePI` sebagai kunci utama.
*   **`normalized_repeat_orders`**: Berisi informasi unik tentang _Repeat Order_ (RO), dengan `No. RO` sebagai kunci utama. Tabel ini mencakup kolom derivatif baru yaitu `RO_Status_Aggregated`, yang mengklasifikasikan status RO menjadi 'Fully Served', 'Partially Cancelled', atau 'Fully Cancelled' berdasarkan item barisnya.
*   **`normalized_products`**: Berisi informasi unik tentang produk, dengan `Procod` sebagai kunci utama. Tabel ini mencakup kolom derivatif baru yaitu `Primary_Divisi`, yang menetapkan divisi utama untuk setiap produk berdasarkan kontribusi 'Value PL' tertinggi.

Tabel-tabel yang dinormalisasi ini akan menjadi sumber data utama untuk analisis di fase selanjutnya, memastikan bahwa perhitungan dan wawasan yang dihasilkan didasarkan pada data yang telah dikonsolidasi dan konsisten.

### 2.4. Rekomendasi untuk Peningkatan Kualitas Data

1.  **Investigasi Anomali 'Tgl Diterima'**: Perlu dilakukan investigasi mendalam terhadap penyebab banyaknya nilai `NaT` pada kolom 'Tgl Diterima' dan imputasi dengan tanggal `1970-01-02`. Memahami akar masalah ini dapat membantu meningkatkan kualitas pencatatan tanggal penerimaan di masa mendatang.
2.  **Harmonisasi Status RO**: Implementasi konsistensi dalam pencatatan 'Status RO' pada sistem sumber sangat disarankan. Setiap RO idealnya harus memiliki satu status definitif yang merefleksikan kondisi pemenuhan secara keseluruhan.
3.  **Standardisasi Kategorisasi Divisi Produk**: Tinjau proses penetapan divisi untuk produk di sistem sumber untuk memastikan setiap produk secara konsisten terkait dengan satu divisi utama. Ini akan mengurangi kebutuhan untuk deret kolom 'Primary Divisi' secara manual.
4.  **Pemanfaatan Tabel yang Dinormalisasi**: Untuk analisis di masa depan, prioritas harus diberikan pada penggunaan tabel `normalized_outlets`, `normalized_repeat_orders`, dan `normalized_products`. Hal ini akan memastikan konsistensi dan akurasi data dalam setiap wawasan yang dihasilkan.

## 3. Tinjauan Umum Data & Statistik Deskriptif

Data pemenuhan pesanan ini mencakup total 131,315 baris transaksi, yang telah melalui proses pembersihan dan normalisasi ekstensif seperti yang dijelaskan pada Bab 2. Analisis deskriptif ini bertujuan untuk memberikan gambaran umum mengenai karakteristik utama data, metrik agregat penjualan dan kuantitas, serta efisiensi operasional di berbagai tahapan pemenuhan pesanan.

### 3.1 Gambaran Umum Dataset

Dataset transaksi pemenuhan pesanan ini merepresentasikan aktivitas penjualan dan pengiriman produk. Setelah pembersihan data, nilai total penjualan (Value PL) mencapai Rp 55,080,971,689 dan total kuantitas produk yang dikirim (Qty DO) adalah 1,436,229 unit. Angka-angka ini menjadi dasar untuk analisis lebih lanjut mengenai kinerja dan efisiensi.

### 3.2 Statistik Deskriptif Utama Berdasarkan Atribut Kategori

Bagian ini menyajikan gambaran kinerja penjualan dan kuantitas berdasarkan berbagai atribut kategorikal utama dalam dataset.

#### 3.2.1 Kontribusi Produk Pharos (`Pharos YN`)

Produk-produk yang diproduksi oleh Pharos (ditandai 'Y' pada kolom `Pharos YN`) menunjukkan kontribusi yang signifikan terhadap total penjualan dan kuantitas.

| Pharos YN | Total Value PL (Rp) | Total Qty DO |
| :-------- | :------------------ | :----------- |
| N         | 22,360,047,164      | 409,346      |
| Y         | 32,720,924,525      | 1,026,883    |

Terlihat jelas bahwa produk Pharos (Y) menyumbang sebagian besar baik dari segi nilai penjualan maupun kuantitas pengiriman, mengindikasikan dominasi dan pentingnya produk-produk ini dalam portofolio perusahaan.

#### 3.2.2 Kinerja Berdasarkan Divisi Produk (`Divisi`)

Analisis kinerja berdasarkan `Divisi` menunjukkan dominasi divisi PHARMANET, diikuti oleh VIBRANT PBF. Penting untuk dicatat bahwa meskipun terdapat isu konsistensi `Procod` yang dikategorikan ke dalam beberapa `Divisi` (seperti yang dibahas pada Bab 2), data ini mencerminkan distribusi penjualan berdasarkan `Divisi` yang tercatat pada setiap baris item transaksi.

| Divisi      | Total Value PL (Rp) | Total Qty DO |
| :---------- | :------------------ | :----------- |
| PHARMANET   | 36,553,039,667      | 837,408      |
| VIBRANT PBF | 14,318,817,088      | 494,209      |
| HOSPINET    | 4,113,114,777       | 102,490      |
| VIBRANT 3   | 77,188,021          | 2,046        |

#### 3.2.3 Distribusi Penjualan Berdasarkan Gudang Asal (`Asal Gudang`)

Berbagai gudang asal menunjukkan kinerja yang bervariasi dalam hal nilai penjualan dan kuantitas pengiriman. PHARMANET SURABAYA, MEDAN, dan BEKASI menonjol sebagai kontributor terbesar.

| Asal Gudang           | Total Value PL (Rp) | Total Qty DO |
| :-------------------- | :------------------ | :----------- |
| PHARMANET SURABAYA    | 7,292,521,130       | 209,436      |
| PHARMANET MEDAN       | 5,088,293,251       | 139,746      |
| PHARMANET BEKASI      | 4,490,320,583       | 103,431      |
| PHARMANET TANGERANG   | 3,954,378,427       | 86,071       |
| PHARMANET BOGOR       | 3,787,682,009       | 104,610      |
| PHARMANET BANDUNG     | 3,422,317,085       | 96,315       |
| PHARMANET SEMARANG    | 2,845,696,313       | 84,851       |
| PHARMANET MAKASSAR    | 2,774,702,538       | 73,674       |
| PHARMANET JAKTIM      | 2,753,747,782       | 63,784       |
| PHARMANET SOLO        | 2,585,366,294       | 72,206       |
| PHARMANET PALEMBANG   | 2,506,019,400       | 56,059       |
| PHARMANET JAKBAR      | 2,425,785,385       | 52,470       |
| PHARMANET PONTIANAK   | 1,886,252,670       | 44,136       |
| PHARMANET PEKANBARU   | 1,857,089,519       | 53,835       |
| PHARMANET BANJARMASIN | 1,796,805,453       | 42,676       |
| PHARMANET MALANG      | 1,758,362,640       | 57,180       |
| PHARMANET JAMBI       | 1,036,331,822       | 25,367       |
| PHARMANET LAMPUNG     | 1,030,731,844       | 29,084       |
| PHARMANET SAMARINDA   | 975,375,562         | 24,690       |
| PHARMANET JAKSEL      | 813,191,982         | 16,608       |
| PHARMANET PUSAT       | 0                   | 0            |

Anomali terlihat pada gudang PHARMANET PUSAT yang mencatat nilai penjualan dan kuantitas 0. Hal ini memerlukan investigasi lebih lanjut untuk memahami peran operasional atau masalah pencatatan data pada gudang ini.

#### 3.2.4 Status Pemenuhan Pesanan (`Sts SP Header`, `Sts SP Detail`, `Status DO`)

Ketiga kolom status pemenuhan pesanan (`Sts SP Header`, `Sts SP Detail`, dan `Status DO`) menunjukkan pola yang sangat konsisten, dengan mayoritas pesanan berhasil dilayani (P) dan hanya sebagian kecil yang dibatalkan (C), tanpa adanya nilai transaksi atau kuantitas untuk pesanan yang dibatalkan.

| Status           | Total Value PL (Rp) | Total Qty DO |
| :--------------- | :------------------ | :----------- |
| C (Dibatalkan)   | 0                   | 0            |
| P (Dilayani)     | 55,080,971,689      | 1,436,229    |

Konsistensi ini mengindikasikan bahwa setiap tahapan pemrosesan (Surat Pesanan Header, Surat Pesanan Detail, hingga Delivery Order) secara kolektif mencerminkan status akhir pemenuhan pesanan.

### 3.3 Analisis Efisiensi Siklus Pemenuhan

Analisis waktu siklus pemenuhan pesanan memberikan wawasan tentang efisiensi operasional dari mulai pesanan dibuat hingga diterima oleh pelanggan. Durasi median digunakan untuk mengurangi dampak outlier.

#### 3.3.1 Durasi Median Tahap Pemenuhan

Secara keseluruhan, total waktu pemenuhan pesanan adalah 1.68 hari. Tahap pengiriman dari ekspedisi ke penerima merupakan tahapan terlama dalam seluruh siklus.

| Tahap                 | Durasi Median (Hari) |
| :-------------------- | :------------------- |
| Order ke SP           | 0.02                 |
| SP ke DO              | 0.15                 |
| DO ke Logbook         | 0.10                 |
| Logbook ke Expedition | 0.05                 |
| Expedition ke Received| 0.78                 |
| Total_Fulfillment     | 1.68                 |

#### 3.3.2 Waktu Pemenuhan Berdasarkan Gudang Asal

Terdapat perbedaan signifikan dalam total waktu pemenuhan antar gudang. PHARMANET JAKSEL menunjukkan waktu pemenuhan tercepat, sementara PHARMANET TANGERANG memiliki waktu terlama.

| Asal Gudang           | Durasi Median Total Pemenuhan (Hari) |
| :-------------------- | :----------------------------------- |
| PHARMANET TANGERANG   | 3.76                                 |
| PHARMANET SAMARINDA   | 3.05                                 |
| PHARMANET MEDAN       | 2.79                                 |
| PHARMANET PEKANBARU   | 2.55                                 |
| PHARMANET MALANG      | 2.55                                 |
| PHARMANET LAMPUNG     | 2.31                                 |
| PHARMANET PONTIANAK   | 2.11                                 |
| PHARMANET SURABAYA    | 2.07                                 |
| PHARMANET MAKASSAR    | 2.04                                 |
| PHARMANET PALEMBANG   | 1.98                                 |
| PHARMANET JAMBI       | 1.86                                 |
| PHARMANET SEMARANG    | 1.81                                 |
| PHARMANET SOLO        | 1.42                                 |
| PHARMANET BOGOR       | 1.11                                 |
| PHARMANET BEKASI      | 1.07                                 |
| PHARMANET BANDUNG     | 0.92                                 |
| PHARMANET BANJARMASIN | 0.83                                 |
| PHARMANET JAKBAR      | 0.80                                 |
| PHARMANET JAKTIM      | 0.72                                 |
| PHARMANET JAKSEL      | 0.25                                 |

#### 3.3.3 Waktu Pemenuhan Berdasarkan Divisi Utama Produk

Waktu pemenuhan juga bervariasi berdasarkan divisi utama produk (`Primary Divisi`), dengan produk dari divisi HOSPINET menunjukkan median waktu pemenuhan yang sedikit lebih cepat.

| Divisi Utama Produk | Durasi Median Total Pemenuhan (Hari) |
| :------------------ | :----------------------------------- |
| VIBRANT PBF         | 1.79                                 |
| PHARMANET           | 1.66                                 |
| HOSPINET            | 1.38                                 |

### 3.4 Catatan Khusus: Konsistensi Data dan Status Agregat

Seperti yang diuraikan dalam Bab 2, ditemukan adanya inkonsistensi pada data `No. RO` yang memiliki `Status RO` beragam (`TERLAYANI PENUH` dan `CANCEL`) pada item baris yang sama. Dari 1,248 `No. RO` yang teridentifikasi memiliki status campuran, analisis menunjukkan bahwa item baris yang berstatus `CANCEL` pada RO tersebut memiliki `Value PL` dan `Qty DO` sebesar 0. Ini mengindikasikan bahwa pembatalan tersebut tidak mempengaruhi nilai penjualan atau kuantitas pengiriman secara finansial. Untuk mengatasi ambiguitas ini, telah diterapkan konsep `RO_Status_Aggregated` (Fully Served, Partially Cancelled, Fully Cancelled) yang kini tersedia di tabel `normalized_repeat_orders` untuk analisis yang lebih akurat di masa mendatang.

Demikian pula, inkonsistensi di mana satu `Procod` dapat dikaitkan dengan beberapa `Divisi` telah diatasi dengan penetapan `Primary_Divisi` di tabel `normalized_products`, memastikan kategorisasi produk yang konsisten. Rata-rata 79.7% dari nilai penjualan produk dengan multi-divisi berasal dari divisi dominan yang telah ditentukan.

## 4. Analisis Kinerja Penjualan & Produk

Analisis kinerja penjualan dan produk merupakan inti dari laporan ini, yang bertujuan untuk mengungkap bagaimana berbagai atribut produk dan operasional berkorelasi dengan metrik penjualan dan pengiriman. Dengan memanfaatkan data yang telah dibersihkan dan dinormalisasi, kita dapat memperoleh wawasan yang lebih akurat dan terstruktur untuk mendorong pertumbuhan bisnis.

### 4.1 Kinerja Penjualan Berdasarkan Atribut Produk

Kinerja penjualan secara fundamental dipengaruhi oleh jenis dan kategori produk yang ditawarkan. Analisis mendalam pada atribut produk memberikan gambaran tentang kontributor utama dan area potensial untuk optimasi.

#### 4.1.1 Kontribusi Produk Pharos (Pharos YN)

Seperti yang telah dibahas pada Bab 3, produk-produk yang diproduksi oleh Pharos (ditandai 'Y' pada kolom `Pharos YN`) secara signifikan mendominasi kinerja penjualan dan kuantitas pengiriman. Dengan nilai penjualan mencapai Rp 32,720,924,525 dan kuantitas 1,026,883 unit, produk-produk ini jelas merupakan pilar utama portofolio perusahaan. Sementara produk non-Pharos (Pharos YN = 'N') juga memberikan kontribusi substansial dengan nilai penjualan Rp 22,360,047,164 dan kuantitas 409,346 unit. Dominasi produk Pharos mengindikasikan peluang strategis untuk terus mengoptimalkan penjualan produk-produk ini melalui kampanye pemasaran yang ditargetkan atau pengembangan produk lebih lanjut, mengingat daya tariknya yang sudah terbukti di pasar.

#### 4.1.2 Kinerja Berdasarkan Divisi Utama Produk (Primary Divisi)

Analisis kinerja penjualan berdasarkan `Divisi` menunjukkan pola yang konsisten seperti yang telah disajikan pada Bab 3, dengan PHARMANET sebagai divisi teratas diikuti VIBRANT PBF dan HOSPINET. Namun, untuk mengatasi inkonsistensi data di mana satu kode produk (`Procod`) dapat terkait dengan lebih dari satu divisi (seperti yang diuraikan pada Bab 2), telah ditetapkan sebuah 'Divisi Utama' (`Primary_Divisi`) bagi setiap produk dalam tabel `normalized_products`. 'Divisi Utama' ini didasarkan pada divisi yang menyumbang nilai penjualan (`Value PL`) tertinggi untuk produk tersebut.

Penerapan konsep 'Divisi Utama' ini sangat efektif. Rata-rata 79.7% dari nilai penjualan produk-produk yang sebelumnya terkait dengan multi-divisi kini berasal dari 'Divisi Utama' yang telah ditentukan. Hal ini memungkinkan segmentasi produk yang lebih akurat dan pengambilan keputusan strategis yang lebih baik terkait alokasi sumber daya antar divisi produk. Dengan demikian, tim penjualan dan pemasaran dapat lebih fokus dalam mengembangkan strategi untuk setiap divisi utama, memastikan konsistensi dalam penargetan dan pelaporan kinerja.

### 4.2 Analisis Kinerja Penjualan Berdasarkan Atribut Operasional

Aspek operasional, terutama terkait gudang asal, memiliki dampak langsung terhadap kemampuan perusahaan dalam memenuhi pesanan dan, pada akhirnya, terhadap kinerja penjualan.

#### 4.2.1 Kinerja Berdasarkan Gudang Asal (Asal Gudang)

Kinerja penjualan dan kuantitas yang dikirim bervariasi secara signifikan di antara gudang-gudang asal, sebuah temuan yang telah didetailkan pada Bab 3. Gudang PHARMANET SURABAYA, MEDAN, dan BEKASI secara konsisten menunjukkan volume penjualan dan pengiriman tertinggi. Ini menunjukkan kapasitas operasional yang kuat dan/atau permintaan pasar yang tinggi di wilayah yang dilayani oleh gudang-gudang tersebut.

Di sisi lain, anomali pada gudang PHARMANET PUSAT yang mencatat nilai penjualan (`Total Value PL`) dan kuantitas pengiriman (`Total Qty DO`) sebesar 0 tetap menjadi area yang memerlukan investigasi mendalam. Penting untuk memahami apakah ini adalah masalah pencatatan data, atau memang gudang tersebut memiliki peran operasional yang berbeda (misalnya, sebagai gudang transit atau administrasi tanpa transaksi penjualan langsung). Resolusi anomali ini akan memberikan gambaran yang lebih lengkap tentang kontribusi setiap gudang terhadap kinerja penjualan secara keseluruhan.

### 4.3 Dampak Status Pemenuhan Pesanan Terhadap Kinerja Penjualan

Pemahaman yang akurat tentang status pemenuhan pesanan sangat penting untuk mengevaluasi efisiensi operasional dan dampaknya terhadap penjualan yang terealisasi.

#### 4.3.1 Status Agregat Repeat Order (RO_Status_Aggregated)

Untuk mengatasi ambiguitas dalam `Status RO` pada item baris, telah diperkenalkan status agregat untuk Repeat Order (RO) yang baru (`RO_Status_Aggregated`) dalam tabel `normalized_repeat_orders`. Status ini mengklasifikasikan RO menjadi 'Fully Served' (semua item dilayani), 'Partially Cancelled' (beberapa item dilayani, beberapa dibatalkan), atau 'Fully Cancelled' (semua item dibatalkan).

Dari analisis yang dilakukan pada Bab 2, ditemukan bahwa 1,248 nomor RO memiliki item baris dengan status 'TERLAYANI PENUH' dan 'CANCEL' secara bersamaan. Namun, analisis lebih lanjut mengungkapkan bahwa nilai penjualan (`Value PL`) dan kuantitas (`Qty DO`) dari item-item yang dibatalkan dalam RO berstatus campuran ini adalah 0.00. Ini berarti bahwa meskipun ada indikasi pembatalan untuk item-item tertentu, pembatalan tersebut tidak mengurangi total nilai penjualan atau jumlah produk yang benar-benar dikirim dari RO tersebut.

Implikasinya, RO yang dikategorikan sebagai 'Partially Cancelled' (sesuai definisi baru) masih memberikan kontribusi penuh terhadap penjualan dan kuantitas yang terlayani pada bagian pesanan yang 'TERLAYANI PENUH'. Status 'Fully Served' mencerminkan semua RO yang berhasil dilayani sepenuhnya, sementara 'Fully Cancelled' akan menunjukkan RO di mana semua item dibatalkan (yang, berdasarkan data saat ini, tidak memiliki dampak pada `Value PL` atau `Qty DO`). Pemahaman ini sangat krusial untuk pelaporan penjualan yang akurat, karena RO dengan status 'Partially Cancelled' masih merepresentasikan penjualan yang berhasil direalisasikan.

### 4.4 Rekomendasi Peningkatan Kinerja

Berdasarkan analisis kinerja penjualan dan produk, beberapa rekomendasi strategis dapat diusulkan:

1.  **Optimasi Fokus pada Produk Pharos:** Mengingat kontribusi signifikan produk-produk Pharos terhadap total penjualan dan kuantitas, perusahaan dapat menginvestasikan lebih banyak sumber daya dalam pengembangan produk, kampanye pemasaran, dan strategi penetrasi pasar untuk segmen ini. Analisis lebih lanjut dapat dilakukan untuk mengidentifikasi produk Pharos mana yang paling menguntungkan atau memiliki potensi pertumbuhan terbesar.
2.  **Pemanfaatan 'Divisi Utama' untuk Strategi Produk:** Dengan adanya 'Divisi Utama' yang dinormalisasi, manajemen produk dapat membuat keputusan yang lebih tepat mengenai alokasi anggaran pemasaran, pengembangan saluran distribusi, dan penetapan target penjualan untuk setiap divisi. Hal ini memastikan bahwa strategi produk selaras dengan kontribusi nilai utamanya.
3.  **Investigasi dan Reevaluasi Peran Gudang PHARMANET PUSAT:** Anomali pada PHARMANET PUSAT yang tidak mencatat transaksi penjualan memerlukan investigasi segera. Apabila gudang ini memang tidak terlibat dalam transaksi penjualan langsung, sistem pelaporan harus mencerminkan peran sebenarnya. Jika ini adalah masalah pencatatan, koreksi harus dilakukan untuk memastikan data penjualan yang lengkap dan akurat dari semua fasilitas.
4.  **Analisis Lebih Lanjut Terhadap Pembatalan:** Meskipun item yang dibatalkan dalam RO berstatus 'Partially Cancelled' saat ini tidak berdampak pada nilai penjualan atau kuantitas, memahami alasan di balik pembatalan (misalnya, ketersediaan stok yang tidak memadai, permintaan pelanggan, atau kesalahan input) dapat membantu mencegah masalah di masa mendatang. Hal ini dapat meningkatkan kepuasan pelanggan dan mengoptimalkan manajemen inventaris.

## 5. Analisis Efisiensi Pemenuhan Pesanan

Analisis efisiensi pemenuhan pesanan merupakan tulang punggung operasional, mencerminkan kemampuan perusahaan untuk mengirimkan produk secara tepat waktu dan efektif. Bab ini menyelami metrik waktu siklus pemenuhan untuk mengidentifikasi kekuatan, kelemahan, dan area potensial untuk peningkatan di seluruh rantai pasok.

### 5.1. Gambaran Umum Siklus Waktu Pemenuhan Pesanan

Secara keseluruhan, analisis waktu siklus pemenuhan pesanan menunjukkan bahwa median total waktu yang dibutuhkan dari `Tgl. Order` hingga `Tgl Diterima` oleh pelanggan adalah **1.68 hari**. Ini merupakan indikator kinerja utama yang merepresentasikan kecepatan layanan dari awal hingga akhir.

Jika kita memecah total waktu ini ke dalam tahapan-tahapan kunci, kita mendapatkan gambaran yang lebih detail mengenai alokasi waktu di setiap proses:

*   **Order ke SP:** Durasi median adalah **0.02 hari**. Ini menunjukkan bahwa proses konversi pesanan pelanggan (`Tgl. Order`) menjadi Surat Pesanan (`Tgl. SP`) di gudang berlangsung sangat cepat, hampir instan.
*   **SP ke DO:** Tahap dari penerbitan Surat Pesanan (`Tgl. SP`) hingga penerbitan Delivery Order (`Tgl DO`) memiliki durasi median **0.15 hari**. Ini adalah periode pemrosesan internal gudang setelah pesanan diverifikasi.
*   **DO ke Logbook:** Waktu dari Delivery Order (`Tgl DO`) hingga pencatatan barang di logbook area _staging_ (`Tgl Logbook`) adalah **0.10 hari**. Ini mengukur seberapa cepat barang disiapkan dan dipindahkan ke area penjemputan.
*   **Logbook ke Expedition:** Durasi median dari barang di area _staging_ (`Tgl Logbook`) hingga dijemput oleh ekspedisi (`Tgl Ekspedisi`) adalah **0.05 hari**. Tahap ini mengindikasikan efisiensi _handover_ ke pihak ketiga.
*   **Expedition ke Received:** Tahap pengiriman oleh ekspedisi hingga barang diterima oleh pelanggan (`Tgl Diterima`) adalah tahapan terpanjang dengan durasi median **0.78 hari**. Ini jelas merupakan bagian terbesar dari total waktu pemenuhan, mengindikasikan bahwa logistik pengiriman eksternal adalah _bottleneck_ utama dalam keseluruhan siklus.

**Ringkasan Durasi Median Tahap Pemenuhan:**

| Tahap                 | Durasi Median (Hari) |
| :-------------------- | -------------------: |
| Order ke SP           | 0.02                 |
| SP ke DO              | 0.15                 |
| DO ke Logbook         | 0.10                 |
| Logbook ke Expedition | 0.05                 |
| Expedition ke Received| 0.78                 |
| Total Fulfillment     | 1.68                 |

### 5.2. Efisiensi Pemenuhan Berdasarkan Asal Gudang

Efisiensi pemenuhan pesanan sangat bervariasi antar gudang asal, menunjukkan adanya perbedaan signifikan dalam kapasitas operasional, manajemen, atau kondisi geografis. Median total waktu pemenuhan berkisar dari yang tercepat hingga yang terlambat:

*   **Gudang Paling Efisien:** PHARMANET JAKSEL menunjukkan kinerja pemenuhan tercepat dengan median total waktu **0.25 hari**. Diikuti oleh PHARMANET JAKTIM (**0.72 hari**) dan PHARMANET JAKBAR (**0.80 hari**). Kecepatan ini mungkin disebabkan oleh lokasi strategis di area perkotaan yang padat, infrastruktur logistik yang matang, atau proses internal yang lebih optimal.
*   **Gudang Kurang Efisien:** Sebaliknya, PHARMANET TANGERANG tercatat sebagai gudang dengan waktu pemenuhan terlama, yaitu **3.76 hari**. Gudang PHARMANET SAMARINDA (**3.05 hari**) dan PHARMANET MEDAN (**2.79 hari**) juga berada di kategori yang lebih lambat. Perbedaan ini menunjukkan adanya tantangan operasional yang mungkin unik bagi masing-masing lokasi, seperti rute pengiriman yang lebih panjang, ketersediaan tenaga kerja, atau kapasitas gudang.

Pola ini menunjukkan bahwa ada peluang besar untuk mengidentifikasi dan mereplikasi praktik terbaik dari gudang-gudang berkinerja tinggi ke gudang-gudang yang lebih lambat.

### 5.3. Efisiensi Pemenuhan Berdasarkan Divisi Produk Utama

Analisis waktu pemenuhan juga sedikit bervariasi berdasarkan `Primary_Divisi` produk. Seperti yang telah dinormalisasi di Bab 2, `Primary_Divisi` memberikan kategorisasi produk yang lebih konsisten.

*   Produk dari divisi **HOSPINET** memiliki median total waktu pemenuhan tercepat, yaitu **1.38 hari**.
*   Diikuti oleh divisi **PHARMANET** dengan **1.66 hari**.
*   Sedangkan divisi **VIBRANT PBF** memiliki waktu pemenuhan terlama di antara ketiganya, yaitu **1.79 hari**.

Perbedaan ini mungkin mengindikasikan bahwa produk HOSPINET memiliki rantai pasok yang lebih efisien atau ditujukan untuk segmen pasar yang membutuhkan pengiriman lebih cepat.

### 5.4. Dampak Pembatalan Terhadap Efisiensi Operasional

Dalam Bab 2, telah diidentifikasi 1,248 `No. RO` yang memiliki `Status RO` campuran, yaitu 'TERLAYANI PENUH' dan 'CANCEL' pada item baris yang sama. Namun, analisis kritis menunjukkan bahwa item baris yang berstatus 'CANCEL' dalam pesanan-pesanan ini memiliki `Value PL` dan `Qty DO` sebesar **0**. Ini berarti bahwa, secara finansial dan kuantitas produk yang dikirim, pembatalan tersebut tidak menyebabkan kerugian langsung pada nilai pesanan yang terlayani.

Implikasinya terhadap efisiensi adalah:
*   Meskipun tidak ada kerugian nilai atau kuantitas dari item yang dibatalkan pada RO campuran ini, adanya item yang dibatalkan menunjukkan potensi **inefisiensi dalam proses**. Misalnya, mungkin ada masalah ketersediaan stok yang diketahui setelah pesanan diterima, atau kesalahan _picking_ dan _packing_ yang kemudian diperbaiki.
*   Untuk 1,248 RO dengan status campuran, total `Value PL` adalah 5,632,475,953 dan `Total Qty DO` adalah 148,068. Dengan **0.0%** `Value PL` dan `Qty DO` yang dibatalkan, ini menegaskan bahwa proses *akhir* pemenuhan untuk RO ini berhasil menangani pembatalan tanpa mengurangi nilai atau kuantitas yang berhasil terlayani.

Penggunaan `RO_Status_Aggregated` (Fully Served, Partially Cancelled, Fully Cancelled) yang kini tersedia di tabel `normalized_repeat_orders` akan sangat membantu dalam melacak efisiensi yang lebih granular di masa depan, meskipun untuk data historis ini, pembatalan tidak berdampak pada metrik kinerja penjualan yang terlayani.

### 5.5. Anomali dan Area untuk Perbaikan

Selain temuan di atas, beberapa anomali yang ditemukan di bab sebelumnya juga relevan dengan efisiensi operasional:

*   **PHARMANET PUSAT:** Gudang PHARMANET PUSAT tercatat dengan nilai penjualan (`Total Value PL`) dan kuantitas pengiriman (`Total Qty DO`) sebesar **0**. Ini adalah anomali signifikan yang memerlukan investigasi mendalam dari perspektif operasional. Apakah gudang ini tidak lagi aktif, memiliki fungsi non-transaksional, atau ada masalah dalam pencatatan data yang menghambat visibilitas kinerjanya?
*   **Data `Tgl Diterima`:** Sejumlah besar nilai `NaT` (10,385) yang diisi dengan tanggal `1970-01-02 07:00:00` pada kolom `Tgl Diterima` menunjukkan adanya masalah dalam pencatatan waktu penerimaan aktual oleh pelanggan. Data ini krusial untuk menghitung waktu siklus `Expedition ke Received` dengan akurat. Kualitas data yang buruk di sini dapat mengaburkan gambaran efisiensi pengiriman.

### 5.6. Rekomendasi Strategis untuk Peningkatan Efisiensi

Berdasarkan analisis efisiensi pemenuhan pesanan, berikut adalah rekomendasi strategis untuk peningkatan:

1.  **Optimasi Logistik Gudang Terlambat:** Lakukan audit operasional mendalam terhadap gudang PHARMANET TANGERANG, SAMARINDA, dan MEDAN. Identifikasi _bottleneck_ spesifik dalam proses mereka (misalnya, masalah kapasitas, rute pengiriman, ketersediaan ekspedisi, atau inefisiensi internal) dan terapkan solusi yang ditargetkan.
2.  **Studi Kasus Gudang Tercepat:** Lakukan studi kasus pada gudang PHARMANET JAKSEL, JAKTIM, dan JAKBAR untuk mengidentifikasi praktik terbaik, teknologi yang digunakan, atau model operasional yang memungkinkan mereka mencapai waktu pemenuhan yang sangat cepat. Pelajaran ini harus didokumentasikan dan dibagikan ke gudang lain untuk tujuan replikasi.
3.  **Analisis Akar Masalah Pembatalan:** Meskipun item yang dibatalkan tidak memengaruhi nilai penjualan yang terlayani, setiap pembatalan memerlukan upaya operasional. Lakukan analisis akar masalah mengapa item pesanan awalnya 'CANCEL', bahkan jika `Value PL` dan `Qty DO` adalah nol. Ini dapat mengungkap masalah dalam perkiraan stok, kesalahan entri pesanan, atau masalah kualitas produk yang dapat diatasi.
4.  **Investigasi Anomali PHARMANET PUSAT:** Segera investigasi peran dan status operasional PHARMANET PUSAT. Jika gudang tersebut memiliki fungsi aktif, pastikan sistem pencatatan data akurat untuk mencerminkan kontribusinya. Jika tidak, pertimbangkan untuk menghapusnya dari laporan kinerja atau mengklarifikasi perannya.
5.  **Peningkatan Kualitas Data `Tgl Diterima`:** Terapkan protokol yang lebih ketat untuk pencatatan `Tgl Diterima`. Data yang akurat di sini sangat penting untuk mengukur kinerja ekspedisi dan efisiensi pengiriman secara keseluruhan. Pertimbangkan otomatisasi atau verifikasi data di titik penerimaan untuk mengurangi nilai `NaT`.
6.  **Analisis Efisiensi Berbasis `Primary_Divisi`:** Manfaatkan wawasan tentang waktu pemenuhan berdasarkan `Primary_Divisi` untuk mengidentifikasi peluang peningkatan. Misalnya, jika produk dari VIBRANT PBF memiliki waktu pemenuhan yang lebih lama, apakah ini terkait dengan karakteristik produk (misalnya, membutuhkan penanganan khusus) atau dengan jalur logistik yang berbeda?

Dengan fokus pada peningkatan efisiensi operasional ini, perusahaan dapat tidak hanya mengurangi biaya tetapi juga meningkatkan kepuasan pelanggan dan memperkuat posisi pasar.

## 6. Temuan Utama & Implikasi Bisnis

Analisis data pemenuhan pesanan ini telah mengidentifikasi beberapa temuan kunci dan implikasinya bagi strategi bisnis, yang dapat mendorong peningkatan kinerja penjualan dan efisiensi operasional. Temuan-temuan ini didasarkan pada data yang telah melalui proses pembersihan dan normalisasi ekstensif, memastikan keandalan wawasan yang dihasilkan.

### 6.1 Fondasi Data yang Kuat: Penanganan Inkonsistensi Kritis

Sebelum mendapatkan wawasan yang bermakna, kami telah mengatasi inkonsistensi data yang signifikan, khususnya terkait dengan status pesanan berulang (RO) dan kategorisasi produk:

*   **Status Pesanan Berulang (RO) yang Jelas:** Ditemukan bahwa 1,248 nomor RO memiliki status ganda ('TERLAYANI PENUH' dan 'CANCEL') pada item baris yang berbeda. Analisis menunjukkan bahwa item yang dibatalkan tersebut memiliki nilai penjualan (`Value PL`) dan kuantitas (`Qty DO`) sebesar 0.00. Untuk memberikan gambaran yang lebih akurat, kami telah memperkenalkan klasifikasi status agregat RO: 'Fully Served', 'Partially Cancelled', dan 'Fully Cancelled'. Ini memungkinkan pelaporan yang lebih presisi mengenai kinerja pemenuhan RO, mengklarifikasi bahwa RO 'Partially Cancelled' masih merepresentasikan penjualan yang berhasil direalisasikan pada bagian yang terlayani.
*   **Kategorisasi Produk yang Konsisten:** Sebanyak 964 kode produk (`Procod`) ditemukan terkait dengan beberapa divisi. Untuk mengatasi hal ini, kami menetapkan 'Divisi Utama' (`Primary_Divisi`) untuk setiap produk berdasarkan divisi yang menyumbang nilai penjualan tertinggi. Rata-rata 79.7% dari nilai penjualan produk-produk multi-divisi ini berasal dari divisi dominan yang telah ditentukan. Ini menyediakan dasar yang solid untuk analisis produk dan strategi pemasaran yang lebih terarah.

Normalisasi ini telah menghasilkan tabel dimensi baru (`normalized_outlets`, `normalized_repeat_orders`, `normalized_products`) yang menjadi sumber data yang bersih dan konsisten untuk analisis lebih lanjut.

### 6.2 Pendorong Utama Kinerja Penjualan

Analisis telah mengidentifikasi beberapa faktor kunci yang mempengaruhi kinerja penjualan:

*   **Dominasi Produk Pharos:** Produk yang diproduksi oleh Pharos (`Pharos YN = Y`) adalah pendorong utama penjualan, menyumbang nilai penjualan sebesar Rp 32,720,924,525 dan kuantitas 1,026,883 unit. Angka ini secara signifikan lebih tinggi dibandingkan produk non-Pharos (`Pharos YN = N`) yang mencapai Rp 22,360,047,164 dan 409,346 unit.
    *   **Implikasi Bisnis:** Konsisten menginvestasikan sumber daya pada pengembangan, pemasaran, dan distribusi produk Pharos adalah strategi yang tepat. Analisis lebih lanjut dapat menargetkan produk Pharos spesifik dengan potensi pertumbuhan tertinggi.
*   **Kontribusi Divisi Produk:** Divisi PHARMANET dan VIBRANT PBF adalah kontributor penjualan terbesar, masing-masing dengan nilai penjualan Rp 36,553,039,667 dan Rp 14,318,817,088. Kategorisasi produk menggunakan `Primary_Divisi` kini memungkinkan strategi yang lebih terfokus untuk setiap divisi.
    *   **Implikasi Bisnis:** Manajemen produk dapat mengalokasikan anggaran pemasaran dan pengembangan saluran distribusi secara lebih efisien berdasarkan kontribusi nilai dari masing-masing `Primary_Divisi`.

### 6.3 Efisiensi Operasional: Mengidentifikasi Bottleneck dan Peluang Peningkatan

Efisiensi dalam pemenuhan pesanan adalah krusial untuk kepuasan pelanggan dan biaya operasional. Analisis ini mengungkapkan gambaran yang jelas mengenai waktu siklus dan variasi antar gudang.

*   **Bottleneck Pengiriman Eksternal:** Total waktu pemenuhan pesanan rata-rata adalah 1.68 hari. Tahap 'Expedition ke Received' adalah yang terpanjang dengan median 0.78 hari, menunjukkan bahwa logistik pengiriman oleh pihak ketiga adalah area utama yang memerlukan perhatian.
    *   **Implikasi Bisnis:** Perlu dilakukan tinjauan mendalam terhadap kinerja ekspedisi, menegosiasikan kembali SLA, atau mempertimbangkan alternatif penyedia logistik untuk mengurangi waktu pengiriman. Peningkatan kualitas data `Tgl Diterima` juga esensial untuk memantau metrik ini secara akurat.
*   **Variasi Kinerja Antar Gudang:** Terdapat perbedaan signifikan dalam waktu pemenuhan total antar gudang. PHARMANET JAKSEL adalah gudang tercepat (0.25 hari), sementara PHARMANET TANGERANG adalah yang paling lambat (3.76 hari). Gudang PHARMANET PUSAT menunjukkan anomali dengan nilai penjualan dan kuantitas 0, yang memerlukan investigasi.
    *   **Implikasi Bisnis:**
        *   **Audit Operasional:** Lakukan audit komprehensif terhadap gudang-gudang berkinerja lambat (misalnya, PHARMANET TANGERANG, SAMARINDA, MEDAN) untuk mengidentifikasi hambatan spesifik (proses internal, rute pengiriman, ketersediaan tenaga kerja).
        *   **Studi Kasus & Replikasi Praktik Terbaik:** Pelajari praktik terbaik dari gudang-gudang tercepat (PHARMANET JAKSEL, JAKTIM, JAKBAR) dan replikasikan model operasional, teknologi, atau manajemen yang efektif ke gudang lain.
        *   **Investigasi PHARMANET PUSAT:** Segera investigasi peran operasional PHARMANET PUSAT. Jika gudang ini aktif, pastikan data transaksionalnya dicatat dengan benar. Jika tidak, klarifikasi perannya dalam rantai pasok untuk menghindari ambiguitas dalam pelaporan kinerja.
*   **Efisiensi Berbasis Divisi Produk:** Produk HOSPINET menunjukkan waktu pemenuhan median tercepat (1.38 hari), sedikit lebih cepat dari PHARMANET (1.66 hari) dan VIBRANT PBF (1.79 hari).
    *   **Implikasi Bisnis:** Pahami alasan di balik efisiensi yang lebih tinggi untuk produk HOSPINET (misalnya, karakteristik produk, lokasi penyimpanan, atau saluran distribusi). Wawasan ini dapat digunakan untuk mengoptimalkan rantai pasok untuk divisi lain.

### 6.4 Rekomendasi Aksi Komprehensif

Berdasarkan temuan-temuan ini, berikut adalah rekomendasi aksi yang dapat segera diterapkan untuk meningkatkan kinerja bisnis:

1.  **Strategi Produk Berbasis Data:**
    *   **Fokus pada Produk Pharos:** Alokasikan lebih banyak sumber daya untuk inovasi, pemasaran, dan penjualan produk Pharos, mengingat kontribusi signifikan mereka terhadap pendapatan dan volume.
    *   **Optimalisasi Segmentasi Divisi:** Gunakan `Primary_Divisi` untuk mengarahkan strategi produk dan pemasaran yang lebih tepat sasaran, memastikan bahwa sumber daya dialokasikan ke divisi yang paling menguntungkan atau memiliki potensi pertumbuhan.

2.  **Peningkatan Efisiensi Logistik & Operasional:**
    *   **Targetkan Bottleneck Ekspedisi:** Identifikasi penyedia ekspedisi dengan kinerja terlama dan lakukan negosiasi ulang kontrak, eksplorasi alternatif, atau terapkan sistem pelacakan yang lebih canggih untuk mengurangi waktu pengiriman 'Expedition ke Received'.
    *   **Program Peningkatan Kinerja Gudang:** Luncurkan program peningkatan kinerja khusus untuk gudang-gudang yang lambat. Ini harus mencakup analisis proses, pelatihan staf, dan mungkin investasi pada teknologi atau infrastruktur.
    *   **Standardisasi Proses:** Kembangkan dan terapkan _standard operational procedures_ (SOP) yang terbukti efektif dari gudang-gudang berkinerja tinggi ke gudang lain untuk memastikan konsistensi dan efisiensi di seluruh jaringan.

3.  **Peningkatan Kualitas Data Berkelanjutan:**
    *   **Validasi `Tgl Diterima`:** Terapkan mekanisme validasi dan verifikasi yang lebih ketat untuk kolom `Tgl Diterima` di sistem sumber. Data yang akurat di sini sangat penting untuk mengukur efisiensi logistik eksternal.
    *   **Sistem Pencatatan RO dan Produk:** Lakukan tinjauan sistem pencatatan internal untuk `Status RO` dan `Divisi` produk. Idealnya, sistem harus mendukung kategorisasi tunggal yang konsisten pada tingkat RO dan produk untuk mencegah inkonsistensi di masa depan.
    *   **Klarifikasi Peran Gudang Pusat:** Selesaikan anomali PHARMANET PUSAT dengan mengklarifikasi fungsi operasionalnya dan memastikan pencatatan data yang sesuai.

Dengan mengimplementasikan rekomendasi ini, perusahaan dapat tidak hanya mengatasi tantangan operasional dan data yang ada tetapi juga memanfaatkan wawasan dari data untuk meningkatkan kepuasan pelanggan, mengurangi biaya, dan mendorong pertumbuhan bisnis yang berkelanjutan.

## 7. Rekomendasi

Berikut adalah rekomendasi strategis yang diturunkan dari analisis mendalam terhadap data pemenuhan pesanan. Rekomendasi ini dirancang untuk meningkatkan kinerja penjualan, mengoptimalkan operasional, dan memperkuat tata kelola data di seluruh rantai nilai perusahaan.

### 7.1. Penguatan Tata Kelola Data untuk Keandalan Analisis

Kualitas data adalah fondasi dari setiap keputusan bisnis yang efektif. Inkonsistensi yang ditemukan dalam data perlu ditangani secara proaktif di tingkat sistem untuk memastikan keandalan analisis di masa mendatang.

*   **Peningkatan Akurasi Pencatatan `Tgl Diterima`:** Kolom `Tgl Diterima` menunjukkan anomali signifikan dengan 10,385 nilai yang tidak valid dan diisi dengan tanggal `1970-01-02 07:00:00`. Data ini krusial untuk mengukur efisiensi pengiriman dan kinerja ekspedisi.
    *   **Aksi Rekomendasi:** Implementasikan protokol pencatatan yang lebih ketat atau sistem validasi otomatis pada titik penerimaan barang oleh pelanggan. Pertimbangkan solusi digital untuk konfirmasi penerimaan yang real-time dan akurat guna mengurangi kesalahan manual atau entri yang hilang.
*   **Harmonisasi Status Pesanan Berulang (RO) di Sistem Sumber:** Adanya 1,248 nomor RO yang memiliki status campuran ('TERLAYANI PENUH' dan 'CANCEL') di tingkat _line item_ mengindikasikan ambiguitas dalam representasi status pesanan secara keseluruhan. Meskipun analisis menunjukkan item yang dibatalkan memiliki nilai dan kuantitas 0, hal ini merefleksikan potensi ketidakjelasan proses.
    *   **Aksi Rekomendasi:** Kaji ulang alur kerja dan sistem pencatatan untuk `Status RO` agar setiap RO memiliki satu status yang jelas dan definitif sejak awal. Gunakan definisi `RO_Status_Aggregated` (Fully Served, Partially Cancelled, Fully Cancelled) yang telah dibentuk sebagai dasar untuk harmonisasi di sistem utama. Hal ini akan menyederhanakan pelaporan dan pemantauan kinerja RO.
*   **Standardisasi Kategorisasi Divisi Produk:** Inkonsistensi di mana 964 `Procod` terkait dengan beberapa `Divisi` dapat menyebabkan kebingungan dalam strategi produk.
    *   **Aksi Rekomendasi:** Tinjau dan standardisasi proses penetapan divisi untuk setiap produk. Idealnya, setiap produk harus memiliki satu divisi utama yang ditetapkan secara konsisten dalam sistem. `Primary_Divisi` yang telah diturunkan (berdasarkan kontribusi `Value PL` tertinggi, dengan rata-rata 79.7% nilai penjualan dari divisi dominan untuk produk multi-divisi) dapat dijadikan referensi untuk pembaruan data di sistem sumber.
*   **Investigasi Anomali `PHARMANET PUSAT`:** Gudang `PHARMANET PUSAT` tercatat dengan `Total Value PL` dan `Total Qty DO` sebesar 0.
    *   **Aksi Rekomendasi:** Lakukan investigasi segera untuk mengklarifikasi peran operasional `PHARMANET PUSAT`. Apabila gudang ini memiliki fungsi non-transaksional (misalnya, pusat administrasi atau transit), pastikan sistem pelaporan merefleksikan hal ini dengan benar. Jika seharusnya ada transaksi, identifikasi akar masalah pencatatan data yang menyebabkan nilai nol ini.

### 7.2. Optimalisasi Strategi Penjualan dan Portofolio Produk

Wawasan dari kinerja penjualan berdasarkan atribut produk memberikan dasar kuat untuk mengarahkan strategi bisnis.

*   **Fokus Strategis pada Produk Pharos:** Produk yang diproduksi oleh Pharos (`Pharos YN = Y`) adalah pendorong utama pendapatan dan volume dengan `Value PL` mencapai Rp 32,720,924,525 dan `Qty DO` sebesar 1,026,883 unit, jauh melampaui produk non-Pharos (`Pharos YN = N`).
    *   **Aksi Rekomendasi:** Alokasikan sumber daya pemasaran dan penjualan secara proporsional untuk mengkapitalisasi dominasi produk Pharos. Lakukan riset pasar lebih lanjut untuk mengidentifikasi segmen produk Pharos yang paling menguntungkan atau memiliki potensi pertumbuhan tinggi, serta pertimbangkan kampanye promosi yang ditargetkan.
*   **Manfaatkan `Primary Divisi` untuk Pemasaran yang Tepat Sasaran:** Dengan `Primary_Divisi` yang kini lebih konsisten, manajemen produk dapat mengidentifikasi pendorong penjualan utama di setiap divisi. `PHARMANET` dan `VIBRANT PBF` adalah kontributor penjualan terbesar, masing-masing dengan `Value PL` Rp 36,553,039,667 dan Rp 14,318,817,088.
    *   **Aksi Rekomendasi:** Kembangkan strategi pemasaran dan penjualan yang disesuaikan untuk setiap `Primary_Divisi`, dengan fokus pada kekuatan dan karakteristik unik dari masing-masing segmen produk. Hal ini akan meningkatkan efisiensi pengeluaran pemasaran dan memaksimalkan ROI.

### 7.3. Peningkatan Efisiensi Operasional Rantai Pasok

Waktu siklus pemenuhan dan variasi kinerja antar gudang mengindikasikan area kritis untuk peningkatan efisiensi operasional.

*   **Fokus pada Tahap 'Expedition ke Received':** Tahap ini adalah _bottleneck_ utama dalam total waktu pemenuhan median 1.68 hari, dengan durasi median `Expedition ke Received` sebesar 0.78 hari.
    *   **Aksi Rekomendasi:** Lakukan evaluasi menyeluruh terhadap kinerja penyedia jasa ekspedisi. Pertimbangkan untuk menegosiasikan kembali *Service Level Agreement* (SLA) dengan standar waktu pengiriman yang lebih ketat, mengeksplorasi opsi penyedia logistik alternatif, atau berinvestasi pada teknologi pelacakan pengiriman yang lebih canggih untuk memantau kinerja secara *real-time*.
*   **Optimasi Kinerja Gudang yang Bervariasi:** Terdapat perbedaan signifikan dalam efisiensi gudang, dari `PHARMANET JAKSEL` yang tercepat (0.25 hari) hingga `PHARMANET TANGERANG` yang terlambat (3.76 hari).
    *   **Aksi Rekomendasi:**
        *   **Audit dan Intervensi Target:** Lakukan audit operasional mendalam pada gudang-gudang dengan waktu pemenuhan terlama (`PHARMANET TANGERANG`, `PHARMANET SAMARINDA` - 3.05 hari, `PHARMANET MEDAN` - 2.79 hari) untuk mengidentifikasi hambatan spesifik seperti infrastruktur, kapasitas, rute, atau praktik manajemen. Kembangkan rencana aksi terukur untuk mengatasi setiap hambatan.
        *   **Replikasi Praktik Terbaik:** Selenggarakan studi kasus dan identifikasi praktik terbaik dari gudang-gudang berkinerja tinggi (misalnya, gudang Jakarta seperti `PHARMANET JAKSEL`, `PHARMANET JAKTIM` - 0.72 hari, `PHARMANET JAKBAR` - 0.80 hari). Dokumentasikan prosedur, teknologi, atau manajemen yang memungkinkan efisiensi tinggi, lalu replikasikan ke gudang lain sebagai bagian dari program peningkatan berkelanjutan.
*   **Analisis Akar Masalah Pembatalan pada RO Campuran:** Meskipun item yang dibatalkan pada 1,248 RO berstatus campuran memiliki nilai `Value PL` dan `Qty DO` sebesar 0, proses pembatalan tetap merupakan inefisiensi.
    *   **Aksi Rekomendasi:** Selidiki akar penyebab pembatalan ini. Apakah ini karena masalah stok, kesalahan pemesanan, atau isu kualitas produk? Memahami penyebabnya dapat membantu mencegah pembatalan di masa depan, meningkatkan kepuasan pelanggan, dan mengoptimalkan manajemen inventaris.
*   **Analisis Efisiensi Berdasarkan Divisi Utama Produk:** Produk `HOSPINET` memiliki waktu pemenuhan median tercepat (1.38 hari), sedikit lebih cepat dari `PHARMANET` (1.66 hari) dan `VIBRANT PBF` (1.79 hari).
    *   **Aksi Rekomendasi:** Pelajari karakteristik dan alur logistik produk `HOSPINET` yang mendukung efisiensi ini. Identifikasi apakah ada praktik atau proses yang dapat diterapkan pada divisi produk lain untuk mengurangi waktu pemenuhan mereka.

### 7.4. Monitoring Berkelanjutan dan Perbaikan Iteratif

Transformasi data menjadi wawasan yang dapat ditindaklanjuti adalah proses berkelanjutan.

*   **Dashboard Kinerja Kunci (KPI):** Kembangkan dashboard interaktif yang memantau KPI utama, termasuk waktu siklus pemenuhan per tahapan dan per gudang, kinerja penjualan produk Pharos dan non-Pharos, serta status RO agregat. Dashboard ini harus memanfaatkan tabel data yang dinormalisasi (`normalized_outlets`, `normalized_repeat_orders`, `normalized_products`) untuk memastikan akurasi.
*   **Tinjauan Rutin:** Adakan tinjauan kinerja rutin dengan tim operasional dan penjualan untuk membahas temuan, mengukur dampak rekomendasi yang telah diterapkan, dan mengidentifikasi area baru untuk perbaikan.
*   **Eksplorasi Data Lanjutan:** Analisis ini adalah langkah awal. Pertimbangkan eksplorasi lebih lanjut untuk:
    *   Menganalisis korelasi antara metode pembayaran (`Payment`) dengan kinerja penjualan atau efisiensi pemenuhan.
    *   Menganalisis dampak partisipasi _outlet_ dalam Apotek Online (`AO YN`) terhadap kinerja penjualan mereka.
    *   Melakukan analisis prediktif untuk perkiraan penjualan dan optimalisasi stok.

Dengan mengimplementasikan rekomendasi ini secara sistematis dan berkomitmen pada peningkatan berkelanjutan, perusahaan dapat mengubah tantangan data menjadi peluang strategis, meningkatkan efisiensi operasional, dan mendorong pertumbuhan penjualan yang signifikan.

## 8. Kesimpulan

Analisis eksplorasi data pemenuhan pesanan ini telah mengungkap berbagai wawasan penting mengenai kinerja operasional, dinamika penjualan, dan kualitas data, yang secara kolektif memberikan gambaran komprehensif tentang lanskap bisnis. Dari pembersihan data yang teliti hingga identifikasi area-area kritis untuk perbaikan, laporan ini menyimpulkan temuan-temuan utama dan menyoroti implikasi strategis untuk pertumbuhan dan efisiensi berkelanjutan.

Sebagai fondasi analisis, kebersihan dan integritas data terbukti menjadi krusial. Tantangan signifikan dalam kualitas data berhasil diatasi, termasuk penanganan 10,385 nilai `NaT` pada kolom `Tgl Diterima` yang diisi dengan tanggal `1970-01-02 07:00:00`, serta penemuan 1,248 `No. RO` dengan status campuran 'TERLAYANI PENUH' dan 'CANCEL' yang item dibatalkannya tidak memiliki `Value PL` atau `Qty DO`. Selain itu, inkonsistensi 964 `Procod` yang terkait dengan beberapa `Divisi` juga telah diselesaikan. Proses normalisasi data yang cermat, yang menghasilkan tabel `normalized_outlets`, `normalized_repeat_orders` dengan `RO_Status_Aggregated`, dan `normalized_products` dengan `Primary_Divisi` (di mana rata-rata 79.7% nilai penjualan berasal dari divisi dominan), telah menciptakan lapisan semantik yang lebih akurat dan dapat diandalkan untuk analisis di masa depan.

Dari sisi kinerja bisnis, produk-produk Pharos (`Pharos YN = Y`) muncul sebagai pendorong penjualan yang dominan, menyumbang nilai penjualan sebesar 32,720,924,525 dan kuantitas 1,026,883 unit. Kontribusi ini jauh melampaui produk non-Pharos, menegaskan pentingnya segmen ini bagi perusahaan. PHARMANET dan VIBRANT PBF adalah divisi produk dengan kontribusi penjualan terbesar, masing-masing dengan nilai penjualan 36,553,039,667 dan 14,318,817,088. Kinerja gudang juga menunjukkan variasi yang signifikan, dengan PHARMANET SURABAYA, MEDAN, dan BEKASI sebagai kontributor utama dalam penjualan dan kuantitas. Namun, anomali pada PHARMANET PUSAT yang tidak mencatat transaksi Value PL atau Qty DO tetap menjadi pertanyaan yang perlu diinvestigasi.

Dalam aspek efisiensi operasional, analisis waktu siklus pemenuhan mengungkapkan bahwa median total waktu dari pemesanan hingga penerimaan adalah 1.68 hari. Tahap "Expedition ke Received" merupakan hambatan utama dengan median durasi 0.78 hari, menunjukkan bahwa logistik pengiriman eksternal adalah area kunci untuk perbaikan. Efisiensi gudang bervariasi secara drastis; PHARMANET JAKSEL, JAKTIM, dan JAKBAR adalah gudang-gudang tercepat dengan median total waktu pemenuhan masing-masing 0.25 hari, 0.72 hari, dan 0.80 hari. Sebaliknya, PHARMANET TANGERANG (3.76 hari), SAMARINDA (3.05 hari), dan MEDAN (2.79 hari) tercatat sebagai gudang dengan waktu pemenuhan terlama. Di antara divisi produk, HOSPINET menunjukkan waktu pemenuhan median tercepat yaitu 1.38 hari.

Sebagai kesimpulan, laporan ini menggarisbawahi bahwa peningkatan kualitas data yang berkelanjutan, khususnya pada pencatatan waktu penerimaan barang dan harmonisasi status pesanan di sistem sumber, adalah imperatif. Secara strategis, fokus pada produk-produk Pharos dan pemanfaatan `Primary_Divisi` untuk penargetan pemasaran yang lebih tepat sasaran dapat memaksimalkan potensi penjualan. Dari perspektif operasional, mengidentifikasi dan mengatasi hambatan dalam tahap "Expedition ke Received" serta melakukan studi kasus dan replikasi praktik terbaik dari gudang-gudang berkinerja tinggi sangatlah esensial. Investigasi anomali seperti PHARMANET PUSAT juga diperlukan untuk mendapatkan gambaran operasional yang akurat. Dengan mengimplementasikan rekomendasi-rekomendasi ini, perusahaan dapat tidak hanya meningkatkan efisiensi operasional dan mengurangi biaya, tetapi juga memperkuat kepuasan pelanggan dan mendorong pertumbuhan bisnis yang signifikan dan berkelanjutan melalui pengambilan keputusan berbasis data yang lebih matang.