# Laporan Akhir Eksplorasi Data ## 1. Ringkasan Eksekutif Ringkasan Eksekutif ini menyajikan hasil analisis data awal terkait pemenuhan pesanan pelanggan, dengan tujuan mengidentifikasi wawasan tersembunyi untuk peningkatan kinerja, penjualan, dan korelasi produk. Data yang dianalisis telah melalui proses pembersihan dan normalisasi yang ekstensif untuk memastikan akurasi dan konsistensi. ### Pendahuluan Analisis Eksplorasi Data (EDA) ini berfokus pada data operasional pemenuhan pesanan untuk mengidentifikasi tren, anomali, dan peluang strategis. Laporan ini memberikan gambaran komprehensif tentang performa operasional, perilaku pembelian pelanggan, dan karakteristik produk, yang pada akhirnya akan mendukung pengambilan keputusan yang lebih baik. ### Temuan Kunci #### 1. Kualitas Data dan Struktur Data telah berhasil dinormalisasi menjadi beberapa entitas terpisah seperti Outlet, Produk, Pesanan Berulang (RO), Surat Pesanan (SP), *Delivery Order* (DO), *Packing List* (PL), dan *Fulfillment Line Items*. Proses ini telah meningkatkan integritas data untuk analisis lebih lanjut. Meskipun demikian, ditemukan anomali pada kolom tanggal yang menghasilkan durasi negatif dalam alur pemenuhan, mengindikasikan potensi masalah pencatatan atau data. #### 2. Gambaran Umum Operasional Pemenuhan * **Tingkat Pemenuhan Tinggi:** Mayoritas pesanan berhasil dipenuhi. Tingkat pembatalan sangat rendah di semua tahapan proses: * *Repeat Order* (RO): 0.7% * *Sales Order Header* (SP Header): 0.9% * *Delivery Order* (DO): 0.4% * *Sales Order Detail* (Item Baris SP): 1.3% * **Discrepancy Kuantitas RO-SP:** Terdapat perbedaan kuantitas antara *Repeat Order* (RO) dan *Sales Order* (SP) pada 2,087 item baris. Total 14,137 unit lebih banyak diminta di RO dibandingkan yang tercatat di SP, menunjukkan potensi kehilangan atau modifikasi pesanan saat transisi RO ke SP. Namun, kuantitas SP dan DO konsisten, menunjukkan akurasi proses dari SP ke DO. * **Anomali Durasi Pemenuhan:** * **Logbook ke Ekspedisi:** Sekitar 26,8% item baris menunjukkan *Tgl Ekspedisi* terjadi sebelum *Tgl Logbook* (rata-rata -0,25 hari, minimal -31 hari). Ini menunjukkan inkonsistensi kronologis yang signifikan, mungkin karena pencatatan yang tidak berurutan atau definisi proses yang tidak jelas. * **Ekspedisi ke Diterima:** Sekitar 2,2% item baris menunjukkan *Tgl Diterima* terjadi sebelum *Tgl Ekspedisi* (rata-rata -484,50 hari, minimal -20,636 hari). Anomali ekstrim ini sangat mungkin disebabkan oleh masalah kualitas data (misalnya, nilai *default* tanggal yang salah) yang memerlukan investigasi lebih lanjut. #### 3. Perilaku Penjualan Berdasarkan Kategori * **Divisi Produk:** Divisi PHARMANET mendominasi nilai penjualan dan kuantitas, namun VIBRANT PBF menunjukkan rata-rata nilai dan kuantitas per RO yang jauh lebih tinggi (Rp 40,562,573 dan 1,404 unit per RO), mengindikasikan segmen pasar yang berbeda dengan pesanan bernilai tinggi. * **Produk Pharos Group (Pharos YN):** Produk dari Pharos Group (Y) menyumbang sebagian besar dari total nilai RO (Rp 33,085,676,228) dan total kuantitas RO (1,037,869 unit), serta memiliki rata-rata nilai dan kuantitas per RO yang lebih tinggi dibandingkan produk non-Pharos. * **Partisipasi Apotek Online (AO YN):** Outlet yang tidak berpartisipasi dalam program Apotek Online (N) menghasilkan nilai penjualan dan kuantitas total yang lebih besar (Rp 37,903,077,146 dan 1,083,615 unit). Namun, outlet yang berpartisipasi (Y) memiliki rata-rata nilai RO yang sedikit lebih rendah. Ini menunjukkan pasar dan kebutuhan yang berbeda antara outlet *online* dan tradisional. * **Metode Pembayaran:** BCA Virtual Account adalah metode pembayaran dominan, menyumbang Rp 42,124,313,088 dari total nilai RO dan memiliki rata-rata nilai RO tertinggi (Rp 3,541,644). #### 4. Segmentasi Outlet Tiga klaster outlet telah diidentifikasi berdasarkan perilaku pembelian mereka: * **Klaster 0 (Pembeli Umum):** Kelompok terbesar (3,788 outlet) dengan nilai dan kuantitas pembelian rata-rata. Menunjukkan preferensi sedang terhadap produk Pharos dan 100% produk dari divisi PHARMANET. Partisipasi Apotek Online moderat (32,97%). * **Klaster 1 (Fokus Pharos, Non-PHARMANET):** Kelompok kedua terbesar (1,260 outlet) dengan nilai/kuantitas rata-rata mirip Klaster 0, namun hampir tidak membeli produk PHARMANET dan memiliki preferensi lebih tinggi untuk produk Pharos (57,54%). Partisipasi Apotek Online sangat rendah (2,94%). Ini mungkin merepresentasikan outlet spesialis atau non-tradisional. * **Klaster 2 (Pembeli Niche Bernilai Tinggi):** Kelompok terkecil (14 outlet) namun sangat signifikan, dengan rata-rata nilai RO (Rp 495,247,410) dan kuantitas (17,146 unit) yang sangat tinggi. Preferensi sangat kuat terhadap produk Pharos (99,54%) dan tidak ada produk PHARMANET. Tidak ada partisipasi Apotek Online. Ini adalah pelanggan kunci dengan volume pembelian besar. #### 5. Tren Penjualan Bulanan Data penjualan didominasi oleh bulan Juni 2026. Divisi PHARMANET dan produk Pharos Group (Y) merupakan kontributor utama nilai dan kuantitas penjualan. Divisi VIBRANT PBF, meskipun dengan jumlah RO yang lebih sedikit, menunjukkan nilai RO total yang sangat tinggi, menegaskan statusnya sebagai segmen dengan transaksi bernilai besar. ### Rekomendasi 1. **Investigasi Anomali Data:** Segera selidiki penyebab durasi negatif pada tahapan `Logbook to Ekspedisi` dan `Ekspedisi to Diterima`. Ini mungkin mengindikasikan kesalahan entri data, perbedaan zona waktu, atau proses bisnis yang tidak standar. Perbaiki proses pencatatan atau klarifikasi definisi tahapan untuk memastikan integritas data waktu. 2. **Perbaikan Proses RO-SP:** Analisis mengapa terjadi discrepancy kuantitas antara *Repeat Order* dan *Sales Order*. Apakah ada persetujuan pengurangan kuantitas yang tidak tercatat, atau proses internal yang menyebabkan hilangnya bagian dari pesanan asli? Meminimalisir discrepancy ini dapat meningkatkan kepuasan pelanggan dan akurasi inventaris. 3. **Strategi Penjualan Berbasis Segmentasi Outlet:** * **Klaster 0 (Pembeli Umum):** Pertimbangkan program loyalitas atau promosi umum yang menarik bagi mayoritas pelanggan. * **Klaster 1 (Fokus Pharos, Non-PHARMANET):** Kembangkan strategi penjualan yang menargetkan preferensi produk Pharos dan eksplorasi peluang di luar divisi PHARMANET. * **Klaster 2 (Pembeli Niche Bernilai Tinggi):** Perlakukan kelompok ini sebagai akun kunci (key accounts). Berikan layanan personalisasi, penawaran eksklusif, dan pastikan kelancaran rantai pasok untuk pesanan bervolume tinggi mereka. 4. **Optimasi Portofolio Produk:** Manfaatkan dominasi produk Pharos Group dan Divisi PHARMANET untuk strategi *cross-selling* dan *up-selling*. Pertimbangkan juga promosi produk VIBRANT PBF yang memiliki nilai pesanan rata-rata tinggi. 5. **Peningkatan Partisipasi Apotek Online:** Pahami mengapa outlet non-Apotek Online berkontribusi lebih besar terhadap penjualan. Apakah ada fitur atau insentif yang dapat ditingkatkan untuk mendorong partisipasi dan kinerja penjualan dari outlet Apotek Online? 6. **Analisis Korelasi Produk:** Lanjutkan upaya untuk mengidentifikasi aturan asosiasi produk (*product association rules*) untuk menemukan produk-produk yang sering dibeli bersama. Ini akan mendukung strategi bundling dan penempatan produk yang efektif untuk meningkatkan penjualan. --- **CSV Download Links:** [Download CSV: normalized_outlets_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_column_summary_58a9f0c2.csv) [Download CSV: normalized_outlets_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_AO YN_frequency_70eab8c6.csv) [Download CSV: normalized_products_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_column_summary_1515b729.csv) [Download CSV: normalized_products_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_numerical_stats_c39061b1.csv) [Download CSV: normalized_products_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Divisi_frequency_7f5611a2.csv) [Download CSV: normalized_products_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Pharos YN_frequency_4662e413.csv) [Download CSV: normalized_orders_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_column_summary_3d689ada.csv) [Download CSV: normalized_orders_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_numerical_stats_2c95cef4.csv) [Download CSV: normalized_orders_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_aggregated_values_9fa1edc5.csv) [Download CSV: normalized_orders_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_frequency_248dbd51.csv) [Download CSV: normalized_orders_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_aggregated_values_3364caa6.csv) [Download CSV: normalized_orders_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_frequency_fb710fb1.csv) [Download CSV: normalized_orders_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_aggregated_values_4cf9137e.csv) [Download CSV: normalized_orders_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_frequency_ac9b6137.csv) [Download CSV: normalized_sps_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_column_summary_9b301ba9.csv) [Download CSV: normalized_sps_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_numerical_stats_d08d1692.csv) [Download CSV: normalized_sps_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_Sts SP Header_frequency_13d452e8.csv) [Download CSV: normalized_dos_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_column_summary_c699ffa9.csv) [Download CSV: normalized_dos_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Status DO_frequency_c785b22b.csv) [Download CSV: normalized_dos_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Asal Gudang_frequency_e859669c.csv) [Download CSV: normalized_dos_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Nama Ekspedisi_frequency_f8487cc0.csv) [Download CSV: normalized_pls_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_column_summary_89fdb050.csv) [Download CSV: normalized_pls_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_numerical_stats_8b6c5173.csv) [Download CSV: normalized_fulfillment_line_items_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_column_summary_e056ef15.csv) [Download CSV: normalized_fulfillment_line_items_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_numerical_stats_ec1d2a34.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_aggregated_values_6beb0eb4.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_frequency_43463195.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_aggregated_values_dbcb44ce.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_frequency_d484c953.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_aggregated_values_c0919343.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_frequency_352fba11.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_aggregated_values_a6454b39.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_frequency_e04bcea6.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_aggregated_values_2300ffbb.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_frequency_0d1fb7ff.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_aggregated_values_eb74d4b8.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_frequency_a110929c.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_aggregated_values_f40145d7.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_frequency_9b59f927.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values_9a04b0ce.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_frequency_129bdfa8.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_aggregated_values_7b496c46.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_frequency_a379e2b9.csv) [Download CSV: normalized_fulfillment_line_items_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_aggregated_values_bad2b7db.csv) [Download CSV: normalized_fulfillment_line_items_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_frequency_6bffe1dd.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_aggregated_values_239259c7.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_frequency_46640edd.csv) [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv) [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) [Download CSV: Outlet Cluster Assignments](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_assignments_b5ab5082.csv) [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) [Download CSV: Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/fulfillment_stage_duration_analysis_1ee8a70b.csv) [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) [Download CSV: Anomalous Logbook to Ekspedisi Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_logbook_ekspedisi_sample_b54b2504.csv) [Download CSV: Anomalous Ekspedisi to Diterima Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_ekspedisi_diterima_sample_b44333c1.csv)## 1. Ringkasan Eksekutif Ringkasan Eksekutif ini menyajikan hasil analisis data awal terkait pemenuhan pesanan pelanggan, dengan tujuan mengidentifikasi wawasan tersembunyi untuk peningkatan kinerja, penjualan, dan korelasi produk. Data yang dianalisis telah melalui proses pembersihan dan normalisasi yang ekstensif untuk memastikan akurasi dan konsistensi. ### Pendahuluan Analisis Eksplorasi Data (EDA) ini berfokus pada data operasional pemenuhan pesanan untuk mengidentifikasi tren, anomali, dan peluang strategis. Laporan ini memberikan gambaran komprehensif tentang performa operasional, perilaku pembelian pelanggan, dan karakteristik produk, yang pada akhirnya akan mendukung pengambilan keputusan yang lebih baik. ### Temuan Kunci #### 1. Kualitas Data dan Struktur Data telah berhasil dinormalisasi menjadi beberapa entitas terpisah seperti Outlet, Produk, Pesanan Berulang (RO), Surat Pesanan (SP), *Delivery Order* (DO), *Packing List* (PL), dan *Fulfillment Line Items*. Proses ini telah meningkatkan integritas data untuk analisis lebih lanjut. Meskipun demikian, ditemukan anomali pada kolom tanggal yang menghasilkan durasi negatif dalam alur pemenuhan, mengindikasikan potensi masalah pencatatan atau data. #### 2. Gambaran Umum Operasional Pemenuhan * **Tingkat Pemenuhan Tinggi:** Mayoritas pesanan berhasil dipenuhi. Tingkat pembatalan sangat rendah di semua tahapan proses: * *Repeat Order* (RO): 0,7% * *Sales Order Header* (SP Header): 0,9% * *Delivery Order* (DO): 0,4% * *Sales Order Detail* (Item Baris SP): 1,3% * **Discrepancy Kuantitas RO-SP:** Terdapat perbedaan kuantitas antara *Repeat Order* (RO) dan *Sales Order* (SP) pada 2,087 item baris. Total 14,137 unit lebih banyak diminta di RO dibandingkan yang tercatat di SP, menunjukkan potensi kehilangan atau modifikasi pesanan saat transisi RO ke SP. Namun, kuantitas SP dan DO konsisten, menunjukkan akurasi proses dari SP ke DO. * **Anomali Durasi Pemenuhan:** * **Logbook ke Ekspedisi:** Sekitar 26,8% item baris menunjukkan *Tgl Ekspedisi* terjadi sebelum *Tgl Logbook* (rata-rata -0,25 hari, minimal -31 hari). Ini menunjukkan inkonsistensi kronologis yang signifikan, mungkin karena pencatatan yang tidak berurutan atau definisi proses yang tidak jelas. * **Ekspedisi ke Diterima:** Sekitar 2,2% item baris menunjukkan *Tgl Diterima* terjadi sebelum *Tgl Ekspedisi* (rata-rata -484,50 hari, minimal -20,636 hari). Anomali ekstrim ini sangat mungkin disebabkan oleh masalah kualitas data (misalnya, nilai *default* tanggal yang salah) yang memerlukan investigasi lebih lanjut. #### 3. Perilaku Penjualan Berdasarkan Kategori * **Divisi Produk:** Divisi PHARMANET mendominasi nilai penjualan dan kuantitas, namun VIBRANT PBF menunjukkan rata-rata nilai dan kuantitas per RO yang jauh lebih tinggi (Rp 40,562,573 dan 1,404 unit per RO), mengindikasikan segmen pasar yang berbeda dengan pesanan bernilai tinggi. * **Produk Pharos Group (Pharos YN):** Produk dari Pharos Group (Y) menyumbang sebagian besar dari total nilai RO (Rp 33,085,676,228) dan total kuantitas RO (1,037,869 unit), serta memiliki rata-rata nilai dan kuantitas per RO yang lebih tinggi dibandingkan produk non-Pharos. * **Partisipasi Apotek Online (AO YN):** Outlet yang tidak berpartisipasi dalam program Apotek Online (N) menghasilkan nilai penjualan dan kuantitas total yang lebih besar (Rp 37,903,077,146 dan 1,083,615 unit). Namun, outlet yang berpartisipasi (Y) memiliki rata-rata nilai RO yang sedikit lebih rendah. Ini menunjukkan pasar dan kebutuhan yang berbeda antara outlet *online* dan tradisional. * **Metode Pembayaran:** BCA Virtual Account adalah metode pembayaran dominan, menyumbang Rp 42,124,313,088 dari total nilai RO dan memiliki rata-rata nilai RO tertinggi (Rp 3,541,644). #### 4. Segmentasi Outlet Tiga klaster outlet telah diidentifikasi berdasarkan perilaku pembelian mereka: * **Klaster 0 (Pembeli Umum):** Kelompok terbesar (3,788 outlet) dengan nilai dan kuantitas pembelian rata-rata. Menunjukkan preferensi sedang terhadap produk Pharos dan 100% produk dari divisi PHARMANET. Partisipasi Apotek Online moderat (32,97%). * **Klaster 1 (Fokus Pharos, Non-PHARMANET):** Kelompok kedua terbesar (1,260 outlet) dengan nilai/kuantitas rata-rata mirip Klaster 0, namun hampir tidak membeli produk PHARMANET dan memiliki preferensi lebih tinggi untuk produk Pharos (57,54%). Partisipasi Apotek Online sangat rendah (2,94%). Ini mungkin merepresentasikan outlet spesialis atau non-tradisional. * **Klaster 2 (Pembeli Niche Bernilai Tinggi):** Kelompok terkecil (14 outlet) namun sangat signifikan, dengan rata-rata nilai RO (Rp 495,247,410) dan kuantitas (17,146 unit) yang sangat tinggi. Preferensi sangat kuat terhadap produk Pharos (99,54%) dan tidak ada produk PHARMANET. Tidak ada partisipasi Apotek Online. Ini adalah pelanggan kunci dengan volume pembelian besar. #### 5. Tren Penjualan Bulanan Data penjualan didominasi oleh bulan Juni 2026. Divisi PHARMANET dan produk Pharos Group (Y) merupakan kontributor utama nilai dan kuantitas penjualan. Divisi VIBRANT PBF, meskipun dengan jumlah RO yang lebih sedikit, menunjukkan nilai RO total yang sangat tinggi, menegaskan statusnya sebagai segmen dengan transaksi bernilai besar. ### Rekomendasi 1. **Investigasi Anomali Data:** Segera selidiki penyebab durasi negatif pada tahapan `Logbook to Ekspedisi` dan `Ekspedisi to Diterima`. Ini mungkin mengindikasikan kesalahan entri data, perbedaan zona waktu, atau proses bisnis yang tidak standar. Perbaiki proses pencatatan atau klarifikasi definisi tahapan untuk memastikan integritas data waktu. 2. **Perbaikan Proses RO-SP:** Analisis mengapa terjadi discrepancy kuantitas antara *Repeat Order* dan *Sales Order*. Apakah ada persetujuan pengurangan kuantitas yang tidak tercatat, atau proses internal yang menyebabkan hilangnya bagian dari pesanan asli? Meminimalisir discrepancy ini dapat meningkatkan kepuasan pelanggan dan akurasi inventaris. 3. **Strategi Penjualan Berbasis Segmentasi Outlet:** * **Klaster 0 (Pembeli Umum):** Pertimbangkan program loyalitas atau promosi umum yang menarik bagi mayoritas pelanggan. * **Klaster 1 (Fokus Pharos, Non-PHARMANET):** Kembangkan strategi penjualan yang menargetkan preferensi produk Pharos dan eksplorasi peluang di luar divisi PHARMANET. * **Klaster 2 (Pembeli Niche Bernilai Tinggi):** Perlakukan kelompok ini sebagai akun kunci (*key accounts*). Berikan layanan personalisasi, penawaran eksklusif, dan pastikan kelancaran rantai pasok untuk pesanan bervolume tinggi mereka. 4. **Optimasi Portofolio Produk:** Manfaatkan dominasi produk Pharos Group dan Divisi PHARMANET untuk strategi *cross-selling* dan *up-selling*. Pertimbangkan juga promosi produk VIBRANT PBF yang memiliki nilai pesanan rata-rata tinggi. 5. **Peningkatan Partisipasi Apotek Online:** Pahami mengapa outlet non-Apotek Online berkontribusi lebih besar terhadap penjualan. Apakah ada fitur atau insentif yang dapat ditingkatkan untuk mendorong partisipasi dan kinerja penjualan dari outlet Apotek Online? 6. **Analisis Korelasi Produk:** Lanjutkan upaya untuk mengidentifikasi aturan asosiasi produk (*product association rules*) untuk menemukan produk-produk yang sering dibeli bersama. Ini akan mendukung strategi *bundling* dan penempatan produk yang efektif untuk meningkatkan penjualan. --- **CSV Download Links:** [Download CSV: normalized_outlets_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_column_summary_58a9f0c2.csv) [Download CSV: normalized_outlets_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_AO YN_frequency_70eab8c6.csv) [Download CSV: normalized_products_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_column_summary_1515b729.csv) [Download CSV: normalized_products_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_numerical_stats_c39061b1.csv) [Download CSV: normalized_products_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Divisi_frequency_7f5611a2.csv) [Download CSV: normalized_products_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Pharos YN_frequency_4662e413.csv) [Download CSV: normalized_orders_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_column_summary_3d689ada.csv) [Download CSV: normalized_orders_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_numerical_stats_2c95cef4.csv) [Download CSV: normalized_orders_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_aggregated_values_9fa1edc5.csv) [Download CSV: normalized_orders_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_frequency_248dbd51.csv) [Download CSV: normalized_orders_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_aggregated_values_3364caa6.csv) [Download CSV: normalized_orders_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_frequency_fb710fb1.csv) [Download CSV: normalized_orders_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_aggregated_values_4cf9137e.csv) [Download CSV: normalized_orders_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_frequency_ac9b6137.csv) [Download CSV: normalized_sps_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_column_summary_9b301ba9.csv) [Download CSV: normalized_sps_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_numerical_stats_d08d1692.csv) [Download CSV: normalized_sps_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_Sts SP Header_frequency_13d452e8.csv) [Download CSV: normalized_dos_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_column_summary_c699ffa9.csv) [Download CSV: normalized_dos_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Status DO_frequency_c785b22b.csv) [Download CSV: normalized_dos_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Asal Gudang_frequency_e859669c.csv) [Download CSV: normalized_dos_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Nama Ekspedisi_frequency_f8487cc0.csv) [Download CSV: normalized_pls_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_column_summary_89fdb050.csv) [Download CSV: normalized_pls_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_numerical_stats_8b6c5173.csv) [Download CSV: normalized_fulfillment_line_items_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_column_summary_e056ef15.csv) [Download CSV: normalized_fulfillment_line_items_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_numerical_stats_ec1d2a34.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_aggregated_values_6beb0eb4.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_frequency_43463195.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_aggregated_values_dbcb44ce.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_frequency_d484c953.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_aggregated_values_c0919343.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_frequency_352fba11.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_aggregated_values_a6454b39.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_frequency_e04bcea6.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_aggregated_values_2300ffbb.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_frequency_0d1fb7ff.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_aggregated_values_eb74d4b8.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_frequency_a110929c.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_aggregated_values_f40145d7.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_frequency_9b59f927.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values_9a04b0ce.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_frequency_129bdfa8.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_aggregated_values_7b496c46.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_frequency_a379e2b9.csv) [Download CSV: normalized_fulfillment_line_items_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_aggregated_values_bad2b7db.csv) [Download CSV: normalized_fulfillment_line_items_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_frequency_6bffe1dd.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_aggregated_values_239259c7.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_frequency_46640edd.csv) [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv) [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) [Download CSV: Outlet Cluster Assignments](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_assignments_b5ab5082.csv) [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) [Download CSV: Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/fulfillment_stage_duration_analysis_1ee8a70b.csv) [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) [Download CSV: Anomalous Logbook to Ekspedisi Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_logbook_ekspedisi_sample_b54b2504.csv) [Download CSV: Anomalous Ekspedisi to Diterima Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_ekspedisi_diterima_sample_b44333c1.csv) ## 2. Kualitas Data & Pra-pemrosesan Bagian ini menguraikan langkah-langkah yang diambil untuk memastikan kualitas data dan proses pra-pemrosesan yang diterapkan pada *dataset* awal. Tujuannya adalah untuk membersihkan data, mengelola nilai yang hilang, mengubah tipe data yang tidak konsisten, dan menormalisasi struktur data agar siap untuk analisis yang lebih mendalam. ### 2.1. Proses Pra-pemrosesan Data Awal Langkah-langkah pra-pemrosesan awal difokuskan pada pembersihan dan penyesuaian dasar *dataset* `omg_10003_b1_sheet1` sebelum normalisasi lebih lanjut. Detail prosesnya adalah sebagai berikut: * **Penghapusan Duplikasi:** Data diperiksa untuk baris duplikat yang persis sama. Dalam *dataset* ini, tidak ditemukan baris duplikat, menunjukkan bahwa entri data awal cenderung unik atau duplikasi sudah ditangani sebelumnya. * **Konversi Tipe Data Tanggal:** Kolom-kolom yang berisi informasi tanggal (`Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, `Lastupdate`) telah diubah ke format `datetime`. * Beberapa kolom tanggal seperti `Tgl. Order`, `Tgl. SP`, dan `Lastupdate` berhasil dikonversi tanpa memperkenalkan nilai `NaT` (Not a Time), yang berarti semua entri valid. * Namun, konversi untuk `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, dan `Tgl Diterima` memperkenalkan sejumlah nilai `NaT`. Ini menunjukkan adanya entri tanggal yang tidak valid atau format yang tidak dikenal dalam data asli, yang tidak dapat diuraikan menjadi tanggal yang sah. Secara spesifik, 365 `NaT` pada `Tgl DO` dan `Tgl. PL`, 585 `NaT` pada `Tgl Logbook`, 460 `NaT` pada `Tgl Ekspedisi`, dan 10.385 `NaT` pada `Tgl Diterima` teridentifikasi setelah konversi. * **Penanganan Nilai Hilang (Null/NaN):** * Kolom teks seperti `Keterangan` dan `Nama Penerima` yang diabaikan dalam analisis utama, serta kolom teks relevan lainnya seperti `Nomor Resi`, `Nama Ekspedisi`, `No. DO`, `No. PL`, `No. SP` diisi dengan string kosong ('') untuk memastikan konsistensi dalam representasi teks. Sebanyak 131.315 nilai nol (null) di `Keterangan` dan `Nama Penerima` berhasil diisi. * Untuk kolom numerik (`Procod`, `Qty RO`, `No. RO`, `Qty SP`, `Qty DO`, `Value PL`, `Value RO`), nilai `NaN` yang mungkin muncul (misalnya dari konversi ke numerik yang gagal) diisi dengan nilai median dari kolom masing-masing. Ini bertujuan untuk menjaga distribusi data dan menghindari bias yang mungkin timbul dari pengisian dengan nilai nol atau mean. Sebagai contoh, 1.740 null di kolom `Value PL` diisi dengan median (145.203). Secara keseluruhan, proses pra-pemrosesan ini telah meningkatkan kebersihan dan konsistensi data, mempersiapkannya untuk tahap normalisasi dan analisis. ### 2.2. Normalisasi Struktur Data Setelah pembersihan awal, *dataset* tunggal dinormalisasi menjadi beberapa entitas logis untuk menciptakan lapisan semantik yang lebih terstruktur. Normalisasi ini memungkinkan analisis yang lebih akurat dengan mengurangi redundansi dan meningkatkan integritas data, serta memudahkan *query* data pada entitas spesifik. Berikut adalah tabel-tabel normalisasi yang dibuat dan kolom-kolom yang diabaikan sesuai panduan bisnis: * **Kolom yang Diabaikan:** Kolom `Kel. Class`, `Nama Penerima`, dan `Keterangan` telah dihapus dari *dataset* karena dianggap tidak relevan untuk tujuan analisis ini atau karena instruksi eksplisit untuk mengabaikannya. * **Tabel Hasil Normalisasi:** * `normalized_outlets`: Berisi informasi unik tentang pelanggan (KodePI, OutCode, Cmc, Nama Outlet, AO YN). Dependensi fungsional untuk outlet (`KodePI` -> `OutCode`, `Cmc`, `Nama Outlet`, `AO YN`) telah dikonfirmasi. * `normalized_products`: Berisi informasi unik tentang produk (Procod, Prodes, Divisi, Pharos YN). Inkosistensi kecil pada `Divisi` dan `Pharos YN` telah ditangani dengan mengambil mode (nilai paling sering) untuk setiap `Procod`. * `normalized_orders`: Berisi informasi tingkat pesanan berulang (No. RO, KodePI, Tgl. Order, Value RO, Status RO, Payment, Lastupdate). Inkosistensi nilai telah diatasi melalui agregasi (rata-rata, mode, maksimum). * `normalized_sps`: Berisi informasi *header* surat pesanan (No. SP, No. RO, Tgl. SP, Sts SP Header). * `normalized_dos`: Berisi informasi *delivery order* (No. DO, No. SP, Status DO, Tgl DO, Asal Gudang, Tgl Logbook, Tgl Ekspedisi, Nama Ekspedisi, Nomor Resi, Tgl Diterima). * `normalized_pls`: Berisi informasi *packing list* (No. PL, No. DO, Tgl. PL, Value PL). Dependensi fungsional untuk *packing list* (`No. PL` -> `No. DO`, `Tgl. PL`) telah dikonfirmasi. * `normalized_fulfillment_line_items`: Tabel ini mempertahankan granularitas baris item dari data asli, menghubungkan semua entitas yang dinormalisasi untuk analisis detail proses pemenuhan. Untuk semua analisis berikutnya, `normalized_orders` akan digunakan untuk metrik tingkat pesanan, `normalized_products` untuk metrik deskriptif tingkat produk, `normalized_outlets` untuk metrik tingkat outlet, dan `normalized_sps`, `normalized_dos`, `normalized_pls` untuk metrik tingkat *header* masing-masing dokumen. `normalized_fulfillment_line_items` akan digunakan untuk metrik detail baris item. ### 2.3. Analisis Kualitas Data Pasca-Normalisasi Setelah normalisasi, dilakukan analisis deskriptif pada setiap tabel untuk memahami strukturnya, mengidentifikasi nilai nol, dan menganalisis distribusi data. #### 2.3.1. Ringkasan Kualitas Data per Tabel Berikut adalah ringkasan kualitas data untuk setiap tabel yang dinormalisasi, termasuk jumlah baris, jumlah nilai unik, dan persentase nilai nol untuk setiap kolom: **Tabel: `normalized_outlets`** * Total Baris: 5,062 | column_name | data_type | unique_values | Null % | |:------------|:----------|--------------:|:-------| | KodePI | str | 5,062 | 0.0% | | OutCode | str | 5,062 | 0.0% | | Cmc | str | 4,698 | 0.0% | | Nama Outlet | str | 4,619 | 0.0% | | AO YN | str | 2 | 0.0% | **Tabel: `normalized_products`** * Total Baris: 1,439 | column_name | data_type | unique_values | Null % | |:------------|:----------|--------------:|:-------| | Procod | int64 | 1,439 | 0.0% | | Prodes | str | 1,439 | 0.0% | | Divisi | str | 2 | 0.0% | | Pharos YN | str | 2 | 0.0% | **Tabel: `normalized_orders`** * Total Baris: 20,645 | column_name | data_type | unique_values | Null % | |:------------|:----------|--------------:|:-------| | No. RO | int64 | 20,645 | 0.0% | | KodePI | str | 5,062 | 0.0% | | Tgl. Order | str | 20,434 | 0.0% | | Value RO | float64 | 19,636 | 0.0% | | Status RO | str | 2 | 0.0% | | Payment | str | 4 | 0.0% | | Lastupdate | str | 1 | 0.0% | **Tabel: `normalized_sps`** * Total Baris: 23,615 | column_name | data_type | unique_values | Null % | |:--------------|:----------|--------------:|:-------| | No. SP | str | 23,615 | 0.0% | | No. RO | int64 | 20,645 | 0.0% | | Tgl. SP | str | 18,881 | 0.0% | | Sts SP Header | str | 2 | 0.0% | **Tabel: `normalized_dos`** * Total Baris: 23,490 | column_name | data_type | unique_values | Null % | |:---------------|:----------|--------------:|:-------| | No. DO | str | 23,490 | 0.0% | | No. SP | str | 23,490 | 0.0% | | Status DO | str | 2 | 0.0% | | Tgl DO | str | 23,167 | 0.0% | | Asal Gudang | str | 20 | 0.0% | | Tgl Logbook | str | 3,146 | 0.3% | | Tgl Ekspedisi | str | 13,671 | 0.1% | | Nama Ekspedisi | str | 26 | 0.0% | | Nomor Resi | str | 18,726 | 0.0% | | Tgl Diterima | str | 14,496 | 6.6% | **Tabel: `normalized_pls`** * Total Baris: 23,490 | column_name | data_type | unique_values | Null % | |:------------|:----------|--------------:|:-------| | No. PL | str | 23,490 | 0.0% | | No. DO | str | 23,490 | 0.0% | | Tgl. PL | str | 23,167 | 0.0% | | Value PL | int64 | 7,469 | 0.0% | **Tabel: `normalized_fulfillment_line_items`** * Total Baris: 131,315 | column_name | data_type | unique_values | Null % | |:---------------|:----------|--------------:|:-------| | KodePI | str | 5,062 | 0.0% | | OutCode | str | 5,062 | 0.0% | | Cmc | str | 4,698 | 0.0% | | Nama Outlet | str | 4,619 | 0.0% | | Procod | int64 | 1,439 | 0.0% | | Prodes | str | 1,439 | 0.0% | | Divisi | str | 5 | 0.0% | | Pharos YN | str | 2 | 0.0% | | Qty RO | int64 | 302 | 0.0% | | Tgl. Order | str | 20,434 | 0.0% | | No. RO | int64 | 20,645 | 0.0% | | No. SP | str | 23,615 | 0.0% | | Sts SP Header | str | 2 | 0.0% | | Sts SP Detail | str | 2 | 0.0% | | Tgl. SP | str | 18,881 | 0.0% | | Qty SP | int64 | 306 | 0.0% | | No. DO | str | 23,490 | 0.0% | | Status DO | str | 2 | 0.0% | | Tgl DO | str | 23,167 | 0.3% | | Qty DO | int64 | 306 | 0.0% | | No. PL | str | 23,490 | 0.0% | | Tgl. PL | str | 23,167 | 0.3% | | Value PL | int64 | 16,127 | 0.0% | | Value RO | int64 | 16,356 | 0.0% | | Status RO | str | 2 | 0.0% | | Tgl Logbook | str | 3,146 | 0.5% | | Tgl Ekspedisi | str | 13,672 | 0.4% | | Asal Gudang | str | 21 | 0.0% | | Nomor Resi | str | 18,730 | 0.0% | | Nama Ekspedisi | str | 26 | 0.0% | | Tgl Diterima | str | 14,496 | 7.9% | | AO YN | str | 2 | 0.0% | | Payment | str | 4 | 0.0% | | Lastupdate | str | 1 | 0.0% | Dari ringkasan di atas, terlihat bahwa sebagian besar kolom memiliki kualitas data yang baik setelah pra-pemrosesan dan normalisasi, dengan persentase nilai nol yang rendah atau tidak ada sama sekali. Namun, beberapa anomali penting perlu disoroti. #### 2.3.2. Anomali dan Inkonsistensi Kualitas Data Meskipun sebagian besar data telah dibersihkan, terdapat beberapa anomali dan inkonsistensi yang ditemukan, terutama terkait dengan kolom tanggal dan kuantitas, yang memerlukan perhatian lebih lanjut: 1. **Nilai Nol Signifikan pada Kolom Tanggal Pengiriman:** * Kolom `Tgl Diterima` memiliki persentase nilai nol yang relatif tinggi: 6.6% di `normalized_dos` dan 7.9% di `normalized_fulfillment_line_items`. Ini menunjukkan bahwa data tanggal penerimaan barang sering kali tidak tercatat, yang dapat menghambat analisis durasi *end-to-end* proses pemenuhan. * Kolom `Tgl Logbook` dan `Tgl Ekspedisi` juga menunjukkan sejumlah kecil nilai nol (sekitar 0.1-0.5%). Meskipun lebih rendah, ini tetap menjadi area yang perlu diperhatikan untuk menjaga kelengkapan informasi logistik. 2. **Inkonsistensi Durasi Pemenuhan (Durasi Negatif):** Analisis durasi antar tahap pemenuhan (setelah *re-evaluasi* yang lebih *robust* untuk penanganan `NaT`) mengungkapkan inkonsistensi kronologis yang signifikan: * **Durasi Logbook ke Ekspedisi (Tgl Ekspedisi < Tgl Logbook):** Sebanyak 35.227 item baris (26.8% dari total) menunjukkan `Tgl Ekspedisi` terjadi sebelum `Tgl Logbook`. Rata-rata durasi tahap ini adalah -0.25 hari, dengan nilai minimum mencapai -31 hari. Anomali ini sangat mencolok dan dapat mengindikasikan: * **Kesalahan Pencatatan Data:** Kesalahan entri manual atau otomatis yang menyebabkan tanggal dan waktu tercatat secara tidak berurutan. * **Perbedaan Zona Waktu:** Jika sistem logbook dan ekspedisi beroperasi di zona waktu berbeda tanpa normalisasi. * **Definisi Proses yang Tidak Jelas:** Mungkin ada interpretasi yang berbeda tentang kapan "logbook" atau "ekspedisi" secara resmi dimulai/berakhir. * **Durasi Ekspedisi ke Diterima (Tgl Diterima < Tgl Ekspedisi):** Sekitar 2.846 item baris (2.2%) menunjukkan `Tgl Diterima` terjadi sebelum `Tgl Ekspedisi`. Rata-rata durasi ini adalah -484.50 hari, dengan nilai minimum yang sangat ekstrem (-20.636 hari). Anomali ekstrim ini sangat mungkin disebabkan oleh: * **Nilai *Default* Tanggal yang Salah:** Angka negatif yang sangat besar menunjukkan kemungkinan penggunaan nilai *placeholder* atau *default* (misalnya, epoch Unix 1 Januari 1970) untuk tanggal yang belum tersedia, yang kemudian diproses sebagai tanggal yang sangat lama di masa lalu. * **Masalah Sistem Integrasi:** Kesalahan dalam transfer data antar sistem yang menyebabkan tanggal yang tidak valid. **Contoh Anomalous Durations:** **Top 10 DOs dengan Durasi Negatif Terbesar (Logbook to Ekspedisi):** | No. DO | Min Logbook to Ekspedisi (Days) | |:-------------|--------------------------------:| | B32260600037 | -31 | | A75260601405 | -8 | | A63260601830 | -7 | | A69260600107 | -6 | | B03260600381 | -6 | | A69260600208 | -4 | | A69260600218 | -4 | | A65260600252 | -3 | | A65260600257 | -3 | | A47260600844 | -2 | **Top 10 DOs dengan Durasi Negatif Terbesar (Ekspedisi to Diterima):** | No. DO | Min Ekspedisi to Diterima (Days) | |:-------------|---------------------------------:| | A69260601203 | -20,636 | | A69260601205 | -20,636 | | A69260601228 | -20,636 | | A69260601229 | -20,636 | | A69260601237 | -20,636 | | A69260601256 | -20,636 | | A69260601271 | -20,636 | | A69260601275 | -20,636 | | A61260601622 | -20,635 | | A61260700016 | -20,635 | 3. **Discrepancy Kuantitas RO-SP:** * Analisis `Qty RO` (kuantitas pesanan awal) dan `Qty SP` (kuantitas surat pesanan) menunjukkan adanya perbedaan pada 2.087 item baris. * Total 14.137 unit lebih banyak diminta di RO daripada yang tercatat di SP, dan ada 161 unit lebih banyak di SP daripada di RO. Ini menunjukkan potensi kehilangan atau modifikasi kuantitas pesanan pada tahap transisi dari *Repeat Order* ke *Sales Order*. * Namun, tidak ada perbedaan antara `Qty SP` dan `Qty DO`, menunjukkan bahwa setelah SP dibuat, proses hingga *Delivery Order* cukup konsisten dalam hal kuantitas. 4. **Kolom `Lastupdate` yang Seragam:** * Kolom `Lastupdate` pada `normalized_orders` dan `normalized_fulfillment_line_items` hanya memiliki satu nilai unik (`2026-07-06 06:42:20.057000`). Ini mengindikasikan bahwa kolom ini kemungkinan besar mencerminkan waktu pembaruan *dataset* secara keseluruhan atau pembaruan massal terakhir, bukan waktu pembaruan spesifik untuk setiap catatan pesanan. Hal ini membatasi kegunaannya sebagai indikator aktivitas terkini pada setiap pesanan individu. ### 2.4. Rekomendasi Perbaikan Kualitas Data Berdasarkan anomali yang ditemukan, berikut adalah rekomendasi untuk perbaikan kualitas data dan proses: 1. **Investigasi Mendalam Durasi Negatif:** * Prioritaskan penyelidikan penyebab durasi negatif pada `Logbook to Ekspedisi` dan `Ekspedisi to Diterima`. Ini bisa melibatkan wawancara dengan tim operasional dan IT untuk memahami alur kerja pencatatan tanggal, potensi *bug* sistem, atau perbedaan zona waktu. * **Untuk `Ekspedisi to Diterima`:** Periksa sistem pencatatan `Tgl Diterima` untuk mengidentifikasi apakah ada nilai *default* yang tidak akurat (misalnya, tanggal epoch) yang secara otomatis diisi ketika data sebenarnya tidak ada. Jika ya, perbaiki mekanisme pengisian data ini. * **Untuk `Logbook to Ekspedisi`:** Klarifikasi definisi operasional `Tgl Logbook` dan `Tgl Ekspedisi`. Pastikan ada pemahaman yang seragam di antara staf pencatat data dan bahwa sistem mencerminkan urutan kronologis yang benar. 2. **Perbaikan Proses Penanganan Kuantitas RO-SP:** * Selidiki mengapa terjadi perbedaan kuantitas antara *Repeat Order* (`Qty RO`) dan *Sales Order* (`Qty SP`). Apakah ada proses persetujuan pengurangan atau penambahan kuantitas yang tidak tercatat secara eksplisit dalam sistem? Memahami akar masalah ini penting untuk meningkatkan akurasi pesanan dan mencegah potensi kehilangan penjualan atau masalah inventaris. 3. **Implementasi Validasi Data Tanggal:** * Menerapkan aturan validasi data pada saat entri tanggal di semua sistem yang terlibat dalam proses pemenuhan. Pastikan tanggal tidak dapat berada di masa lalu secara logis relatif terhadap tahap sebelumnya, atau menggunakan nilai *placeholder* yang jelas dan tidak akan mengacaukan perhitungan durasi. 4. **Klarifikasi Kolom `Lastupdate`:** * Jika `Lastupdate` dimaksudkan untuk melacak perubahan per baris, maka perlu diselidiki mengapa semua nilai seragam. Jika memang hanya untuk pembaruan *batch*, pastikan dokumentasi data mencerminkan hal tersebut dan pertimbangkan untuk menambahkan kolom `last_modified_at` yang *record-specific* untuk pelacakan yang lebih baik. 5. **Audit Data Secara Berkala:** * Lakukan audit data secara berkala untuk memantau kualitas data, terutama pada kolom-kolom yang telah diidentifikasi memiliki anomali. Ini akan membantu mencegah masalah kualitas data di masa mendatang dan memastikan keandalan analisis. --- **CSV Download Links:** [Download CSV: normalized_outlets_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_column_summary_58a9f0c2.csv) [Download CSV: normalized_outlets_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_AO YN_frequency_70eab8c6.csv) [Download CSV: normalized_products_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_column_summary_1515b729.csv) [Download CSV: normalized_products_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_numerical_stats_c39061b1.csv) [Download CSV: normalized_products_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Divisi_frequency_7f5611a2.csv) [Download CSV: normalized_products_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Pharos YN_frequency_4662e413.csv) [Download CSV: normalized_orders_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_column_summary_3d689ada.csv) [Download CSV: normalized_orders_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_numerical_stats_2c95cef4.csv) [Download CSV: normalized_orders_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_aggregated_values_9fa1edc5.csv) [Download CSV: normalized_orders_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_frequency_248dbd51.csv) [Download CSV: normalized_orders_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_aggregated_values_3364caa6.csv) [Download CSV: normalized_orders_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_frequency_fb710fb1.csv) [Download CSV: normalized_orders_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_aggregated_values_4cf9137e.csv) [Download CSV: normalized_orders_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_frequency_ac9b6137.csv) [Download CSV: normalized_sps_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_column_summary_9b301ba9.csv) [Download CSV: normalized_sps_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_numerical_stats_d08d1692.csv) [Download CSV: normalized_sps_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_Sts SP Header_frequency_13d452e8.csv) [Download CSV: normalized_dos_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_column_summary_c699ffa9.csv) [Download CSV: normalized_dos_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Status DO_frequency_c785b22b.csv) [Download CSV: normalized_dos_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Asal Gudang_frequency_e859669c.csv) [Download CSV: normalized_dos_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Nama Ekspedisi_frequency_f8487cc0.csv) [Download CSV: normalized_pls_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_column_summary_89fdb050.csv) [Download CSV: normalized_pls_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_numerical_stats_8b6c5173.csv) [Download CSV: normalized_fulfillment_line_items_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_column_summary_e056ef15.csv) [Download CSV: normalized_fulfillment_line_items_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_numerical_stats_ec1d2a34.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_aggregated_values_6beb0eb4.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_frequency_43463195.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_aggregated_values_dbcb44ce.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_frequency_d484c953.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_aggregated_values_c0919343.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_frequency_352fba11.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_aggregated_values_a6454b39.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_frequency_e04bcea6.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_aggregated_values_2300ffbb.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_frequency_0d1fb7ff.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_aggregated_values_eb74d4b8.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_frequency_a110929c.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_aggregated_values_f40145d7.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_frequency_9b59f927.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values_9a04b0ce.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_frequency_129bdfa8.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_aggregated_values_7b496c46.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_frequency_a379e2b9.csv) [Download CSV: normalized_fulfillment_line_items_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_aggregated_values_bad2b7db.csv) [Download CSV: normalized_fulfillment_line_items_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_frequency_6bffe1dd.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_aggregated_values_239259c7.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_frequency_46640edd.csv) [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv) [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) [Download CSV: Outlet Cluster Assignments](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_assignments_b5ab5082.csv) [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) [Download CSV: Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/fulfillment_stage_duration_analysis_1ee8a70b.csv) [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) [Download CSV: Anomalous Logbook to Ekspedisi Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_logbook_ekspedisi_sample_b54b2504.csv) [Download CSV: Anomalous Ekspedisi to Diterima Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_ekspedisi_diterima_sample_b44333c1.csv) ## 3. Tinjauan Umum Data Bab ini menyajikan tinjauan umum komprehensif mengenai karakteristik data setelah melalui tahap pra-pemrosesan dan normalisasi. Tujuan utama adalah untuk memahami struktur data, distribusi utama nilai-nilai dalam kolom kunci, serta memberikan gambaran awal tentang volume dan komposisi transaksi, outlet, dan produk yang tercatat. Informasi ini menjadi fondasi penting untuk analisis lebih lanjut dalam bab-bab berikutnya. ### 3.1. Struktur Data yang Dinormalisasi Data pemenuhan pesanan pelanggan yang awalnya kompleks telah berhasil dinormalisasi menjadi beberapa tabel yang saling terkait, merepresentasikan entitas bisnis yang berbeda. Pendekatan ini mengurangi redundansi data dan meningkatkan integritas relasional, memungkinkan analisis yang lebih terfokus dan akurat. Entitas utama dalam skema data yang dinormalisasi meliputi: * **`normalized_outlets`**: Berisi 5.062 data unik pelanggan. Tabel ini mengidentifikasi setiap outlet dengan informasi dasar seperti kode unik, nama, dan partisipasi dalam program Apotek Online (AO YN). * **`normalized_products`**: Berisi 1.439 data unik produk. Tabel ini merinci setiap produk dengan kode, deskripsi, divisi penjualan, dan status apakah produk tersebut diproduksi oleh Pharos Group (Pharos YN). * **`normalized_orders`**: Berisi 20.645 data unik pesanan berulang (Repeat Order/RO). Tabel ini menyediakan detail pesanan awal dari pelanggan, termasuk tanggal, total nilai, status, dan metode pembayaran. * **`normalized_sps`**: Berisi 23.615 data unik surat pesanan (Sales Order/SP). Satu RO dapat menghasilkan beberapa SP, mencerminkan pemisahan pesanan untuk tujuan logistik. * **`normalized_dos`**: Berisi 23.490 data unik *delivery order* (DO). Setiap SP idealnya menghasilkan satu DO, yang mencatat detail pengiriman barang dari gudang. * **`normalized_pls`**: Berisi 23.490 data unik *packing list* (PL). Dokumen ini berfungsi sebagai lampiran administratif untuk DO. * **`normalized_fulfillment_line_items`**: Berisi 131.315 baris data detail pemenuhan. Tabel ini merupakan tabel fakta utama yang menghubungkan semua entitas lain pada tingkat item baris, memungkinkan analisis granular dari setiap produk dalam setiap tahap pemenuhan. ### 3.2. Distribusi Data Kunci Bagian ini meninjau distribusi nilai-nilai dalam kolom-kolom utama dari tabel-tabel yang dinormalisasi. #### 3.2.1. Gambaran Umum Outlet Pelanggan (`normalized_outlets`) Terdapat total 5.062 outlet pelanggan unik dalam dataset. Informasi kunci mengenai partisipasi mereka dalam program Apotek Online adalah sebagai berikut: **Kolom: `AO YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 3.776 | 74.6% | | Y | 1.286 | 25.4% | Sebagian besar outlet (74.6%) tidak berpartisipasi dalam program Apotek Online, menunjukkan bahwa mayoritas transaksi berasal dari saluran penjualan tradisional. #### 3.2.2. Gambaran Umum Produk (`normalized_products`) Dataset mencakup 1.439 produk unik. Distribusi produk berdasarkan divisi dan status produksi oleh Pharos Group adalah sebagai berikut: **Kolom: `Divisi`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:------------|---------:|:-----------| | PHARMANET | 1.234 | 85.7% | | HOSPINET | 205 | 14.3% | Mayoritas produk berasal dari Divisi PHARMANET (85.7%), menunjukkan dominansi divisi ini dalam katalog produk. **Kolom: `Pharos YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 1.222 | 84.9% | | Y | 217 | 15.1% | Sebagian besar produk (84.9%) bukan merupakan produk yang diproduksi oleh Pharos Group. #### 3.2.3. Gambaran Umum Pesanan Berulang (Repeat Order/RO) (`normalized_orders`) Terdapat 20.645 pesanan berulang dalam dataset. Nilai RO rata-rata adalah Rp 517.621, dengan nilai minimum Rp 15.479 dan maksimum Rp 68.049.000. **Kolom: `Status RO`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:----------------|---------:|:-----------| | TERLAYANI PENUH | 20.496 | 99.3% | | CANCEL | 149 | 0.7% | Hampir seluruh pesanan berulang (99.3%) berhasil terlayani penuh, menunjukkan tingkat keberhasilan pemenuhan yang sangat tinggi pada tingkat pesanan. **Kolom: `Payment`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------------------|---------:|:-----------| | BCA Virtual Account | 11.894 | 57.6% | | Term Of Payment | 6.706 | 32.5% | | BRIVA | 2.021 | 9.8% | | Kredivo | 24 | 0.1% | Metode pembayaran BCA Virtual Account adalah yang paling dominan, digunakan pada lebih dari separuh transaksi (57.6%). **Kolom: `Lastupdate`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:---------------------------|---------:|:-----------| | 2026-07-06 06:42:20.057000 | 20.645 | 100.0% | Kolom `Lastupdate` menunjukkan nilai yang seragam untuk semua entri, mengindikasikan bahwa kolom ini mungkin mencerminkan waktu pembaruan *batch* data, bukan waktu pembaruan spesifik untuk setiap pesanan. #### 3.2.4. Gambaran Umum Proses Pemenuhan (SP, DO, PL) Pada tingkat surat pesanan (SP) dan *delivery order* (DO), status yang paling umum adalah "P" (sudah dilayani), dengan tingkat pembatalan yang sangat rendah. **`normalized_sps` - Kolom: `Sts SP Header`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | P | 23.403 | 99.1% | | C | 212 | 0.9% | **`normalized_dos` - Kolom: `Status DO`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | P | 23.403 | 99.6% | | C | 87 | 0.4% | Distribusi gudang asal dan nama ekspedisi juga memberikan wawasan tentang operasional logistik: **`normalized_dos` - Kolom: `Asal Gudang`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------------------|---------:|:-----------| | PHARMANET SURABAYA | 2.524 | 10.7% | | PHARMANET BEKASI | 2.248 | 9.6% | | PHARMANET BANDUNG | 1.706 | 7.3% | | PHARMANET SEMARANG | 1.671 | 7.1% | | PHARMANET TANGERANG | 1.565 | 6.7% | **`normalized_dos` - Kolom: `Nama Ekspedisi`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:-------------------|---------:|:-----------| | Anteraja | 4.902 | 20.9% | | PT CENTURY | 4.053 | 17.2% | | LION PARCEL | 3.393 | 14.4% | | PCP EXPRESS | 2.439 | 10.4% | | ANDALAN 21 EXPRESS | 1.647 | 7.0% | Distribusi ini menunjukkan bahwa operasional logistik tersebar di berbagai gudang dan menggunakan beragam penyedia jasa ekspedisi. #### 3.2.5. Gambaran Umum Item Baris Pemenuhan (`normalized_fulfillment_line_items`) Tabel detail pemenuhan berisi 131.315 item baris, memberikan pandangan terperinci tentang kuantitas dan nilai produk. Rata-rata `Qty RO`, `Qty SP`, dan `Qty DO` masing-masing sekitar 11 unit. Rata-rata `Value PL` dan `Value RO` masing-masing sekitar Rp 421.381 dan Rp 423.485. Nilai maksimum `Value RO` mencapai Rp 166.270.000. **Kolom: `Divisi`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:------------|---------:|:-----------| | PHARMANET | 110.866 | 84.4% | | HOSPINET | 17.827 | 13.6% | | VIBRANT PBF | 2.559 | 1.9% | | VIBRANT 3 | 56 | 0.0% | | | 7 | 0.0% | Distribusi divisi pada tingkat item baris konsisten dengan tingkat produk, dengan PHARMANET mendominasi. **Kolom: `Pharos YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 72.014 | 54.8% | | Y | 59.301 | 45.2% | Pada tingkat item baris, jumlah produk non-Pharos masih lebih banyak, namun proporsi produk Pharos Grup (45.2%) lebih tinggi dibandingkan proporsi produk unik (15.1%), menunjukkan bahwa produk Pharos Grup dibeli dalam kuantitas yang lebih besar per transaksi. **Kolom: `AO YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 82.584 | 62.9% | | Y | 48.731 | 37.1% | Proporsi item baris dari outlet non-Apotek Online (62.9%) lebih tinggi dibandingkan dengan proporsi outlet itu sendiri (74.6%), mengindikasikan bahwa meskipun jumlah outlet non-Apotek Online lebih banyak, rata-rata item per pesanan mungkin lebih tinggi untuk outlet Apotek Online, atau volume transaksi mereka lebih padat. ### 3.3. Tinjauan Sekilas Metrik Penjualan Utama Berikut adalah ringkasan metrik penjualan utama yang diagregasi berdasarkan dimensi penting, memberikan gambaran awal tentang kontribusi dan kinerja dari berbagai segmen. #### 3.3.1. Metrik Penjualan berdasarkan Divisi Produk | Divisi | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | | 18.812.136 | 76 | 7 | 2.687.448 | 11 | | HOSPINET | 4.180.468.736 | 103.417 | 3.337 | 1.252.763 | 31 | | PHARMANET | 36.921.214.629 | 845.617 | 16.933 | 2.180.430 | 50 | | VIBRANT 3 | 89.696.261 | 2.502 | 13 | 6.899.712 | 192 | | VIBRANT PBF | 14.399.713.539 | 498.593 | 355 | 40.562.573 | 1.404 | Divisi PHARMANET mendominasi total nilai dan kuantitas RO. Namun, VIBRANT PBF menunjukkan rata-rata nilai dan kuantitas per RO yang sangat tinggi, mengindikasikan transaksi bernilai besar. #### 3.3.2. Metrik Penjualan berdasarkan Pharos YN | Pharos YN | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | N | 22.524.229.073 | 412.336 | 15.115 | 1.490.190 | 27 | | Y | 33.085.676.228 | 1.037.869 | 15.744 | 2.101.478 | 66 | Produk Pharos Group (Y) menyumbang bagian yang lebih besar dari total nilai dan kuantitas RO, serta memiliki rata-rata nilai dan kuantitas per RO yang lebih tinggi dibandingkan produk non-Pharos. #### 3.3.3. Metrik Penjualan berdasarkan Partisipasi AO YN (Apotek Online) | AO YN | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:--------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | N | 37.903.077.146 | 1.083.615 | 13.138 | 2.884.996 | 82 | | Y | 17.706.828.155 | 366.590 | 7.507 | 2.358.709 | 49 | Outlet yang tidak berpartisipasi dalam program Apotek Online (N) menghasilkan total nilai dan kuantitas penjualan yang lebih besar. #### 3.3.4. Metrik Penjualan berdasarkan Metode Pembayaran | Payment | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:--------------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | BCA Virtual Account | 42.124.313.088 | 1.102.410 | 11.894 | 3.541.644 | 93 | | BRIVA | 5.417.010.111 | 148.518 | 2.021 | 2.680.361 | 73 | | Kredivo | 20.044.321 | 436 | 24 | 835.180 | 18 | | Term Of Payment | 8.048.537.781 | 198.841 | 6.706 | 1.200.199 | 30 | BCA Virtual Account adalah metode pembayaran paling dominan dalam hal total nilai penjualan, diikuti oleh Term Of Payment. ### 3.4. Anomali Data yang Menonjol Meskipun proses pra-pemrosesan telah memperbaiki banyak masalah kualitas data, beberapa anomali penting masih teridentifikasi dan perlu diingat saat melakukan analisis lebih lanjut: * **Nilai Hilang pada Kolom Tanggal Kritis:** Beberapa kolom tanggal terkait pengiriman, seperti `Tgl Diterima`, `Tgl Logbook`, dan `Tgl Ekspedisi`, masih memiliki persentase nilai yang hilang (Null/NaT) yang signifikan. Hal ini dapat mempengaruhi perhitungan durasi dan analisis efisiensi pengiriman secara keseluruhan. * **Inkonsistensi Kronologis Waktu Pemenuhan:** Analisis durasi antar tahap pemenuhan menunjukkan adanya durasi negatif. Terutama, `Tgl Ekspedisi` seringkali tercatat sebelum `Tgl Logbook`, dan `Tgl Diterima` kadang tercatat jauh sebelum `Tgl Ekspedisi` dengan nilai negatif yang sangat ekstrem. Anomali ini mengindikasikan masalah serius dalam pencatatan data atau definisi proses, seperti penggunaan nilai *placeholder* tanggal yang tidak valid atau kesalahan entri. * **Discrepancy Kuantitas RO-SP:** Ditemukan perbedaan kuantitas antara *Repeat Order* (`Qty RO`) dan *Sales Order* (`Qty SP`) pada sejumlah item baris. Ini menunjukkan adanya modifikasi atau ketidaksesuaian jumlah produk antara saat pesanan dibuat dan saat surat pesanan diterbitkan. * **Kolom `Lastupdate` yang Seragam:** Kolom `Lastupdate` menunjukkan nilai yang identik untuk seluruh baris data, menyiratkan bahwa ini adalah *timestamp* pembaruan *dataset* secara massal, bukan indikator pembaruan spesifik untuk setiap catatan transaksi. ### 3.5. Kesimpulan Awal Tinjauan umum data ini menunjukkan bahwa dataset pemenuhan pesanan telah berhasil distrukturisasi ke dalam format yang lebih rapi melalui normalisasi, memungkinkan pemahaman yang jelas tentang entitas utama seperti outlet, produk, dan tahapan pesanan. Distribusi awal mengindikasikan dominasi Divisi PHARMANET dan kontribusi signifikan dari produk Pharos Group. BCA Virtual Account adalah metode pembayaran pilihan, dan sebagian besar outlet beroperasi secara tradisional (non-Apotek Online). Namun, anomali pada pencatatan waktu dan kuantitas antar tahap pemenuhan memerlukan perhatian khusus untuk memastikan interpretasi analisis yang akurat. Wawasan awal ini akan memandu eksplorasi lebih mendalam dalam bab-bab berikutnya untuk mengungkap pola, tren, dan peluang bisnis yang tersembunyi. --- **CSV Download Links:** [Download CSV: normalized_outlets_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_column_summary_58a9f0c2.csv) [Download CSV: normalized_outlets_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_AO YN_frequency_70eab8c6.csv) [Download CSV: normalized_products_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_column_summary_1515b729.csv) [Download CSV: normalized_products_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_numerical_stats_c39061b1.csv) [Download CSV: normalized_products_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Divisi_frequency_7f5611a2.csv) [Download CSV: normalized_products_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Pharos YN_frequency_4662e413.csv) [Download CSV: normalized_orders_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_column_summary_3d689ada.csv) [Download CSV: normalized_orders_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_numerical_stats_2c95cef4.csv) [Download CSV: normalized_orders_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_aggregated_values_9fa1edc5.csv) [Download CSV: normalized_orders_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_frequency_248dbd51.csv) [Download CSV: normalized_orders_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_aggregated_values_3364caa6.csv) [Download CSV: normalized_orders_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_frequency_fb710fb1.csv) [Download CSV: normalized_orders_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_aggregated_values_4cf9137e.csv) [Download CSV: normalized_orders_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_frequency_ac9b6137.csv) [Download CSV: normalized_sps_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_column_summary_9b301ba9.csv) [Download CSV: normalized_sps_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_numerical_stats_d08d1692.csv) [Download CSV: normalized_sps_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_Sts SP Header_frequency_13d452e8.csv) [Download CSV: normalized_dos_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_column_summary_c699ffa9.csv) [Download CSV: normalized_dos_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Status DO_frequency_c785b22b.csv) [Download CSV: normalized_dos_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Asal Gudang_frequency_e859669c.csv) [Download CSV: normalized_dos_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Nama Ekspedisi_frequency_f8487cc0.csv) [Download CSV: normalized_pls_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_column_summary_89fdb050.csv) [Download CSV: normalized_pls_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_numerical_stats_8b6c5173.csv) [Download CSV: normalized_fulfillment_line_items_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_column_summary_e056ef15.csv) [Download CSV: normalized_fulfillment_line_items_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_numerical_stats_ec1d2a34.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_aggregated_values_6beb0eb4.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_frequency_43463195.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_aggregated_values_dbcb44ce.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_frequency_d484c953.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_aggregated_values_c0919343.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_frequency_352fba11.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_aggregated_values_a6454b39.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_frequency_e04bcea6.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_aggregated_values_2300ffbb.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_frequency_0d1fb7ff.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_aggregated_values_eb74d4b8.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_frequency_a110929c.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_aggregated_values_f40145d7.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_frequency_9b59f927.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values_9a04b0ce.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_frequency_129bdfa8.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_aggregated_values_7b496c46.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_frequency_a379e2b9.csv) [Download CSV: normalized_fulfillment_line_items_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_aggregated_values_bad2b7db.csv) [Download CSV: normalized_fulfillment_line_items_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_frequency_6bffe1dd.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_aggregated_values_239259c7.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_frequency_46640edd.csv) [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) [Download CSV: Outlet Cluster Assignments](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_assignments_b5ab5082.csv) [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) [Download CSV: Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/fulfillment_stage_duration_analysis_1ee8a70b.csv) [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) [Download CSV: Anomalous Logbook to Ekspedisi Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_logbook_ekspedisi_sample_b54b2504.csv) [Download CSV: Anomalous Ekspedisi to Diterima Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_ekspedisi_diterima_sample_b44333c1.csv) [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv)## 3. Tinjauan Umum Data Bab ini menyajikan tinjauan umum komprehensif mengenai karakteristik data setelah melalui tahap pra-pemrosesan dan normalisasi. Tujuan utama adalah untuk memahami struktur data, distribusi utama nilai-nilai dalam kolom kunci, serta memberikan gambaran awal tentang volume dan komposisi transaksi, outlet, dan produk yang tercatat. Informasi ini menjadi fondasi penting untuk analisis lebih lanjut dalam bab-bab berikutnya. ### 3.1. Struktur Data yang Dinormalisasi Data pemenuhan pesanan pelanggan yang awalnya kompleks telah berhasil dinormalisasi menjadi beberapa tabel yang saling terkait, merepresentasikan entitas bisnis yang berbeda. Pendekatan ini mengurangi redundansi data dan meningkatkan integritas relasional, memungkinkan analisis yang lebih terfokus dan akurat. Entitas utama dalam skema data yang dinormalisasi meliputi: * **`normalized_outlets`**: Berisi 5.062 data unik pelanggan. Tabel ini mengidentifikasi setiap outlet dengan informasi dasar seperti kode unik, nama, dan partisipasi dalam program Apotek Online (AO YN). * **`normalized_products`**: Berisi 1.439 data unik produk. Tabel ini merinci setiap produk dengan kode, deskripsi, divisi penjualan, dan status apakah produk tersebut diproduksi oleh Pharos Group (Pharos YN). * **`normalized_orders`**: Berisi 20.645 data unik pesanan berulang (Repeat Order/RO). Tabel ini menyediakan detail pesanan awal dari pelanggan, termasuk tanggal, total nilai, status, dan metode pembayaran. * **`normalized_sps`**: Berisi 23.615 data unik surat pesanan (Sales Order/SP). Satu RO dapat menghasilkan beberapa SP, mencerminkan pemisahan pesanan untuk tujuan logistik. * **`normalized_dos`**: Berisi 23.490 data unik *delivery order* (DO). Setiap SP idealnya menghasilkan satu DO, yang mencatat detail pengiriman barang dari gudang. * **`normalized_pls`**: Berisi 23.490 data unik *packing list* (PL). Dokumen ini berfungsi sebagai lampiran administratif untuk DO. * **`normalized_fulfillment_line_items`**: Berisi 131.315 baris data detail pemenuhan. Tabel ini merupakan tabel fakta utama yang menghubungkan semua entitas lain pada tingkat item baris, memungkinkan analisis granular dari setiap produk dalam setiap tahap pemenuhan. ### 3.2. Distribusi Data Kunci Bagian ini meninjau distribusi nilai-nilai dalam kolom-kolom utama dari tabel-tabel yang dinormalisasi. #### 3.2.1. Gambaran Umum Outlet Pelanggan (`normalized_outlets`) Terdapat total 5.062 outlet pelanggan unik dalam dataset. Informasi kunci mengenai partisipasi mereka dalam program Apotek Online adalah sebagai berikut: **Kolom: `AO YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 3.776 | 74.6% | | Y | 1.286 | 25.4% | Sebagian besar outlet (74.6%) tidak berpartisipasi dalam program Apotek Online, menunjukkan bahwa mayoritas transaksi berasal dari saluran penjualan tradisional. #### 3.2.2. Gambaran Umum Produk (`normalized_products`) Dataset mencakup 1.439 produk unik. Distribusi produk berdasarkan divisi dan status produksi oleh Pharos Group adalah sebagai berikut: **Kolom: `Divisi`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:------------|---------:|:-----------| | PHARMANET | 1.234 | 85.7% | | HOSPINET | 205 | 14.3% | Mayoritas produk berasal dari Divisi PHARMANET (85.7%), menunjukkan dominansi divisi ini dalam katalog produk. **Kolom: `Pharos YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 1.222 | 84.9% | | Y | 217 | 15.1% | Sebagian besar produk (84.9%) bukan merupakan produk yang diproduksi oleh Pharos Group. #### 3.2.3. Gambaran Umum Pesanan Berulang (Repeat Order/RO) (`normalized_orders`) Terdapat 20.645 pesanan berulang dalam dataset. Nilai RO rata-rata adalah Rp 517.621, dengan nilai minimum Rp 15.479 dan maksimum Rp 68.049.000. **Kolom: `Status RO`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:----------------|---------:|:-----------| | TERLAYANI PENUH | 20.496 | 99.3% | | CANCEL | 149 | 0.7% | Hampir seluruh pesanan berulang (99.3%) berhasil terlayani penuh, menunjukkan tingkat keberhasilan pemenuhan yang sangat tinggi pada tingkat pesanan. **Kolom: `Payment`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------------------|---------:|:-----------| | BCA Virtual Account | 11.894 | 57.6% | | Term Of Payment | 6.706 | 32.5% | | BRIVA | 2.021 | 9.8% | | Kredivo | 24 | 0.1% | Metode pembayaran BCA Virtual Account adalah yang paling dominan, digunakan pada lebih dari separuh transaksi (57.6%). **Kolom: `Lastupdate`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:---------------------------|---------:|:-----------| | 2026-07-06 06:42:20.057000 | 20.645 | 100.0% | Kolom `Lastupdate` menunjukkan nilai yang seragam untuk semua entri, mengindikasikan bahwa kolom ini mungkin mencerminkan waktu pembaruan *batch* data, bukan waktu pembaruan spesifik untuk setiap pesanan. #### 3.2.4. Gambaran Umum Proses Pemenuhan (SP, DO, PL) Pada tingkat surat pesanan (SP) dan *delivery order* (DO), status yang paling umum adalah "P" (sudah dilayani), dengan tingkat pembatalan yang sangat rendah. **`normalized_sps` - Kolom: `Sts SP Header`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | P | 23.403 | 99.1% | | C | 212 | 0.9% | **`normalized_dos` - Kolom: `Status DO`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | P | 23.403 | 99.6% | | C | 87 | 0.4% | Distribusi gudang asal dan nama ekspedisi juga memberikan wawasan tentang operasional logistik: **`normalized_dos` - Kolom: `Asal Gudang`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------------------|---------:|:-----------| | PHARMANET SURABAYA | 2.524 | 10.7% | | PHARMANET BEKASI | 2.248 | 9.6% | | PHARMANET BANDUNG | 1.706 | 7.3% | | PHARMANET SEMARANG | 1.671 | 7.1% | | PHARMANET TANGERANG | 1.565 | 6.7% | **`normalized_dos` - Kolom: `Nama Ekspedisi`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:-------------------|---------:|:-----------| | Anteraja | 4.902 | 20.9% | | PT CENTURY | 4.053 | 17.2% | | LION PARCEL | 3.393 | 14.4% | | PCP EXPRESS | 2.439 | 10.4% | | ANDALAN 21 EXPRESS | 1.647 | 7.0% | Distribusi ini menunjukkan bahwa operasional logistik tersebar di berbagai gudang dan menggunakan beragam penyedia jasa ekspedisi. #### 3.2.5. Gambaran Umum Item Baris Pemenuhan (`normalized_fulfillment_line_items`) Tabel detail pemenuhan berisi 131.315 item baris, memberikan pandangan terperinci tentang kuantitas dan nilai produk. Rata-rata `Qty RO`, `Qty SP`, dan `Qty DO` masing-masing sekitar 11 unit. Rata-rata `Value PL` dan `Value RO` masing-masing sekitar Rp 421.381 dan Rp 423.485. Nilai maksimum `Value RO` mencapai Rp 166.270.000. **Kolom: `Divisi`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:------------|---------:|:-----------| | PHARMANET | 110.866 | 84.4% | | HOSPINET | 17.827 | 13.6% | | VIBRANT PBF | 2.559 | 1.9% | | VIBRANT 3 | 56 | 0.0% | | | 7 | 0.0% | Distribusi divisi pada tingkat item baris konsisten dengan tingkat produk, dengan PHARMANET mendominasi. **Kolom: `Pharos YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 72.014 | 54.8% | | Y | 59.301 | 45.2% | Pada tingkat item baris, jumlah produk non-Pharos masih lebih banyak, namun proporsi produk Pharos Group (45.2%) lebih tinggi dibandingkan proporsi produk unik (15.1%), menunjukkan bahwa produk Pharos Group dibeli dalam kuantitas yang lebih besar per transaksi. **Kolom: `AO YN`** Frekuensi (Jumlah & Persentase): | Nilai | Jumlah | Persentase | |:--------|---------:|:-----------| | N | 82.584 | 62.9% | | Y | 48.731 | 37.1% | Proporsi item baris dari outlet non-Apotek Online (62.9%) lebih tinggi dibandingkan dengan proporsi outlet itu sendiri (74.6%), mengindikasikan bahwa meskipun jumlah outlet non-Apotek Online lebih banyak, rata-rata item per pesanan mungkin lebih tinggi untuk outlet Apotek Online, atau volume transaksi mereka lebih padat. ### 3.3. Tinjauan Sekilas Metrik Penjualan Utama Berikut adalah ringkasan metrik penjualan utama yang diagregasi berdasarkan dimensi penting, memberikan gambaran awal tentang kontribusi dan kinerja dari berbagai segmen. #### 3.3.1. Metrik Penjualan berdasarkan Divisi Produk | Divisi | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | | 18.812.136 | 76 | 7 | 2.687.448 | 11 | | HOSPINET | 4.180.468.736 | 103.417 | 3.337 | 1.252.763 | 31 | | PHARMANET | 36.921.214.629 | 845.617 | 16.933 | 2.180.430 | 50 | | VIBRANT 3 | 89.696.261 | 2.502 | 13 | 6.899.712 | 192 | | VIBRANT PBF | 14.399.713.539 | 498.593 | 355 | 40.562.573 | 1.404 | Divisi PHARMANET mendominasi total nilai dan kuantitas RO. Namun, VIBRANT PBF menunjukkan rata-rata nilai dan kuantitas per RO yang sangat tinggi, mengindikasikan transaksi bernilai besar. #### 3.3.2. Metrik Penjualan berdasarkan Pharos YN | Pharos YN | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | N | 22.524.229.073 | 412.336 | 15.115 | 1.490.190 | 27 | | Y | 33.085.676.228 | 1.037.869 | 15.744 | 2.101.478 | 66 | Produk Pharos Group (Y) menyumbang bagian yang lebih besar dari total nilai dan kuantitas RO, serta memiliki rata-rata nilai dan kuantitas per RO yang lebih tinggi dibandingkan produk non-Pharos. #### 3.3.3. Metrik Penjualan berdasarkan Partisipasi AO YN (Apotek Online) | AO YN | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:--------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | N | 37.903.077.146 | 1.083.615 | 13.138 | 2.884.996 | 82 | | Y | 17.706.828.155 | 366.590 | 7.507 | 2.358.709 | 49 | Outlet yang tidak berpartisipasi dalam program Apotek Online (N) menghasilkan total nilai dan kuantitas penjualan yang lebih besar. #### 3.3.4. Metrik Penjualan berdasarkan Metode Pembayaran | Payment | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:--------------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | BCA Virtual Account | 42.124.313.088 | 1.102.410 | 11.894 | 3.541.644 | 93 | | BRIVA | 5.417.010.111 | 148.518 | 2.021 | 2.680.361 | 73 | | Kredivo | 20.044.321 | 436 | 24 | 835.180 | 18 | | Term Of Payment | 8.048.537.781 | 198.841 | 6.706 | 1.200.199 | 30 | BCA Virtual Account adalah metode pembayaran paling dominan dalam hal total nilai penjualan, diikuti oleh Term Of Payment. ### 3.4. Anomali Data yang Menonjol Meskipun proses pra-pemrosesan telah memperbaiki banyak masalah kualitas data, beberapa anomali penting masih teridentifikasi dan perlu diingat saat melakukan analisis lebih lanjut: * **Nilai Hilang pada Kolom Tanggal Kritis:** Beberapa kolom tanggal terkait pengiriman, seperti `Tgl Diterima`, `Tgl Logbook`, dan `Tgl Ekspedisi`, masih memiliki persentase nilai yang hilang (Null/NaT) yang signifikan. Hal ini dapat mempengaruhi perhitungan durasi dan analisis efisiensi pengiriman secara keseluruhan. * **Inkonsistensi Kronologis Waktu Pemenuhan:** Analisis durasi antar tahap pemenuhan menunjukkan adanya durasi negatif. Terutama, `Tgl Ekspedisi` seringkali tercatat sebelum `Tgl Logbook`, dan `Tgl Diterima` kadang tercatat jauh sebelum `Tgl Ekspedisi` dengan nilai negatif yang sangat ekstrem. Anomali ini mengindikasikan masalah serius dalam pencatatan data atau definisi proses, seperti penggunaan nilai *placeholder* tanggal yang tidak valid atau kesalahan entri. * **Discrepancy Kuantitas RO-SP:** Ditemukan perbedaan kuantitas antara *Repeat Order* (`Qty RO`) dan *Sales Order* (`Qty SP`) pada sejumlah item baris. Ini menunjukkan adanya modifikasi atau ketidaksesuaian jumlah produk antara saat pesanan dibuat dan saat surat pesanan diterbitkan. * **Kolom `Lastupdate` yang Seragam:** Kolom `Lastupdate` menunjukkan nilai yang identik untuk seluruh baris data, menyiratkan bahwa ini adalah *timestamp* pembaruan *dataset* secara massal, bukan indikator pembaruan spesifik untuk setiap catatan transaksi. ### 3.5. Kesimpulan Awal Tinjauan umum data ini menunjukkan bahwa dataset pemenuhan pesanan telah berhasil distrukturisasi ke dalam format yang lebih rapi melalui normalisasi, memungkinkan pemahaman yang jelas tentang entitas utama seperti outlet, produk, dan tahapan pesanan. Distribusi awal mengindikasikan dominasi Divisi PHARMANET dan kontribusi signifikan dari produk Pharos Group. BCA Virtual Account adalah metode pembayaran pilihan, dan sebagian besar outlet beroperasi secara tradisional (non-Apotek Online). Namun, anomali pada pencatatan waktu dan kuantitas antar tahap pemenuhan memerlukan perhatian khusus untuk memastikan interpretasi analisis yang akurat. Wawasan awal ini akan memandu eksplorasi lebih mendalam dalam bab-bab berikutnya untuk mengungkap pola, tren, dan peluang bisnis yang tersembunyi. --- **CSV Download Links:** [Download CSV: normalized_outlets_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_column_summary_58a9f0c2.csv) [Download CSV: normalized_outlets_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_AO YN_frequency_70eab8c6.csv) [Download CSV: normalized_products_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_column_summary_1515b729.csv) [Download CSV: normalized_products_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_numerical_stats_c39061b1.csv) [Download CSV: normalized_products_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Divisi_frequency_7f5611a2.csv) [Download CSV: normalized_products_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Pharos YN_frequency_4662e413.csv) [Download CSV: normalized_orders_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_column_summary_3d689ada.csv) [Download CSV: normalized_orders_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_numerical_stats_2c95cef4.csv) [Download CSV: normalized_orders_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_aggregated_values_9fa1edc5.csv) [Download CSV: normalized_orders_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_frequency_248dbd51.csv) [Download CSV: normalized_orders_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_aggregated_values_3364caa6.csv) [Download CSV: normalized_orders_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_frequency_fb710fb1.csv) [Download CSV: normalized_orders_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_aggregated_values_4cf9137e.csv) [Download CSV: normalized_orders_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_frequency_ac9b6137.csv) [Download CSV: normalized_sps_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_column_summary_9b301ba9.csv) [Download CSV: normalized_sps_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_numerical_stats_d08d1692.csv) [Download CSV: normalized_sps_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_Sts SP Header_frequency_13d452e8.csv) [Download CSV: normalized_dos_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_column_summary_c699ffa9.csv) [Download CSV: normalized_dos_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Status DO_frequency_c785b22b.csv) [Download CSV: normalized_dos_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Asal Gudang_frequency_e859669c.csv) [Download CSV: normalized_dos_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Nama Ekspedisi_frequency_f8487cc0.csv) [Download CSV: normalized_pls_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_column_summary_89fdb050.csv) [Download CSV: normalized_pls_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_numerical_stats_8b6c5173.csv) [Download CSV: normalized_fulfillment_line_items_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_column_summary_e056ef15.csv) [Download CSV: normalized_fulfillment_line_items_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_numerical_stats_ec1d2a34.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_aggregated_values_6beb0eb4.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_frequency_43463195.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_aggregated_values_dbcb44ce.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_frequency_d484c953.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_aggregated_values_c0919343.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_frequency_352fba11.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_aggregated_values_a6454b39.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_frequency_e04bcea6.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_aggregated_values_2300ffbb.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_frequency_0d1fb7ff.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_aggregated_values_eb74d4b8.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_frequency_a110929c.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_aggregated_values_f40145d7.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_frequency_9b59f927.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values_9a04b0ce.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_frequency_129bdfa8.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_aggregated_values_7b496c46.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_frequency_a379e2b9.csv) [Download CSV: normalized_fulfillment_line_items_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_aggregated_values_bad2b7db.csv) [Download CSV: normalized_fulfillment_line_items_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_frequency_6bffe1dd.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_aggregated_values_239259c7.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_frequency_46640edd.csv) [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) ## 4. Analisis Kinerja Pemenuhan Pesanan Bab ini menyelidiki efisiensi dan efektivitas proses pemenuhan pesanan pelanggan, mulai dari saat pesanan diterima hingga barang berhasil dikirim. Analisis akan berfokus pada durasi setiap tahapan, tingkat pembatalan, serta konsistensi kuantitas antar dokumen. Temuan ini penting untuk mengidentifikasi area yang memerlukan perbaikan operasional guna meningkatkan kepuasan pelanggan dan efisiensi rantai pasok. ### 4.1. Durasi Setiap Tahapan Pemenuhan Analisis waktu yang dihabiskan pada setiap tahap pemenuhan pesanan adalah kunci untuk mengidentifikasi hambatan atau inefisiensi dalam alur kerja. Setelah pembersihan dan penanganan anomali tanggal yang lebih robust (seperti dijelaskan di Bab 2), durasi antar-tahap telah dihitung untuk memberikan gambaran yang lebih akurat. Tabel berikut menyajikan rata-rata, median, minimum, dan maksimum durasi dalam hari untuk setiap tahapan pemenuhan: | Tahap Pemenuhan | Rata-rata Hari | Median Hari | Min Hari | Maks Hari | Jumlah NaT | Jumlah Durasi Negatif | |:------------------------|---------------:|------------:|---------:|----------:|-----------:|----------------------:| | Order ke SP (Hari) | 0.00 | 0 | 0 | 0 | 0 | 0 | | SP ke DO (Hari) | 0.13 | 0 | 0 | 6 | 365 | 0 | | DO ke PL (Hari) | 0.00 | 0 | 0 | 0 | 365 | 0 | | DO ke Logbook (Hari) | 0.07 | 0 | 0 | 31 | 585 | 0 | | Logbook ke Ekspedisi (Hari) | -0.25 | 0 | -31 | 12 | 585 | 35.227 | | Ekspedisi ke Diterima (Hari) | -484.50 | 0 | -20.636 | 63 | 10.385 | 2.846 | | Total Pemenuhan (Hari) | -483.77 | 1 | -20.634 | 65 | 10.385 | 2.859 | [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) **Insight:** * **Efisiensi Tahap Awal:** Tahapan `Order ke SP`, `SP ke DO`, dan `DO ke PL` menunjukkan rata-rata durasi yang sangat singkat atau nol hari. Ini mengindikasikan bahwa proses internal untuk pembuatan Surat Pesanan (SP), Delivery Order (DO), dan Packing List (PL) setelah Repeat Order (RO) diterima berlangsung sangat cepat, seringkali pada hari yang sama. Ini adalah indikator efisiensi yang baik dalam konversi dokumen internal. * **Anomali Durasi Negatif yang Signifikan:** Dua tahapan logistik kunci, yaitu `Logbook ke Ekspedisi` dan `Ekspedisi ke Diterima`, menunjukkan durasi rata-rata negatif yang mencolok, menandakan masalah kualitas data yang serius seperti yang telah diidentifikasi di Bab 2 dan 3. * **Logbook ke Ekspedisi:** Sekitar 26,8% item baris memiliki `Tgl Ekspedisi` yang tercatat sebelum `Tgl Logbook`. Rata-rata durasi -0,25 hari dan minimum -31 hari menunjukkan bahwa pencatatan barang yang diserahkan ke area *staging* (`Tgl Logbook`) terjadi setelah barang benar-benar diserahkan ke kurir ekspedisi (`Tgl Ekspedisi`). Ini bisa disebabkan oleh alur kerja yang tidak sinkron, perbedaan definisi operasional, atau kesalahan entri data. * **Ekspedisi ke Diterima:** Anomali yang lebih ekstrem terlihat pada tahapan `Ekspedisi ke Diterima`, di mana 2,2% item baris mencatat `Tgl Diterima` jauh sebelum `Tgl Ekspedisi`, dengan rata-rata -484,50 hari dan nilai minimum mencapai -20.636 hari. Seperti dibahas sebelumnya, ini kemungkinan besar adalah akibat dari penggunaan nilai *placeholder* tanggal yang tidak valid (seperti tanggal `1970-01-02 07:00:00` yang banyak ditemukan) untuk tanggal yang belum tersedia, yang secara keliru diinterpretasikan sebagai tanggal di masa lalu. Anomali ini membuat perhitungan durasi pengiriman dari ekspedisi hingga diterima pelanggan menjadi tidak akurat untuk sebagian data. * **Dampak pada Total Durasi Pemenuhan:** Durasi negatif pada tahapan akhir secara signifikan memengaruhi perhitungan `Total Pemenuhan (Hari)`, yang juga menunjukkan nilai rata-rata negatif. Ini berarti data yang ada tidak dapat secara langsung digunakan untuk mengukur waktu pemenuhan *end-to-end* yang sebenarnya secara akurat. **Delivery Order (DO) dengan Anomali Durasi Negatif Teratas:** Untuk memberikan gambaran lebih spesifik, berikut adalah 10 DO dengan durasi negatif terendah (terlama) untuk masing-masing tahapan `Logbook ke Ekspedisi` dan `Ekspedisi ke Diterima`: **Top 10 DOs dengan Durasi Logbook ke Ekspedisi Terlama (Negatif):** | No. DO | Min Logbook ke Ekspedisi (Hari) | |:-------------|--------------------------------:| | B32260600037 | -31 | | A75260601405 | -8 | | A63260601830 | -7 | | A69260600107 | -6 | | B03260600381 | -6 | | A69260600208 | -4 | | A69260600218 | -4 | | A65260600252 | -3 | | A65260600257 | -3 | | A47260600844 | -2 | [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) **Top 10 DOs dengan Durasi Ekspedisi ke Diterima Terlama (Negatif):** | No. DO | Min Ekspedisi ke Diterima (Hari) | |:-------------|---------------------------------:| | A69260601203 | -20.636 | | A69260601205 | -20.636 | | A69260601228 | -20.636 | | A69260601229 | -20.636 | | A69260601237 | -20.636 | | A69260601256 | -20.636 | | A69260601271 | -20.636 | | A69260601275 | -20.636 | | A61260601622 | -20.635 | | A61260700016 | -20.635 | [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv) ### 4.2. Tingkat Pembatalan Pesanan Tingkat pembatalan adalah metrik penting untuk mengukur efektivitas proses pemenuhan dan kepuasan pelanggan. Analisis tingkat pembatalan pada setiap tahapan memberikan wawasan tentang di mana pesanan paling sering gagal diselesaikan. | Tahap Pemenuhan | Total Entitas | Entitas Dibatalkan | Tingkat Pembatalan (%) | |:--------------------|--------------:|-------------------:|-----------------------:| | Repeat Order | 20.645 | 149 | 0.7% | | SP Header | 23.615 | 212 | 0.9% | | DO | 23.490 | 87 | 0.4% | | SP Detail (Line Item) | 131.315 | 1.740 | 1.3% | [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) **Insight:** * **Tingkat Pembatalan Rendah Secara Keseluruhan:** Secara umum, tingkat pembatalan pesanan sangat rendah di semua tahapan proses pemenuhan (kurang dari 1,5%). Ini adalah indikator positif bahwa sebagian besar pesanan berhasil diproses dan dikirim. * **Pembatalan Tertinggi pada SP Detail:** Tingkat pembatalan paling tinggi terjadi pada tingkat item baris Surat Pesanan (SP Detail), yaitu 1,3%. Meskipun masih rendah, ini mengindikasikan bahwa item produk individu lebih mungkin dibatalkan dibandingkan keseluruhan pesanan (RO Header) atau pengiriman (DO Header). Hal ini bisa disebabkan oleh: * **Ketersediaan Stok:** Satu atau beberapa item dalam SP tidak tersedia pada saat *picking* atau *packing*. * **Perubahan Pelanggan:** Permintaan pelanggan untuk membatalkan item tertentu dari pesanan mereka. * **Kesalahan Pengambilan/Pengepakan:** Item yang salah disiapkan dan kemudian dibatalkan dari SP. * **Konsistensi Status SP Header dan DO:** Tingkat pembatalan untuk SP Header (0,9%) dan DO (0,4%) sedikit berbeda. Tingkat pembatalan DO yang lebih rendah dari SP Header mungkin menunjukkan bahwa pembatalan di tingkat DO hanya terjadi pada kasus-kasus tertentu setelah SP disetujui, atau bahwa beberapa pembatalan SP Header tidak selalu menghasilkan pembatalan DO jika DO belum sempat dibuat. ### 4.3. Disparitas Kuantitas dalam Proses Pemenuhan Menganalisis perbedaan kuantitas antar tahapan Repeat Order (RO), Sales Order (SP), dan Delivery Order (DO) pada tingkat item baris dapat mengungkap potensi masalah dalam pengelolaan stok, proses internal, atau komunikasi dengan pelanggan. | Perbandingan | Kuantitas RO | Kuantitas SP | Kuantitas DO | Disparitas (RO-SP) | Disparitas (SP-DO) | Disparitas (RO-DO) | Item Disparitas | RO > SP (Jumlah Selisih) | SP > RO (Jumlah Selisih) | SP > DO (Jumlah Selisih) | DO > SP (Jumlah Selisih) | |:---------------------------------|-------------:|-------------:|-------------:|-------------------:|-------------------:|-------------------:|----------------:|-------------------------:|-------------------------:|-------------------------:|-------------------------:| | Total Kuantitas | 1.450.205 | 1.436.229 | 1.436.229 | 13.976 | 0 | 13.976 | nan | nan | nan | nan | nan | | Item Baris dengan Kuantitas RO != Kuantitas SP | nan | nan | nan | nan | nan | nan | 2.087 | 14.137 | 161 | nan | nan | | Item Baris dengan Kuantitas SP != Kuantitas DO | nan | nan | nan | nan | nan | nan | 0 | nan | nan | 0 | 0 | [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) **Insight:** * **Disparitas RO ke SP:** Terdapat perbedaan kuantitas yang signifikan antara `Qty RO` dan `Qty SP`. Sebanyak 2.087 item baris menunjukkan perbedaan kuantitas antara pesanan awal dan surat pesanan. Secara total, 14.137 unit lebih banyak diminta dalam RO dibandingkan yang tercatat di SP, sementara ada 161 unit lebih banyak di SP daripada di RO. Disparitas ini mengindikasikan bahwa pada tahap transisi dari penerimaan pesanan ke pembuatan SP, ada kemungkinan terjadi pengurangan kuantitas yang diminta oleh pelanggan atau penyesuaian oleh pihak internal (misalnya, karena stok tidak mencukupi, produk diganti, atau negosiasi ulang dengan pelanggan). Ini merupakan area kritis yang perlu diinvestigasi untuk memahami penyebab dan dampaknya terhadap kepuasan pelanggan serta potensi kehilangan penjualan. * **Konsistensi SP ke DO:** Yang sangat positif adalah tidak ada perbedaan kuantitas antara `Qty SP` dan `Qty DO`. Ini menunjukkan bahwa setelah Surat Pesanan (SP) diterbitkan, proses internal dari persiapan barang di gudang hingga penerbitan Delivery Order (DO) berjalan dengan sangat akurat dan konsisten dalam hal kuantitas barang. Ini mencerminkan efisiensi dan kontrol kualitas yang baik pada tahapan logistik setelah SP dibuat. ### 4.4. Rekomendasi untuk Peningkatan Kinerja Pemenuhan Berdasarkan analisis kinerja pemenuhan pesanan, berikut adalah rekomendasi untuk peningkatan: 1. **Prioritaskan Perbaikan Kualitas Data Tanggal:** * **Investigasi Akar Masalah Durasi Negatif:** Segera lakukan investigasi mendalam terhadap penyebab durasi negatif pada tahapan `Logbook ke Ekspedisi` dan `Ekspedisi ke Diterima`. Ini harus melibatkan tim operasional dan IT untuk mengidentifikasi apakah ini kesalahan entri data, miskonfigurasi sistem (misalnya, perbedaan zona waktu), atau penggunaan nilai *placeholder* yang tidak valid untuk tanggal yang kosong. * **Implementasi Validasi Data:** Terapkan aturan validasi yang ketat pada sistem pencatatan tanggal untuk memastikan bahwa tanggal dan waktu dimasukkan secara kronologis yang benar (misalnya, `Tgl Ekspedisi` tidak boleh lebih awal dari `Tgl Logbook`). Untuk `Tgl Diterima`, pastikan nilai yang kosong ditangani dengan benar (misalnya, dibiarkan `null` atau diisi dengan nilai yang jelas menunjukkan "belum diterima") daripada diisi dengan tanggal *default* yang salah. * **Klarifikasi Definisi Operasional:** Pastikan semua pihak yang terlibat dalam pencatatan memahami dengan jelas definisi dan waktu spesifik untuk setiap tahapan, seperti kapan "Logbook" benar-benar terjadi dan kapan "Ekspedisi" dimulai. 2. **Investigasi Disparitas Kuantitas RO-SP:** * **Pahami Alasan Penurunan Kuantitas:** Lakukan analisis lebih lanjut untuk mengidentifikasi alasan utama di balik perbedaan kuantitas antara `Qty RO` dan `Qty SP` pada 2.087 item baris. Apakah ini karena: * **Stok Tidak Tersedia:** Item tertentu tidak ada di gudang? * **Negosiasi Pelanggan:** Pelanggan mengubah pesanan setelah RO dibuat? * **Optimalisasi Internal:** Apakah ada logika bisnis untuk memecah atau mengurangi pesanan saat membuat SP? * **Optimalkan Proses Konversi RO ke SP:** Setelah penyebabnya jelas, cari cara untuk mengurangi atau mengelola disparitas ini. Misalnya, integrasi cek stok yang lebih baik pada tahap RO, atau sistem konfirmasi perubahan pesanan yang lebih transparan dengan pelanggan. Mengurangi perbedaan ini dapat meningkatkan efisiensi dan kepuasan pelanggan. 3. **Tinjau Pembatalan SP Detail:** * **Analisis Penyebab Pembatalan Item:** Meskipun tingkat pembatalan SP Detail rendah (1,3%), investigasi item-item yang dibatalkan dapat mengungkap pola. Apakah ada produk tertentu yang sering dibatalkan? Apakah pembatalan terkait dengan gudang asal atau divisi produk tertentu? Memahami ini dapat membantu mengelola stok atau meningkatkan akurasi proses *picking* dan *packing*. 4. **Manfaatkan Konsistensi SP-DO:** * **Pertahankan Efisiensi:** Tingkat konsistensi kuantitas yang tinggi antara SP dan DO adalah kekuatan operasional yang harus dipertahankan. Pastikan bahwa proses dan sistem yang mendukung transisi ini tetap efisien dan akurat. Penyelesaian anomali data, khususnya pada durasi dan kuantitas, adalah prasyarat penting untuk dapat melakukan analisis kinerja yang lebih mendalam dan akurat di masa mendatang. --- **CSV Download Links:** [Download CSV: Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/fulfillment_stage_duration_analysis_1ee8a70b.csv) [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv) ## 5. Analisis Faktor Pendorong Penjualan Analisis penjualan berdasarkan atribut produk memberikan gambaran tentang kontribusi setiap kategori produk terhadap total pendapatan dan kuantitas. Memahami faktor-faktor ini krusial untuk mengoptimalkan strategi portofolio dan pemasaran. #### 5.1.1. Kontribusi Divisi Produk Divisi produk menunjukkan pola penjualan yang beragam, dengan PHARMANET sebagai kontributor volume terbesar, sementara VIBRANT PBF menonjol dalam nilai transaksi rata-rata. **Metrik Penjualan berdasarkan Divisi** | Divisi | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | | 18.812.136 | 76 | 7 | 2.687.448 | 11 | | HOSPINET | 4.180.468.736 | 103.417 | 3.337 | 1.252.763 | 31 | | PHARMANET | 36.921.214.629 | 845.617 | 16.933 | 2.180.430 | 50 | | VIBRANT 3 | 89.696.261 | 2.502 | 13 | 6.899.712 | 192 | | VIBRANT PBF | 14.399.713.539 | 498.593 | 355 | 40.562.573 | 1.404 | **Insight Bisnis:** * **Dominasi PHARMANET:** Divisi PHARMANET secara signifikan mendominasi dalam hal Total Nilai RO dan Total Kuantitas RO, menyumbang lebih dari separuh dari keseluruhan penjualan. Ini menegaskan posisi PHARMANET sebagai tulang punggung pendapatan perusahaan. * **Segmen Bernilai Tinggi VIBRANT PBF:** Meskipun memiliki jumlah RO unik yang jauh lebih sedikit, Divisi VIBRANT PBF menunjukkan `Rata-rata Nilai per RO` (Rp 40.562.573) dan `Rata-rata Kuantitas per RO` (1.404 unit) yang sangat tinggi. Ini mengindikasikan bahwa pelanggan yang membeli dari VIBRANT PBF cenderung melakukan pesanan dalam volume dan nilai yang besar, menunjukkan segmen pasar *niche* atau B2B dengan kebutuhan khusus. Divisi ini berperan sebagai pendorong nilai per transaksi yang sangat penting. * **Potensi HOSPINET dan VIBRANT 3:** HOSPINET memiliki kontribusi yang substansial, sedangkan VIBRANT 3, meskipun kecil, menunjukkan rata-rata nilai dan kuantitas per RO yang lebih tinggi dari PHARMANET dan HOSPINET. #### 5.1.2. Kontribusi Produk Pharos Group (Pharos YN) Identifikasi produk yang diproduksi oleh Pharos Group (`Pharos YN = Y`) vs. non-Pharos (`Pharos YN = N`) menunjukkan preferensi dan kontribusi yang jelas. **Metrik Penjualan berdasarkan Pharos YN** | Pharos YN | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | N | 22.524.229.073 | 412.336 | 15.115 | 1.490.190 | 27 | | Y | 33.085.676.228 | 1.037.869 | 15.744 | 2.101.478 | 66 | **Insight Bisnis:** * **Produk Pharos sebagai Pendorong Utama:** Produk yang diproduksi oleh Pharos Group (Y) menyumbang bagian yang jauh lebih besar dari `Total Nilai RO` (Rp 33.085.676.228) dan `Total Kuantitas RO` (1.037.869 unit) dibandingkan produk non-Pharos. Selain itu, `Rata-rata Nilai per RO` (Rp 2.101.478) dan `Rata-rata Kuantitas per RO` (66 unit) juga lebih tinggi untuk produk Pharos. Ini menunjukkan preferensi yang kuat dari pelanggan terhadap produk internal Pharos Group, yang juga dibeli dalam jumlah lebih besar per pesanan. ### 5.2. Karakteristik Outlet dan Dampaknya pada Penjualan Karakteristik outlet, termasuk partisipasi dalam program Apotek Online dan segmentasi perilaku pembelian, adalah faktor kunci dalam memahami pendorong penjualan. #### 5.2.1. Partisipasi Apotek Online (AO YN) Program Apotek Online bertujuan untuk membantu outlet menjual produk secara *retail online*. Analisis penjualan berdasarkan partisipasi program ini mengungkapkan dinamika yang menarik. **Metrik Penjualan berdasarkan Partisipasi AO YN** | AO YN | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:--------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | N | 37.903.077.146 | 1.083.615 | 13.138 | 2.884.996 | 82 | | Y | 17.706.828.155 | 366.590 | 7.507 | 2.358.709 | 49 | **Insight Bisnis:** * **Dominasi Outlet Tradisional:** Outlet yang *tidak* berpartisipasi dalam program Apotek Online (N) secara kolektif menyumbang `Total Nilai RO` (Rp 37.903.077.146) dan `Total Kuantitas RO` (1.083.615 unit) yang jauh lebih besar. Mereka juga memiliki `Rata-rata Nilai per RO` yang lebih tinggi (Rp 2.884.996) dibandingkan outlet Apotek Online. Hal ini mengindikasikan bahwa mayoritas volume penjualan masih berasal dari saluran distribusi tradisional atau *offline*. * **Potensi yang Belum Tereksplorasi di Apotek Online:** Meskipun outlet Apotek Online (Y) memiliki nilai dan kuantitas total yang lebih rendah, partisipasi mereka menunjukkan adanya segmen yang berbeda. Perbedaan pada rata-rata nilai RO menunjukkan bahwa meskipun mereka melakukan pesanan, volume atau nilai per pesanan mungkin lebih kecil atau pola pembeliannya berbeda. #### 5.2.2. Segmentasi Outlet (K-Means Clustering) Segmentasi outlet berdasarkan perilaku pembelian (sebagaimana diidentifikasi dalam bab sebelumnya) menyediakan lensa strategis untuk memahami pendorong penjualan dari berbagai kelompok pelanggan. Tiga klaster utama telah teridentifikasi: **Insight Bisnis:** * **Klaster 0 (Pembeli Umum):** Kelompok pelanggan terbesar ini mewakili segmen dengan kontribusi nilai dan kuantitas penjualan yang rata-rata. Outlet dalam klaster ini secara eksklusif membeli produk dari Divisi PHARMANET dan menunjukkan preferensi moderat terhadap produk Pharos Group. Pola partisipasi Apotek Online mereka menunjukkan campuran model bisnis tradisional dan online. * **Klaster 1 (Fokus Pharos, Non-PHARMANET):** Klaster ini, meskipun ukurannya menengah, menunjukkan nilai dan kuantitas penjualan total yang sebanding dengan Klaster 0. Namun, perbedaannya terletak pada preferensi produk yang unik: mereka hampir tidak membeli produk dari Divisi PHARMANET, melainkan memiliki fokus yang lebih tinggi pada produk Pharos Group lainnya. Tingkat partisipasi Apotek Online yang sangat rendah menunjukkan orientasi yang kuat pada saluran penjualan tradisional atau spesifik. * **Klaster 2 (Pembeli Niche Bernilai Tinggi):** Ini adalah klaster terkecil namun paling signifikan secara strategis. Outlet di klaster ini menunjukkan rata-rata total nilai RO (Rp 495.247.410) dan rata-rata total kuantitas RO (17.146 unit) yang sangat ekstrem dan jauh melampaui klaster lainnya. Mereka memiliki preferensi hampir eksklusif terhadap produk Pharos Group dan tidak membeli dari Divisi PHARMANET. Tidak adanya partisipasi Apotek Online di klaster ini lebih lanjut menekankan bahwa mereka kemungkinan adalah pelanggan institusional, distributor besar, atau apotek khusus yang memiliki kebutuhan volume tinggi dan mengandalkan saluran penjualan langsung atau *offline*. Klaster ini adalah pendorong nilai penjualan per outlet yang paling penting. ### 5.3. Preferensi Metode Pembayaran Metode pembayaran yang digunakan oleh pelanggan dapat mencerminkan preferensi, kemudahan, dan skala transaksi. **Metrik Penjualan berdasarkan Metode Pembayaran** | Payment | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | Rata-rata Nilai per RO | Rata-rata Kuantitas per RO | |:--------------------|-----------------:|---------------------:|-----------------:|-------------------------:|-----------------------------:| | BCA Virtual Account | 42.124.313.088 | 1.102.410 | 11.894 | 3.541.644 | 93 | | BRIVA | 5.417.010.111 | 148.518 | 2.021 | 2.680.361 | 73 | | Kredivo | 20.044.321 | 436 | 24 | 835.180 | 18 | | Term Of Payment | 8.048.537.781 | 198.841 | 6.706 | 1.200.199 | 30 | **Insight Bisnis:** * **Dominasi BCA Virtual Account:** BCA Virtual Account adalah metode pembayaran yang paling dominan, menyumbang `Total Nilai RO` tertinggi (Rp 42.124.313.088) dan `Rata-rata Nilai per RO` tertinggi (Rp 3.541.644). Ini menunjukkan bahwa pelanggan yang menggunakan BCA Virtual Account cenderung melakukan pesanan dengan nilai yang lebih besar. * **Term Of Payment sebagai Volume Kedua:** Meskipun `Rata-rata Nilai per RO` lebih rendah (Rp 1.200.199), Term Of Payment (TOP) merupakan metode pembayaran kedua terbesar dalam `Total Nilai RO` dan `Jumlah RO Unik`. Ini mengindikasikan bahwa TOP mungkin digunakan oleh banyak pelanggan dengan frekuensi pesanan reguler tetapi nilai per transaksi yang lebih kecil. * **Kredivo yang Belum Optimal:** Kredivo, sebagai metode pembayaran digital, menunjukkan volume dan nilai yang sangat rendah. Ini mungkin mengindikasikan bahwa adopsi atau penawaran Kredivo belum maksimal, atau target pasarnya berbeda. ### 5.4. Tren Penjualan Temporal (Bulanan) Analisis tren penjualan bulanan membantu memahami pola musiman atau pertumbuhan dari waktu ke waktu. **Tren Penjualan Bulanan berdasarkan Divisi Produk dan Pharos YN** | YearMonth | Divisi | Pharos YN | Total Value RO | Total Quantity RO | Number of Unique RO | |:------------|:------------|:------------|-----------------:|--------------------:|----------------------:| | 2026-06 | | N | 18.812.136 | 76 | 7 | | 2026-06 | HOSPINET | N | 1.716.811.525 | 42.590 | 2.161 | | 2026-06 | HOSPINET | Y | 2.463.657.211 | 60.827 | 2.621 | | 2026-06 | PHARMANET | N | 20.170.807.963 | 365.098 | 12.889 | | 2026-06 | PHARMANET | Y | 16.750.406.666 | 480.519 | 12.772 | | 2026-06 | VIBRANT 3 | N | 4.153.680 | 17 | 4 | | 2026-06 | VIBRANT 3 | Y | 85.542.581 | 2.485 | 13 | | 2026-06 | VIBRANT PBF | N | 613.643.769 | 4.555 | 54 | | 2026-06 | VIBRANT PBF | Y | 13.786.069.770 | 494.038 | 338 | **Insight Bisnis:** * **Data Terfokus pada Juni 2026:** Dataset yang tersedia saat ini sebagian besar mencakup data untuk bulan Juni 2026. Hal ini membatasi kemampuan untuk menganalisis tren musiman atau pertumbuhan jangka panjang. Namun, dapat dilihat bahwa PHARMANET dan produk Pharos Group (Y) adalah pendorong utama penjualan dalam periode ini. Entri kosong pada kolom `Divisi` menunjukkan sejumlah kecil item RO yang tidak terasosiasi dengan divisi manapun. * **Kontribusi VIBRANT PBF yang Konsisten:** Bahkan dalam data bulanan yang terbatas, VIBRANT PBF, terutama produk Pharos Group (Y) dari divisi ini, menunjukkan `Total Value RO` yang sangat tinggi (Rp 13.786.069.770) meskipun `Number of Unique RO` relatif kecil, menegaskan kembali posisinya sebagai segmen bernilai tinggi. ### 5.5. Rekomendasi Peningkatan Penjualan Berdasarkan analisis faktor pendorong penjualan, berikut adalah beberapa rekomendasi strategis: 1. **Optimalkan Portofolio Produk:** * **Perkuat Divisi PHARMANET & Produk Pharos Group:** Manfaatkan dominasi PHARMANET dan preferensi kuat terhadap produk Pharos Group. Prioritaskan promosi, ketersediaan stok, dan inisiatif pemasaran untuk produk-produk ini. * **Kembangkan Segmen VIBRANT PBF:** Lakukan analisis mendalam mengenai kebutuhan spesifik Klaster 2 (Pembeli Niche Bernilai Tinggi) yang menunjukkan loyalitas tinggi terhadap produk Pharos non-PHARMANET dan divisi VIBRANT PBF. Lindungi dan kembangkan segmen ini dengan menawarkan layanan atau produk yang lebih personal serta pertimbangkan strategi *up-selling* atau *cross-selling* produk bernilai tinggi lainnya. * **Lakukan Analisis Asosiasi Produk:** Lanjutkan upaya untuk mengidentifikasi produk yang sering dibeli bersama melalui analisis aturan asosiasi (*association rules mining*). Ini akan membantu dalam strategi *bundling*, rekomendasi produk, dan penempatan display yang lebih efektif. 2. **Strategi Berbasis Segmentasi Outlet:** * **Targetkan Klaster Bernilai Tinggi:** Outlet di Klaster 2 adalah pelanggan kunci. Berikan layanan pelanggan premium, penawaran eksklusif, dan pastikan proses pemenuhan yang sangat mulus untuk mempertahankan dan meningkatkan nilai mereka. * **Pahami Perbedaan Klaster:** Kembangkan strategi penjualan yang berbeda untuk Klaster 0 (Pembeli Umum) dan Klaster 1 (Fokus Pharos, Non-PHARMANET). Misalnya, Klaster 1 mungkin merespons lebih baik pada penawaran produk Pharos tertentu di luar Divisi PHARMANET. * **Evaluasi Program Apotek Online:** Selidiki mengapa outlet non-Apotek Online (AO YN = N) menyumbang volume penjualan yang lebih besar dan memiliki rata-rata nilai RO yang lebih tinggi. Apakah ada hambatan dalam program Apotek Online yang perlu diatasi? Atau apakah program ini menargetkan jenis pelanggan yang berbeda dengan pola pembelian yang lebih kecil? Tingkatkan insentif atau fitur untuk mendorong partisipasi dan kinerja penjualan dari outlet Apotek Online. 3. **Optimalisasi Pembayaran:** * **Promosikan BCA Virtual Account:** Karena BCA Virtual Account memiliki `Rata-rata Nilai per RO` tertinggi, pertimbangkan untuk mempromosikan penggunaannya atau menawarkan insentif kepada pelanggan yang memilih metode pembayaran ini. * **Kaji Ulang Kredivo:** Evaluasi kembali strategi Kredivo. Apakah ini masalah kesadaran, kemudahan penggunaan, atau relevansi dengan segmen pelanggan target? Adopsi Kredivo yang lebih luas dapat membuka segmen pasar baru atau meningkatkan konversi untuk pelanggan yang membutuhkan opsi pembayaran cicilan. 4. **Analisis Tren Lanjutan:** * Kumpulkan data penjualan historis yang lebih panjang untuk dapat mengidentifikasi tren musiman yang lebih akurat, pola pertumbuhan, dan respons terhadap kampanye pemasaran dari waktu ke waktu. Analisis ini akan memungkinkan perencanaan inventaris dan strategi penjualan yang lebih proaktif. --- **CSV Download Links:** [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) ## 6. Segmentasi Pelanggan Outlet **6. Segmentasi Pelanggan Outlet** Memahami basis pelanggan adalah kunci untuk mengembangkan strategi penjualan dan pemasaran yang efektif. Dengan mengelompokkan *outlet* berdasarkan perilaku pembelian mereka, kita dapat mengidentifikasi segmen-segmen yang berbeda, memahami kebutuhan unik mereka, dan menyesuaikan pendekatan untuk memaksimalkan nilai serta loyalitas. Bab ini akan membahas hasil segmentasi *outlet* menggunakan algoritma K-Means, yang mengelompokkan 5.062 *outlet* berdasarkan metrik kinerja utama seperti total nilai dan kuantitas pembelian, jumlah pesanan, preferensi produk (Pharos YN dan Divisi), serta partisipasi dalam program Apotek Online (AO YN). **6.1. Ringkasan Klaster Outlet** Analisis K-Means berhasil mengidentifikasi 3 klaster *outlet* yang berbeda, masing-masing dengan karakteristik perilaku pembelian yang unik. Ringkasan fitur rata-rata untuk setiap klaster disajikan pada tabel di bawah ini: **Ringkasan Klaster Outlet (Nilai Rata-rata Fitur)** | klaster | jumlah_outlet | rata_rata_total_nilai_ro | rata_rata_total_kuantitas_ro | rata_rata_jumlah_pesanan | rasio_nilai_pharos_yn_rata_rata | rasio_nilai_divisi_pharmanet_rata_rata | partisipasi_ao_yn_rata_rata | |:-------:|:-------------:|:------------------------:|:----------------------------:|:------------------------:|:-------------------------------:|:--------------------------------------:|:---------------------------:| | 0 | 3,788 | 9,746,889 | 223 | 4 | 50.0% | 100.0% | 33.0% | | 1 | 1,260 | 9,329,545 | 289 | 3 | 57.5% | 0.0% | 2.9% | | 2 | 14 | 495,247,410 | 17,146 | 3 | 99.5% | 0.0% | 0.0% | [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) **6.2. Analisis Klaster** Berdasarkan karakteristik di atas, kita dapat mendefinisikan dan menganalisis setiap klaster: **6.2.1. Klaster 0: Pembeli Umum & Setia PHARMANET (3.788 Outlet)** * **Karakteristik:** Ini adalah klaster terbesar, mencakup sebagian besar *outlet* dengan rata-rata total nilai RO sekitar Rp 9,7 juta dan rata-rata kuantitas RO 223 unit. Yang paling menonjol adalah bahwa *outlet* di klaster ini **secara eksklusif membeli dari Divisi PHARMANET** (rasio 100,0%). Preferensi mereka terhadap produk Pharos Group cukup seimbang (50,0%). Partisipasi dalam program Apotek Online moderat (33,0%). * **Insight Bisnis:** Klaster ini merepresentasikan segmen pasar inti yang mengandalkan Divisi PHARMANET untuk sebagian besar kebutuhan pasokan mereka. Pembelian mereka cenderung reguler dengan volume sedang, mencerminkan pola pembelian sebagian besar apotek atau toko obat. Tingkat partisipasi AO YN yang sedang menunjukkan adanya sebagian yang mulai atau tertarik dengan kanal *online*, namun sebagian besar masih mengandalkan saluran tradisional. **6.2.2. Klaster 1: Pelanggan Non-PHARMANET dengan Preferensi Pharos Kuat (1.260 Outlet)** * **Karakteristik:** Klaster ini adalah yang terbesar kedua, dengan rata-rata total nilai RO (Rp 9,3 juta) dan kuantitas RO (289 unit) yang mirip dengan Klaster 0. Namun, ada perbedaan signifikan: *outlet* di klaster ini **tidak membeli produk dari Divisi PHARMANET sama sekali** (rasio 0,0%). Sebaliknya, mereka memiliki preferensi yang lebih kuat terhadap produk Pharos Group (57,5%) dibandingkan Klaster 0. Partisipasi Apotek Online mereka sangat rendah (2,9%). * **Insight Bisnis:** Klaster ini menunjukkan segmen *outlet* yang memiliki kebutuhan produk yang berbeda atau sumber pasokan utama di luar Divisi PHARMANET. Preferensi kuat terhadap produk Pharos Group (Y) menunjukkan mereka tetap membeli produk internal perusahaan, tetapi melalui divisi lain seperti HOSPINET atau VIBRANT PBF (yang telah diidentifikasi di bab sebelumnya memiliki transaksi bernilai tinggi). Rendahnya partisipasi AO YN menunjukkan mereka cenderung beroperasi secara tradisional atau memiliki model bisnis yang tidak mengintegrasikan penjualan *online* secara signifikan. Ini bisa jadi *outlet* yang sangat spesifik atau pelanggan institusional non-PHARMANET. **6.2.3. Klaster 2: Mitra Strategis Bernilai Super Tinggi (14 Outlet)** * **Karakteristik:** Ini adalah klaster terkecil, hanya terdiri dari 14 *outlet*, namun merupakan yang paling signifikan secara finansial. *Outlet* di klaster ini memiliki **rata-rata total nilai RO yang sangat tinggi (Rp 495,2 juta)** dan **rata-rata kuantitas RO yang sangat besar (17.146 unit)**, jauh melampaui kedua klaster lainnya. Mereka memiliki preferensi hampir eksklusif terhadap produk Pharos Group (99,5%) dan **tidak membeli dari Divisi PHARMANET** (rasio 0,0%). Selain itu, tidak ada partisipasi dalam program Apotek Online (0,0%). * **Insight Bisnis:** Klaster ini mewakili "pelanggan paus" atau mitra strategis yang sangat penting bagi perusahaan. Meskipun jumlahnya sedikit, kontribusi mereka terhadap total pendapatan sangat besar. Perilaku pembelian mereka yang mengutamakan produk Pharos Group (Y) dari divisi non-PHARMANET, serta volume pembelian yang masif dan tidak adanya partisipasi *online*, menunjukkan bahwa ini kemungkinan adalah distributor besar, rumah sakit, atau apotek besar dengan model bisnis B2B yang mengandalkan transaksi *offline* bervolume tinggi. Mereka adalah aset berharga yang memerlukan manajemen hubungan pelanggan yang sangat terpersonalisasi. **6.3. Anomali dan Observasi Tambahan** * **Pembelian Spesifik Divisi:** Jelas terlihat bahwa Klaster 0 adalah pelanggan setia PHARMANET, sementara Klaster 1 dan 2 tidak membeli dari divisi ini, namun tetap memiliki preferensi terhadap produk Pharos Group secara keseluruhan. Hal ini mengindikasikan bahwa produk Pharos Group tersebar di berbagai divisi dan menarik jenis *outlet* yang berbeda. * **Nilai vs. Jumlah Pesanan:** Klaster 2 menunjukkan rata-rata jumlah pesanan yang sama dengan Klaster 1 (3 pesanan), namun dengan nilai dan kuantitas per pesanan yang jauh lebih tinggi. Ini menegaskan bahwa nilai Klaster 2 tidak datang dari frekuensi pembelian yang tinggi, melainkan dari volume dan nilai transaksi tunggal yang sangat besar. * **Apotek Online dan Nilai Tinggi:** Tidak ada *outlet* di Klaster 2 yang berpartisipasi dalam program Apotek Online. Hal ini mungkin mengindikasikan bahwa pelanggan bervolume tinggi atau mitra strategis cenderung tidak menggunakan kanal *retail online* untuk pembelian mereka, atau bahwa program Apotek Online saat ini lebih menarik bagi *outlet* dengan volume pembelian yang lebih kecil atau kebutuhan ritel langsung. **6.4. Rekomendasi** Berdasarkan segmentasi *outlet* ini, berikut adalah rekomendasi strategis untuk meningkatkan kinerja penjualan dan efisiensi: 1. **Strategi Berbeda untuk Setiap Klaster:** * **Klaster 0 (Pembeli Umum & Setia PHARMANET):** Kembangkan program loyalitas berbasis volume, penawaran promosi reguler pada produk Divisi PHARMANET, dan inisiatif untuk meningkatkan konversi ke kanal *online* (program AO YN). Fokus pada kemudahan pemesanan dan kecepatan pengiriman standar. * **Klaster 1 (Pelanggan Non-PHARMANET dengan Preferensi Pharos Kuat):** Lakukan survei atau wawancara mendalam untuk memahami kebutuhan spesifik mereka terhadap produk Pharos non-PHARMANET. Kembangkan penawaran produk yang disesuaikan atau bundle khusus dari Divisi HOSPINET atau VIBRANT PBF yang relevan bagi mereka. Pertimbangkan tim penjualan yang berfokus pada hubungan *offline* yang kuat. * **Klaster 2 (Mitra Strategis Bernilai Super Tinggi):** Ini adalah pelanggan "Platinum" yang memerlukan manajemen akun kunci (Key Account Management) yang sangat personal. Berikan layanan prioritas, diskon volume khusus, dukungan logistik premium, dan akses eksklusif ke produk baru atau penawaran terbatas. Pastikan ketersediaan stok yang konsisten dan komunikasi proaktif. Fokus pada mempertahankan dan menumbuhkan hubungan jangka panjang ini, karena mereka adalah pendorong pendapatan terbesar per *outlet*. 2. **Optimalisasi Portofolio Produk Berbasis Klaster:** * Untuk Klaster 0, terus pertahankan dominasi produk PHARMANET. * Untuk Klaster 1 dan 2, eksplorasi peluang untuk produk Pharos Group dari divisi lain (selain PHARMANET) yang mungkin belum dioptimalkan penjualannya. 3. **Evaluasi Program Apotek Online (AO YN):** * Pahami mengapa *outlet* bervolume sangat tinggi (Klaster 2) tidak berpartisipasi dalam program AO YN. Apakah program ini tidak relevan untuk jenis bisnis mereka (misalnya, distributor yang tidak menjual *retail online*), atau ada fitur yang hilang yang dapat menarik mereka? Evaluasi apakah program AO YN perlu disesuaikan untuk menarik segmen pelanggan yang lebih besar, atau apakah harus fokus pada Klaster 0 sebagai target utama. 4. **Pemanfaatan Data untuk Personalisasi:** * Gunakan data preferensi produk (Pharos YN, Divisi) dan perilaku pembelian untuk mempersonalisasi rekomendasi produk dan kampanye pemasaran. Misalnya, *outlet* di Klaster 1 yang sangat menyukai produk Pharos Group (Y) dapat ditargetkan dengan peluncuran produk baru dari Pharos Group di luar Divisi PHARMANET. Dengan menerapkan strategi yang disesuaikan untuk setiap segmen, perusahaan dapat lebih efisien dalam mengalokasikan sumber daya, meningkatkan penjualan, dan membangun hubungan pelanggan yang lebih kuat. --- **CSV Download Links:** [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) [Download CSV: Outlet Cluster Assignments](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_assignments_b5ab5082.csv) ## 7. Tren Penjualan Bulanan Bab ini menganalisis komposisi penjualan berdasarkan bulanan, dengan segmentasi berdasarkan divisi produk dan flag Pharos YN. Tujuan dari analisis ini adalah untuk mengidentifikasi kontributor utama penjualan dan memahami distribusi pendapatan serta kuantitas dalam periode waktu yang tersedia, meskipun dengan keterbatasan data historis yang akan dijelaskan. ### 7.1. Komposisi Penjualan Bulanan Data penjualan yang tersedia saat ini sebagian besar terkonsentrasi pada bulan Juni 2026. Oleh karena itu, analisis "tren bulanan" di sini lebih difokuskan pada komposisi dan kontribusi penjualan di dalam satu bulan tersebut, daripada mengamati pola perubahan dari waktu ke waktu. Informasi ini memberikan gambaran dasar kinerja penjualan pada bulan Juni 2026, yang dapat menjadi *baseline* untuk perbandingan di masa mendatang jika data historis yang lebih panjang tersedia. Tabel berikut menyajikan agregasi metrik penjualan (Total Nilai RO, Total Kuantitas RO, dan Jumlah RO Unik) untuk bulan Juni 2026, dikelompokkan berdasarkan Divisi Produk dan apakah produk tersebut berasal dari Pharos Group (Pharos YN). **Metrik Penjualan Bulan Juni 2026 Berdasarkan Divisi Produk dan Pharos YN** | Bulan_Tahun | Divisi | Pharos YN | Total Nilai RO | Total Kuantitas RO | Jumlah RO Unik | |:------------|:------------|:------------|:-----------------|:-------------------|:---------------| | 2026-06 | | N | 18.812.136 | 76 | 7 | | 2026-06 | HOSPINET | N | 1.716.811.525 | 42.590 | 2.161 | | 2026-06 | HOSPINET | Y | 2.463.657.211 | 60.827 | 2.621 | | 2026-06 | PHARMANET | N | 20.170.807.963 | 365.098 | 12.889 | | 2026-06 | PHARMANET | Y | 16.750.406.666 | 480.519 | 12.772 | | 2026-06 | VIBRANT 3 | N | 4.153.680 | 17 | 4 | | 2026-06 | VIBRANT 3 | Y | 85.542.581 | 2.485 | 13 | | 2026-06 | VIBRANT PBF | N | 613.643.769 | 4.555 | 54 | | 2026-06 | VIBRANT PBF | Y | 13.786.069.770 | 494.038 | 338 | [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) ### 7.2. Insight Bisnis * **Dominasi Penjualan PHARMANET:** Dalam bulan Juni 2026, Divisi PHARMANET merupakan kontributor terbesar terhadap total nilai penjualan (mencapai Rp 36,92 miliar gabungan dari produk Pharos YN dan non-Pharos) dan kuantitas penjualan (845.617 unit). Ini menegaskan peran sentral Divisi PHARMANET dalam pendapatan perusahaan secara bulanan. Produk non-Pharos dari Divisi PHARMANET (`PHARMANET` dan `N`) menyumbang nilai tertinggi (Rp 20,17 miliar), menunjukkan ketergantungan yang signifikan pada produk-produk ini. * **Produk Pharos Group sebagai Pendorong Kuantitas:** Meskipun nilai total didominasi oleh PHARMANET non-Pharos, produk-produk yang diproduksi oleh Pharos Group (`Pharos YN = Y`) secara keseluruhan menyumbang kuantitas penjualan yang sangat tinggi di bulan Juni 2026. Ini mengindikasikan bahwa produk Pharos Group sering dibeli dalam jumlah besar, sebuah observasi yang juga konsisten dengan temuan di Bab 5. * **Kontribusi Signifikan VIBRANT PBF:** Divisi VIBRANT PBF, terutama dengan produk Pharos Group-nya (`VIBRANT PBF` dan `Y`), menunjukkan total nilai RO yang sangat substansial (Rp 13,79 miliar) di bulan Juni 2026. Meskipun jumlah RO uniknya relatif kecil (338), nilai per RO sangat tinggi, menunjukkan bahwa divisi ini melayani segmen pasar dengan transaksi bernilai besar, sesuai dengan analisis Klaster 2 di Bab 6. * **Kontribusi HOSPINET:** Divisi HOSPINET juga memberikan kontribusi yang signifikan, baik dari produk Pharos Group maupun non-Pharos, dengan total nilai gabungan Rp 4,18 miliar di bulan Juni 2026. * **Peran VIBRANT 3 yang Lebih Kecil:** Divisi VIBRANT 3 memiliki kontribusi nilai dan kuantitas yang paling kecil dalam bulan ini, namun seperti yang diamati di Bab 5, memiliki rata-rata nilai per RO yang lebih tinggi dari PHARMANET dan HOSPINET. ### 7.3. Anomali dan Observasi * **Keterbatasan Data Temporal:** Anomali paling signifikan adalah terbatasnya data penjualan yang tersedia, yang sebagian besar hanya mencakup satu bulan penuh (Juni 2026) dari tahun 2026. Hal ini mencegah analisis tren sesungguhnya, fluktuasi musiman, atau pertumbuhan penjualan dari waktu ke waktu. Untuk melakukan analisis tren bulanan yang komprehensif, data historis yang lebih panjang sangat dibutuhkan. * **Entri Divisi Kosong:** Terdapat sejumlah kecil pesanan yang tidak terasosiasi dengan divisi manapun (ditandai dengan `Divisi` kosong), yang menyumbang nilai penjualan Rp 18,81 juta. Ini mungkin menunjukkan masalah dalam pencatatan data produk atau kategori divisi yang tidak lengkap. ### 7.4. Rekomendasi 1. **Pengumpulan Data Historis yang Lebih Komprehensif:** Untuk mendapatkan wawasan yang lebih akurat tentang tren penjualan bulanan, sangat direkomendasikan untuk mengumpulkan dan mengintegrasikan data penjualan dari periode waktu yang lebih panjang (misalnya, beberapa tahun terakhir). Ini akan memungkinkan identifikasi pola musiman, tren pertumbuhan jangka panjang, dan dampak kampanye pemasaran atau perubahan produk. 2. **Investigasi Kategori Divisi Kosong:** Lakukan investigasi terhadap entri pesanan yang tidak memiliki asosiasi divisi produk. Pastikan setiap produk dikategorikan dengan benar ke dalam divisi yang sesuai untuk akurasi analisis penjualan. 3. **Monitor Kontribusi Produk dan Divisi Utama:** Terus pantau kinerja Divisi PHARMANET sebagai kontributor volume terbesar, serta Divisi VIBRANT PBF untuk nilai transaksi yang tinggi. Strategi yang dijelaskan di Bab 5 harus terus diterapkan untuk mengoptimalkan potensi dari masing-masing segmen produk. 4. **Menetapkan *Baseline* Kinerja Bulanan:** Data bulan Juni 2026 ini dapat digunakan sebagai *baseline* awal untuk mengukur kinerja penjualan di bulan-bulan berikutnya. Dengan adanya data historis yang lebih lengkap di masa depan, perbandingan kinerja bulanan akan menjadi lebih bermakna. --- **CSV Download Links:** [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) ## 8. Kesimpulan & Rekomendasi Analisis Eksplorasi Data (EDA) ini telah memberikan gambaran menyeluruh tentang data pemenuhan pesanan pelanggan, mengungkap wawasan penting terkait operasional, kinerja penjualan, serta karakteristik produk dan pelanggan. Dengan memproses dan menormalisasi data, kami telah mengidentifikasi area kekuatan, potensi masalah, dan peluang strategis untuk pertumbuhan. ### 8.1. Kesimpulan Utama #### 8.1.1. Kualitas Data dan Efisiensi Operasional Data telah berhasil distrukturisasi ke dalam entitas yang dinormalisasi, meningkatkan integritas dan kemudahan analisis. Tingkat pemenuhan pesanan secara keseluruhan sangat tinggi, dengan tingkat pembatalan di bawah 1,5% di semua tahapan proses, menunjukkan operasional inti yang solid. Namun, ditemukan anomali kualitas data yang signifikan pada pencatatan tanggal, khususnya pada tahapan `Logbook ke Ekspedisi` dan `Ekspedisi ke Diterima`. Durasi negatif yang ekstrem menunjukkan adanya kesalahan sistemik dalam pencatatan waktu atau penggunaan nilai *placeholder* yang tidak tepat. Selain itu, terdapat disparitas kuantitas yang mencolok antara `Repeat Order (RO)` dan `Sales Order (SP)` pada 2.087 item baris, di mana 14.137 unit lebih banyak diminta di RO daripada yang tercatat di SP, mengindikasikan potensi kehilangan pesanan atau penyesuaian yang tidak tercatat secara transparan di awal proses. #### 8.1.2. Perilaku Penjualan dan Karakteristik Produk Divisi PHARMANET merupakan kontributor utama dalam total nilai dan kuantitas penjualan, menegaskan posisinya sebagai inti bisnis perusahaan. Produk-produk dari Pharos Group (`Pharos YN = Y`) secara signifikan mendorong total nilai dan kuantitas RO, serta memiliki rata-rata nilai dan kuantitas per RO yang lebih tinggi dibandingkan produk non-Pharos. Menariknya, Divisi VIBRANT PBF, meskipun dengan jumlah pesanan yang lebih sedikit, menunjukkan rata-rata nilai dan kuantitas per RO yang sangat tinggi (Rp 40.562.573 dan 1.404 unit), menandakan segmen transaksi bernilai besar. Mayoritas penjualan masih berasal dari outlet yang tidak berpartisipasi dalam program Apotek Online (AO YN = N), dengan BCA Virtual Account sebagai metode pembayaran dominan yang juga mencatat rata-rata nilai RO tertinggi (Rp 3.541.644). #### 8.1.3. Segmentasi Pelanggan Outlet Analisis klaster telah mengidentifikasi tiga segmen pelanggan yang berbeda, masing-masing dengan karakteristik unik: * **Klaster 0 (Pembeli Umum & Setia PHARMANET):** Kelompok terbesar ini menunjukkan loyalitas terhadap Divisi PHARMANET dan melakukan pembelian dengan volume dan nilai sedang. Partisipasi Apotek Online mereka moderat. * **Klaster 1 (Pelanggan Non-PHARMANET dengan Preferensi Pharos Kuat):** Segmen ini tidak membeli dari Divisi PHARMANET, tetapi memiliki preferensi kuat terhadap produk Pharos Group dari divisi lain. Mereka menunjukkan partisipasi Apotek Online yang sangat rendah, mengindikasikan model bisnis yang lebih tradisional atau spesifik. * **Klaster 2 (Mitra Strategis Bernilai Super Tinggi):** Klaster terkecil namun paling signifikan secara finansial, dengan rata-rata nilai RO dan kuantitas per pesanan yang luar biasa tinggi. Pelanggan ini hampir secara eksklusif membeli produk Pharos Group non-PHARMANET dan tidak berpartisipasi dalam program Apotek Online, menunjukkan mereka adalah mitra strategis bervolume besar yang membutuhkan perhatian khusus. #### 8.1.4. Keterbatasan Data Temporal Analisis tren penjualan bulanan saat ini terbatas oleh ketersediaan data yang sebagian besar hanya mencakup bulan Juni 2026. Hal ini membatasi kemampuan untuk mengidentifikasi pola musiman, tren pertumbuhan jangka panjang, atau dampak inisiatif bisnis dari waktu ke waktu. ### 8.2. Rekomendasi Strategis Berdasarkan kesimpulan di atas, berikut adalah rekomendasi yang ditujukan untuk meningkatkan kinerja, penjualan, dan efisiensi operasional: #### 8.2.1. Perbaikan Kualitas Data dan Optimalisasi Proses Operasional 1. **Investigasi dan Koreksi Anomali Durasi Tanggal:** Prioritaskan penyelidikan mendalam terhadap penyebab durasi negatif pada tahapan `Logbook ke Ekspedisi` dan `Ekspedisi ke Diterima`. Kerjasama antara tim operasional dan IT diperlukan untuk: * **Identifikasi Akar Masalah:** Apakah ini disebabkan oleh kesalahan entri manual, *bug* sistem, perbedaan zona waktu, atau penggunaan nilai *placeholder* yang salah (terutama untuk `Tgl Diterima` yang menunjukkan tanggal `1970-01-02 07:00:00` di beberapa kasus)? * **Implementasi Validasi Data:** Terapkan validasi *real-time* untuk mencegah entri tanggal yang tidak logis (misalnya, tanggal berikutnya tidak boleh lebih awal dari tanggal sebelumnya). * **Klarifikasi Prosedur:** Sosialisasikan definisi yang jelas untuk setiap tahapan proses pemenuhan dan pastikan konsistensi dalam pencatatannya. 2. **Atasi Disparitas Kuantitas RO-SP:** Lakukan audit menyeluruh terhadap proses konversi dari `Repeat Order` ke `Sales Order`. * **Pahami Alasan Penurunan:** Identifikasi apakah penurunan kuantitas dari RO ke SP (14.137 unit secara total) disebabkan oleh ketersediaan stok, negosiasi pelanggan yang tidak tercatat, atau kebijakan internal. * **Perbaiki Transparansi dan Akurasi:** Jika ada penyesuaian, pastikan dicatat dengan jelas dan dikomunikasikan secara transparan kepada pelanggan. Optimalkan integrasi sistem untuk memastikan `Qty SP` secara akurat mencerminkan kesepakatan akhir dengan pelanggan. #### 8.2.2. Optimalisasi Strategi Penjualan Berbasis Segmentasi Pelanggan 1. **Manajemen Akun Kunci untuk Klaster 2 (Mitra Strategis Bernilai Super Tinggi):** Perlakukan 14 *outlet* di Klaster 2 sebagai `key accounts`. Alokasikan tim *account manager* khusus yang menawarkan layanan personalisasi, diskon volume eksklusif, dukungan logistik premium, dan akses awal ke produk baru. Fokus pada retensi dan pertumbuhan hubungan jangka panjang karena kontribusi pendapatan mereka sangat besar. 2. **Strategi Terdeferensiasi untuk Klaster 0 dan 1:** * **Klaster 0 (Pembeli Umum & Setia PHARMANET):** Kembangkan program loyalitas berbasis volume pada produk PHARMANET. Lakukan kampanye promosi reguler dan fokus pada kemudahan pemesanan serta kecepatan pengiriman standar. * **Klaster 1 (Pelanggan Non-PHARMANET dengan Preferensi Pharos Kuat):** Lakukan riset lebih lanjut (misalnya, wawancara atau survei) untuk memahami kebutuhan spesifik mereka terhadap produk Pharos Group di luar Divisi PHARMANET. Kembangkan penawaran produk yang disesuaikan atau paket bundel yang relevan bagi segmen ini, mungkin melibatkan tim penjualan yang berfokus pada pendekatan *offline* atau spesialisasi produk tertentu. 3. **Evaluasi Ulang Program Apotek Online (AO YN):** Selidiki mengapa outlet non-Apotek Online berkontribusi lebih besar. Tinjau kembali insentif dan fitur program AO YN untuk menarik partisipasi yang lebih luas, terutama dari *outlet* di Klaster 0. Pahami mengapa *outlet* bervolume tinggi seperti Klaster 2 tidak terlibat; apakah program ini memang tidak relevan untuk model bisnis mereka atau ada hambatan yang bisa diatasi? #### 8.2.3. Pengembangan dan Pemasaran Portofolio Produk 1. **Maksimalkan Potensi Produk Pharos Group dan PHARMANET:** Manfaatkan dominasi produk Pharos Group dan Divisi PHARMANET dengan memastikan ketersediaan stok yang optimal dan kampanye pemasaran yang kuat. Gunakan data ini untuk mengidentifikasi peluang *cross-selling* dan *up-selling*. 2. **Leverage Segmen Bernilai Tinggi VIBRANT PBF:** Pertahankan dan kembangkan segmen pasar yang dilayani oleh VIBRANT PBF. Analisis lebih lanjut dapat mengungkap jenis produk spesifik dan pelanggan mana yang mendorong transaksi bernilai tinggi ini. 3. **Analisis Aturan Asosiasi Produk:** Lanjutkan dengan analisis aturan asosiasi (*product association rules*) untuk mengidentifikasi produk yang sering dibeli bersama. Wawasan ini akan sangat berharga untuk mengembangkan strategi *bundling* yang efektif dan penempatan produk yang lebih cerdas, guna meningkatkan nilai keranjang belanja rata-rata. #### 8.2.4. Optimalisasi Metode Pembayaran 1. **Promosikan BCA Virtual Account:** Pertimbangkan insentif tambahan atau kemudahan proses bagi pelanggan yang menggunakan BCA Virtual Account, mengingat kontribusinya yang dominan terhadap total nilai penjualan dan rata-rata nilai RO. 2. **Kaji Ulang Kredivo:** Selidiki mengapa adopsi Kredivo masih sangat rendah. Lakukan survei pelanggan untuk memahami hambatan atau kurangnya daya tarik, dan pertimbangkan untuk menyesuaikan penawaran atau strategi promosinya jika segmen target Kredivo belum terjangkau secara efektif. #### 8.2.5. Analisis Lanjutan 1. **Perluasan Data Historis:** Sangat penting untuk mengumpulkan data penjualan dari periode yang lebih panjang (misalnya, beberapa tahun) untuk memungkinkan analisis tren musiman, pertumbuhan, dan elastisitas harga yang lebih akurat. Data historis yang lebih kaya akan memberikan konteks yang lebih baik untuk pengambilan keputusan strategis. 2. **Analisis Rantai Pasok Mendalam:** Setelah masalah kualitas data tanggal teratasi, lakukan analisis mendalam terhadap seluruh rantai pasok untuk mengidentifikasi *bottleneck* atau area perbaikan guna mengurangi waktu siklus pemenuhan total. Dengan menerapkan rekomendasi ini, perusahaan dapat tidak hanya mengatasi masalah kualitas data yang ada tetapi juga memanfaatkan wawasan dari perilaku pelanggan dan produk untuk meningkatkan kinerja penjualan dan efisiensi operasional secara keseluruhan. --- **CSV Download Links:** [Download CSV: normalized_outlets_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_column_summary_58a9f0c2.csv) [Download CSV: normalized_outlets_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_AO YN_frequency_70eab8c6.csv) [Download CSV: normalized_products_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_column_summary_1515b729.csv) [Download CSV: normalized_products_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_numerical_stats_c39061b1.csv) [Download CSV: normalized_products_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Divisi_frequency_7f5611a2.csv) [Download CSV: normalized_products_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Pharos YN_frequency_4662e413.csv) [Download CSV: normalized_orders_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_column_summary_3d689ada.csv) [Download CSV: normalized_orders_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_numerical_stats_2c95cef4.csv) [Download CSV: normalized_orders_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_aggregated_values_9fa1edc5.csv) [Download CSV: normalized_orders_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_frequency_248dbd51.csv) [Download CSV: normalized_orders_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_aggregated_values_3364caa6.csv) [Download CSV: normalized_orders_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_frequency_fb710fb1.csv) [Download CSV: normalized_orders_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_aggregated_values_4cf9137e.csv) [Download CSV: normalized_orders_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_frequency_ac9b6137.csv) [Download CSV: normalized_sps_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_column_summary_9b301ba9.csv) [Download CSV: normalized_sps_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_numerical_stats_d08d1692.csv) [Download CSV: normalized_sps_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_Sts SP Header_frequency_13d452e8.csv) [Download CSV: normalized_dos_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_column_summary_c699ffa9.csv) [Download CSV: normalized_dos_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Status DO_frequency_c785b22b.csv) [Download CSV: normalized_dos_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Asal Gudang_frequency_e859669c.csv) [Download CSV: normalized_dos_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Nama Ekspedisi_frequency_f8487cc0.csv) [Download CSV: normalized_pls_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_column_summary_89fdb050.csv) [Download CSV: normalized_pls_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_numerical_stats_8b6c5173.csv) [Download CSV: normalized_fulfillment_line_items_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_column_summary_e056ef15.csv) [Download CSV: normalized_fulfillment_line_items_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_numerical_stats_ec1d2a34.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_aggregated_values_6beb0eb4.csv) [Download CSV: normalized_fulfillment_line_items_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_frequency_43463195.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_aggregated_values_dbcb44ce.csv) [Download CSV: normalized_fulfillment_line_items_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_frequency_d484c953.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_aggregated_values_c0919343.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_frequency_352fba11.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_aggregated_values_a6454b39.csv) [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_frequency_e04bcea6.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_aggregated_values_2300ffbb.csv) [Download CSV: normalized_fulfillment_line_items_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_frequency_0d1fb7ff.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_aggregated_values_eb74d4b8.csv) [Download CSV: normalized_fulfillment_line_items_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_frequency_a110929c.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_aggregated_values_f40145d7.csv) [Download CSV: normalized_fulfillment_line_items_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_frequency_9b59f927.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values_9a04b0ce.csv) [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_frequency_129bdfa8.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_aggregated_values_7b496c46.csv) [Download CSV: normalized_fulfillment_line_items_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_frequency_a379e2b9.csv) [Download CSV: normalized_fulfillment_line_items_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_aggregated_values_bad2b7db.csv) [Download CSV: normalized_fulfillment_line_items_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_frequency_6bffe1dd.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_aggregated_values_239259c7.csv) [Download CSV: normalized_fulfillment_line_items_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_frequency_46640edd.csv) [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) [Download CSV: Outlet Cluster Assignments](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_assignments_b5ab5082.csv) [Download CSV: Monthly Sales Trends by Product Segment](gs://cfu-main-omniagent/reports/monthly_sales_trends_by_product_segment_a9330bf0.csv) [Download CSV: Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/fulfillment_stage_duration_analysis_1ee8a70b.csv) [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) [Download CSV: Anomalous Logbook to Ekspedisi Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_logbook_ekspedisi_sample_b54b2504.csv) [Download CSV: Anomalous Ekspedisi to Diterima Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_ekspedisi_diterima_sample_b44333c1.csv) [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv) ## Lampiran Data (Unduhan CSV) Berikut adalah file CSV data mentah yang dihasilkan selama eksplorasi: - [Download CSV: normalized_outlets_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_column_summary_58a9f0c2.csv) - [Download CSV: normalized_outlets_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_outlets_AO YN_frequency_70eab8c6.csv) - [Download CSV: normalized_products_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_column_summary_1515b729.csv) - [Download CSV: normalized_products_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_numerical_stats_c39061b1.csv) - [Download CSV: normalized_products_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Divisi_frequency_7f5611a2.csv) - [Download CSV: normalized_products_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_products_Pharos YN_frequency_4662e413.csv) - [Download CSV: normalized_orders_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_column_summary_3d689ada.csv) - [Download CSV: normalized_orders_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_numerical_stats_2c95cef4.csv) - [Download CSV: normalized_orders_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_aggregated_values_9fa1edc5.csv) - [Download CSV: normalized_orders_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Status RO_frequency_248dbd51.csv) - [Download CSV: normalized_orders_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_aggregated_values_3364caa6.csv) - [Download CSV: normalized_orders_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Payment_frequency_fb710fb1.csv) - [Download CSV: normalized_orders_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_aggregated_values_4cf9137e.csv) - [Download CSV: normalized_orders_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_orders_Lastupdate_frequency_ac9b6137.csv) - [Download CSV: normalized_sps_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_column_summary_9b301ba9.csv) - [Download CSV: normalized_sps_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_numerical_stats_d08d1692.csv) - [Download CSV: normalized_sps_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_sps_Sts SP Header_frequency_13d452e8.csv) - [Download CSV: normalized_dos_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_column_summary_c699ffa9.csv) - [Download CSV: normalized_dos_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Status DO_frequency_c785b22b.csv) - [Download CSV: normalized_dos_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Asal Gudang_frequency_e859669c.csv) - [Download CSV: normalized_dos_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_dos_Nama Ekspedisi_frequency_f8487cc0.csv) - [Download CSV: normalized_pls_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_column_summary_89fdb050.csv) - [Download CSV: normalized_pls_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_pls_numerical_stats_8b6c5173.csv) - [Download CSV: normalized_fulfillment_line_items_column_summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_column_summary_e056ef15.csv) - [Download CSV: normalized_fulfillment_line_items_numerical_stats](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_numerical_stats_ec1d2a34.csv) - [Download CSV: normalized_fulfillment_line_items_Divisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_aggregated_values_6beb0eb4.csv) - [Download CSV: normalized_fulfillment_line_items_Divisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Divisi_frequency_43463195.csv) - [Download CSV: normalized_fulfillment_line_items_Pharos YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_aggregated_values_dbcb44ce.csv) - [Download CSV: normalized_fulfillment_line_items_Pharos YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Pharos YN_frequency_d484c953.csv) - [Download CSV: normalized_fulfillment_line_items_Sts SP Header_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_aggregated_values_c0919343.csv) - [Download CSV: normalized_fulfillment_line_items_Sts SP Header_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Header_frequency_352fba11.csv) - [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_aggregated_values_a6454b39.csv) - [Download CSV: normalized_fulfillment_line_items_Sts SP Detail_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Sts SP Detail_frequency_e04bcea6.csv) - [Download CSV: normalized_fulfillment_line_items_Status DO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_aggregated_values_2300ffbb.csv) - [Download CSV: normalized_fulfillment_line_items_Status DO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status DO_frequency_0d1fb7ff.csv) - [Download CSV: normalized_fulfillment_line_items_Status RO_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_aggregated_values_eb74d4b8.csv) - [Download CSV: normalized_fulfillment_line_items_Status RO_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Status RO_frequency_a110929c.csv) - [Download CSV: normalized_fulfillment_line_items_Asal Gudang_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_aggregated_values_f40145d7.csv) - [Download CSV: normalized_fulfillment_line_items_Asal Gudang_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Asal Gudang_frequency_9b59f927.csv) - [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_aggregated_values_9a04b0ce.csv) - [Download CSV: normalized_fulfillment_line_items_Nama Ekspedisi_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Nama Ekspedisi_frequency_129bdfa8.csv) - [Download CSV: normalized_fulfillment_line_items_AO YN_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_aggregated_values_7b496c46.csv) - [Download CSV: normalized_fulfillment_line_items_AO YN_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_AO YN_frequency_a379e2b9.csv) - [Download CSV: normalized_fulfillment_line_items_Payment_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_aggregated_values_bad2b7db.csv) - [Download CSV: normalized_fulfillment_line_items_Payment_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Payment_frequency_6bffe1dd.csv) - [Download CSV: normalized_fulfillment_line_items_Lastupdate_aggregated_values](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_aggregated_values_239259c7.csv) - [Download CSV: normalized_fulfillment_line_items_Lastupdate_frequency](/agent/api/download?file=gs://cfu-main-omniagent/reports/normalized_fulfillment_line_items_Lastupdate_frequency_46640edd.csv) - [Download CSV: Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/fulfillment_stage_duration_analysis_1ee8a70b.csv) - [Download CSV: Cancellation Rate Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/cancellation_rate_analysis_4f32a87d.csv) - [Download CSV: Quantity Discrepancy Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/quantity_discrepancy_analysis_9e5876cd.csv) - [Download CSV: sales_by_divisi](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_divisi_bf0d1061.csv) - [Download CSV: sales_by_pharos_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_pharos_yn_8d3fb12f.csv) - [Download CSV: sales_by_ao_yn](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_ao_yn_cb3b35ec.csv) - [Download CSV: sales_by_payment](/agent/api/download?file=gs://cfu-main-omniagent/reports/sales_by_payment_d4f0d18a.csv) - [Download CSV: Outlet Cluster Summary](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_summary_13f38148.csv) - [Download CSV: Outlet Cluster Assignments](/agent/api/download?file=gs://cfu-main-omniagent/reports/outlet_cluster_assignments_b5ab5082.csv) - [Download CSV: Anomalous Logbook to Ekspedisi Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_logbook_ekspedisi_sample_b54b2504.csv) - [Download CSV: Anomalous Ekspedisi to Diterima Durations](/agent/api/download?file=gs://cfu-main-omniagent/reports/anomalous_ekspedisi_diterima_sample_b44333c1.csv) - [Download CSV: Re-evaluated Fulfillment Stage Duration Analysis](/agent/api/download?file=gs://cfu-main-omniagent/reports/reevaluated_fulfillment_stage_duration_analysis_20260710160231.csv) - [Download CSV: Top Negative Logbook to Ekspedisi DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_logbook_ekspedisi_dos_20260710160232.csv) - [Download CSV: Top Negative Ekspedisi to Diterima DOs](/agent/api/download?file=gs://cfu-main-omniagent/reports/top_negative_ekspedisi_diterima_dos_20260710160233.csv)