Hari ini kita coba mengangkat satu topik yang sering muncul di organisasi.
Masalahnya adalah: tim merasa butuh data, tapi bingung keputusan apa yang mau diambil.
Ini sering terjadi ketika seseorang sedang membuat pekerjaan, plan, atau strategi, lalu di salah satu bagiannya muncul kebutuhan untuk meminta data.
Minta data ini.
Minta data itu.
Minta angka ini.
Minta laporan itu.
Sekilas terdengar bagus. Karena organisasi memang harus berbasis data. Keputusan harus punya dasar. Rencana harus didukung fakta.
Tapi masalahnya muncul ketika data sudah diberikan, orang yang meminta data justru bingung mau melakukan apa dengan data itu.
Mau dibaca dari sisi mana?
Mau dipakai untuk keputusan apa?
Mau mencari insight apa?
Mau membuktikan apa?
Mau mengubah strategi apa?
Akhirnya permintaan data hanya menjadi aktivitas tambahan, bukan alat untuk mengambil keputusan.
Menurut saya, ada tiga hal yang perlu diperhatikan.
1. Sebelum Minta Data, Tahu Dulu Tujuannya
Hal pertama, sebelum meminta data ke orang lain, kita harus tahu dulu data itu dibutuhkan untuk apa.
Tujuannya harus clear dari awal.
Apakah data itu untuk melihat masalah?
Apakah untuk membandingkan performa?
Apakah untuk menentukan prioritas?
Apakah untuk memilih strategi?
Apakah untuk mengevaluasi inisiatif?
Apakah untuk membuktikan asumsi?
Apakah untuk mengambil keputusan tertentu?
Kalau tujuannya belum jelas, permintaan data bisa jadi hanya sesuatu yang “nempel di lidah”.
Kita minta data karena terdengar seperti hal yang benar untuk dilakukan. Kita minta data agar terlihat analitis. Kita minta data agar seolah-olah orang lain juga punya pekerjaan tambahan untuk mendukung kita.
Padahal kalau alasan meminta datanya tidak disiapkan, ketika data itu benar-benar datang, kita sendiri bisa kebingungan.
Data tidak otomatis membuat kita lebih pintar mengambil keputusan.
Data hanya membantu kalau sejak awal kita tahu pertanyaan apa yang ingin dijawab.
Jadi sebelum bertanya, “Datanya ada?”
Lebih baik bertanya dulu, “Keputusan apa yang ingin saya ambil dari data ini?”
2. Data Harus Bisa Dibaca dan Diolah
Hal kedua, ketika data sudah diberikan, kita juga perlu punya kemampuan dasar untuk membaca dan mengolah data.
Tidak harus menjadi data analyst.
Tapi minimal bisa memahami angka, membaca pola, melihat anomali, membandingkan periode, dan mengambil kesimpulan awal.
Karena sering kali masalahnya bukan data tidak ada.
Data ada, tapi kita tidak tahu cara membacanya.
Atau data diberikan dalam format yang berbeda dari kebiasaan kita, lalu kita langsung merasa datanya membingungkan. Padahal mungkin hanya cara penulisannya yang berbeda, definisinya berbeda, atau konteks pengambilannya belum lengkap.
Di situ penting untuk bertanya kembali ke pemilik data.
Apa arti kolom ini?
Angka ini dihitung dari mana?
Kenapa ada perbedaan di periode ini?
Apakah data ini sudah final?
Apakah ada konteks yang perlu saya tahu sebelum membaca angkanya?
Dengan begitu, kita tidak asal menyimpulkan.
Karena data yang benar pun bisa menghasilkan keputusan yang salah kalau dibaca dengan cara yang keliru.
Maka meminta data harus diikuti dengan tanggung jawab untuk memahami data itu.
Bukan hanya menerimanya, lalu bingung sendiri.
3. Data Harus Berujung pada Insight atau Keputusan
Hal ketiga, ketika data sudah ada dan tujuannya sudah jelas, kita harus menggunakannya untuk mencari insight atau keputusan.
Data tidak boleh berhenti sebagai lampiran.
Data harus membantu menjawab:
Apa yang terjadi?
Kenapa ini terjadi?
Apa yang bisa dipelajari?
Apa yang harus kita ubah?
Apa yang harus kita lanjutkan?
Apa yang harus kita hentikan?
Apa keputusan yang lebih masuk akal setelah melihat data ini?
Setelah kita menemukan insight, akan lebih baik kalau kita konfirmasi ulang ke pemilik data.
Bukan untuk mengaudit.
Bukan untuk menghakimi.
Bukan untuk mencari kesalahan.
Tapi untuk memastikan interpretasi kita benar.
Misalnya, “Saya membaca data ini seperti ini. Apakah pemahaman saya tepat?”
Atau, “Dari angka ini, saya melihat kemungkinan masalahnya ada di bagian ini. Apakah ada konteks lain?”
Atau, “Kalau melihat data ini, saya ingin ambil keputusan A. Menurutmu ada risiko yang belum saya lihat?”
Dengan cara seperti itu, proses membaca data menjadi kolaboratif.
Bukan terasa seperti kita sedang menilai pekerjaan orang lain. Tapi memang ingin menghasilkan sesuatu dari data yang sudah diberikan.
Karena data dalam organisasi seharusnya tidak menjadi alat untuk menghakimi.
Data harus menjadi alat untuk memahami.
Jangan Minta Data Hanya untuk Terlihat Punya Power
Pada akhirnya, jangan sampai kebiasaan meminta data ke orang lain hanya menjadi cara untuk terlihat punya power.
Jangan sampai kita menagih data hanya agar terlihat sedang bekerja.
Jangan sampai kita minta banyak data hanya agar orang lain terlihat terlibat dengan plan kita.
Jangan sampai data diminta hanya untuk menambah formalitas, tapi tidak pernah dipakai untuk mengambil keputusan.
Data seharusnya diminta karena ada sesuatu yang memang perlu dijawab.
Ada fakta yang perlu dicari.
Ada asumsi yang perlu diuji.
Ada keputusan yang perlu diperkuat.
Ada solusi yang tidak bisa ditemukan hanya dari perasaan.
Kalau data tidak berujung pada insight, keputusan, atau tindakan, maka data hanya menjadi beban tambahan.
Maka sebelum meminta data, pastikan dulu pertanyaannya jelas.
Sebelum membaca data, pahami dulu konteksnya.
Sebelum menyimpulkan, konfirmasi dulu ke orang yang memegang datanya.
Karena data yang baik bukan hanya data yang lengkap.
Data yang baik adalah data yang membantu kita mengambil keputusan dengan lebih jernih.