Beberapa bulan yang lalu gw melihat story instagram teman yang sedang mencari bantuan seorang Data Analyst, karena kebetulan gw sedang mengikuti course Data Analyst di @pacmann.ai selama 1 tahun ke belakang, saya berniat membantu teman tersebut.
Singkat cerita teman gw ini ingin menganalisa 2 tahun data penjualan usahanya untuk mengetahui strategi stok yang akan dia lakukan kedepannya. Nah dari case ini gw akan buat artikel mengenai cara menganalisa data penjualan untuk mengoptimalisasi strategi stok, dan tentunya gw akan sensor data sensitif dan usaha teman tersebut.
Mengapa Analisa Data Penjualan Penting?
Dalam dunia bisnis, pengelolaan stok produk yang efisien adalah salah satu kunci keberhasilan. Ketika sebuah perusahaan gagal mengoptimalkan stok, masalah seperti kelebihan persediaan atau kekurangan stok dapat mengganggu operasional dan mempengaruhi pendapatan. Oleh karena itu, kemampuan untuk menganalisa data penjualan dengan tepat menjadi aspek yang sangat penting dalam menyusun strategi stok yang optimal.
Dari data penjualan dapat memberikan wawasan penting terkait performa produk di pasar. Dengan mempelajari pola penjualan, bisnis dapat memahami produk mana yang paling banyak diminati, kapan lonjakan permintaan terjadi, dan produk apa yang cenderung memiliki perputaran lambat. Analisa ini dapat membantu bisnis untuk mengambil keputusan yang lebih baik dalam hal pengadaan dan pengelolaan stok.
Misalnya, melalui analisa historis penjualan, sebuah perusahaan dapat menentukan produk mana yang perlu diperbanyak stoknya menjelang periode puncak, seperti saat musim liburan atau promosi besar. Sebaliknya, perusahaan juga dapat mengurangi stok produk yang jarang terjual, mengurangi risiko penyimpanan yang berlebihan dan biaya yang tidak perlu.
Objektif
Untuk memperjelas arah artikel ini dalam menganalisa data penjualan untuk optimalisasi strategi stok produk, maka di awal ini gw akan nentuin beberapa objektif sebagai berikut:
- Mengidentifikasi Pola dan Tren Penjualan
Penelitian ini bertujuan untuk mengidentifikasi pola dan tren penjualan berdasarkan data historis, termasuk tren musiman, fluktuasi harian atau bulanan, serta perubahan perilaku konsumen. Dengan demikian, bisnis dapat membuat proyeksi permintaan yang lebih akurat untuk merencanakan stok dengan lebih tepat. - Mengukur Kinerja Produk
Salah satu tujuan utama penelitian ini adalah untuk mengukur performa produk berdasarkan data penjualan. Penelitian akan fokus pada identifikasi produk dengan tingkat penjualan tinggi, produk dengan perputaran lambat, serta produk yang memerlukan strategi khusus seperti diskon atau penghentian produksi. Hasil dari analisa ini diharapkan dapat membantu bisnis untuk fokus pada produk dengan margin keuntungan terbaik dan mengoptimalkan penggunaan sumber daya - Merancang Model Pengelolaan Stok yang Efisien
Dengan memanfaatkan data penjualan yang diolah, penelitian ini bertujuan untuk merancang model pengelolaan stok yang lebih efisien. Fokus utama adalah pada perencanaan pengadaan barang yang lebih presisi, sehingga stok selalu tersedia saat dibutuhkan tanpa menimbulkan biaya penyimpanan berlebih atau kekurangan barang di pasaran. - Mengembangkan Rekomendasi Kebijakan Stok Berbasis Data
Berdasarkan hasil analisa data penjualan, penelitian ini akan mengembangkan rekomendasi kebijakan pengelolaan stok berbasis data yang konkret. Rekomendasi tersebut diharapkan dapat diimplementasikan oleh perusahaan untuk meningkatkan responsivitas terhadap perubahan permintaan pasar dan meningkatkan daya saing bisnis secara keseluruhan.
Dataset
Data file yang gw terima cukup besar, ada hampir 100,000 baris transaksi dengan jumlah kolom ada 28 dengan berbagai informasi penting terkait proses penjualan dari bulan Januari 2023 – Agustus 2024. Namun yang akan gw gunakan dan tampilkan dalam artikel ini cukup hanya beberapa kolom saja, seperti berikut:
Tanggal: Waktu transaksi terjadi.
SKU: Kode unik untuk setiap produk.
QTY: Jumlah barang yang terjual.
Mengolah dan Analisa Data
Pertama yang gw lihat adalah pertumbuhan penjualan berdasarkan QTY terhadap tahun
Dari bar chart ini bisa kita lihat dengan jelas kalau penjualan sangat meningkat pada tahun 2024 dibandingkan dengan tahun sebelumnya 2023.
Kemudian gw membuat bar chart QTY penjualan berdasarkan tahun, quarter, dan bulan dengan menambahkan garis median with quartiles pada keseluruhan table. Sebenarnya bisa dilihat satu per satu, namun gw lebih sering melihatnya dalam satu chart untuk melihatnya secara luas.
Dapat dilihat dan disimpulkan bahawa penjualan meningkat stabil dari waktu ke waktu, meningkat signifikan di sekitar quartiles median keselurhan table, januari 2023 sebanyak 864 QTY hingga Juli 2024 sebanyak 3,490 (bulan agustus datanya hanya hingga awal bulan). Namun ada peningkatan yang sangat berbeda jelas pada bulan Maret (8,621 QTY) – April (18,831 QTY) tahun 2023, dan juga bulan Maret (30,231) – April (10,169) tahun 2024.
Kedua gw ingin melihat kinerja produk menggunakan kolom SKU dan QTY.
Dari ratusan SKU, pada chart ini gw melihat top 20 kinerja produk. Dapat dilihat ada 2 produk unggulan sepanjang 2023 – 2024 ini, yaitu:
- GAM-H: 6,158 QTY
- GAL-H: 5,789 QTY
Namun diikuti 4 produk yang juga memiliki kinerja yang cukup baik setelahnya dan dengan penjualan yang tidak berbeda jauh, yaitu:
- GAL-P: 2,300 QTY
- GAXL-H: 2,237 QTY
- GAM-P: 2,101 QTY
- GAS-H: 2,032
Kemudian dengan menambahkan vairble waktu Tahun, gw bisa melihat ada perubahan tren kinerja produk di tahun 2024 sebagai berikut
Secara keseluruhan penjualan per SKU di tahun 2024 meningkat, namun ada perbedaan yang sangat signifikan, yaitu penjualan SKU GAS-H tahun 2023 jumlahnya hanya 332 QTY, namun pada tahun 2024 GAS-H terjual sebanyak 1,700 QTY.
Kemudian gw membuat forecast menggunakan fitur forecast pada tableau terhadap QTY yang terjual untuk melihat ramalan penjualan QTY beberapa bulan berikutnya dari bulan Agustus 2024.
Dari model forecast yang ditampilkan oleh tableau, kita lihat jumlah QTY yang diperkirakan akan terjual pada bulan September dan berikutnya adalah 6,834 QTY secara keseluruhan.
Memang model forecast ini hanya memukul rata tanpa melihat trend pada penjualan sebelumnya, untuk melakukan forecast yang lebih advance perlu melakukan research yang lebih dalam dan membuat algorithma coding untuk mengantisipasi variable trend.
Pola dan Tren Penjualan
- Pertumbuhan Penjualan: Terjadi peningkatan yang signifikan pada tahun 2024 dibandingkan dengan tahun 2023, dengan lonjakan penjualan yang jelas terlihat pada beberapa bulan tertentu, terutama bulan Maret dan April di kedua tahun tersebut.
- Fluktuasi Bulanan: Penjualan menunjukkan pola musiman dengan peningkatan tajam di bulan-bulan tertentu. Misalnya, pada Maret 2023 dan April 2024, penjualan mengalami lonjakan besar yang menunjukkan adanya faktor eksternal atau event khusus yang mempengaruhi permintaan.
- Tren Jangka Panjang: Secara umum, penjualan meningkat secara stabil seiring waktu. Hal ini dapat menunjukkan bahwa permintaan produk cenderung meningkat dan bisnis berhasil menarik pelanggan baru atau meningkatkan frekuensi pembelian.
Analisa ini memungkinkan untuk memahami bagaimana penjualan bervariasi sepanjang tahun dan bulan, serta mengidentifikasi waktu-waktu puncak penjualan. Ini penting untuk merencanakan stok dan strategi pemasaran yang lebih baik sesuai dengan pola musiman dan fluktuasi permintaan.
Jika dilihat dari kalender Indonesia, bulan Maret dan April pada tahun 2023-2024 adalah bulan Ramadhan, sehingga bisa disimpulkan bahwa pola musiman ini dipicu oleh bulan Ramadhan tersebut.
Kinerja Produk
- Produk Unggulan: Dua produk utama, GAM-H dan GAL-H, memiliki kinerja penjualan terbaik sepanjang tahun 2023-2024 dengan total QTY yang sangat tinggi. Ini menunjukkan bahwa produk-produk ini adalah yang paling populer di pasar.
- Produk Kinerja Baik Lainnya: Produk-produk seperti GAL-P, GAXL-H, GAM-P, dan GAS-H juga menunjukkan kinerja yang cukup baik, meskipun tidak sebaik dua produk utama. Namun, ada pergeseran yang signifikan dalam kinerja produk di tahun 2024, terutama untuk SKU GAS-H yang mengalami peningkatan penjualan yang drastis.
Dengan mengidentifikasi produk-produk dengan kinerja tertinggi dan perubahan tren, dapat memfokuskan produksi dan research model pada produk-produk yang memberikan keuntungan terbesar dan menyesuaikan strategi pemasaran untuk meningkatkan penjualan produk yang kurang performa.
Jika dikaitkan dengan pemasaran, kita bisa melihat bahwa produk unggulan ini dipastikan memiliki ROI tertinggi atau keberhasilan pemasaran yang efektif dan efisien. Jadi perlu menambahkan dana pemasaran khusus pada produk unggulan ini, kemudian sisa dana pemaasaran dibagi rata antara produk yang memiliki kinerja baik berikutnya.
Model Pengelolaan Stok yang Efisien
- Forecast Penjualan: Berdasarkan forecast, diperkirakan penjualan QTY akan mencapai 6,834 QTY pada bulan September 2024. Ini menunjukkan bahwa ada potensi peningkatan permintaan yang signifikan di masa depan.
- Perencanaan Stok: Dengan proyeksi penjualan yang tinggi, penting untuk merencanakan pengadaan barang yang sesuai untuk menghindari kekurangan stok dan memastikan produk tersedia untuk memenuhi permintaan yang meningkat.
Ini membantu memastikan bahwa produk tersedia saat dibutuhkan tanpa menimbulkan biaya tambahan dari stok berlebih seperti:
– Biaya pembelian bahan yang terlalu berlebih
– Biaya logistik dari tempat produksi menuju gudang
– Biaya gudang berkapasitas besar
– Biaya kemasan
– Biaya perawatan
– Biaya pemasaran yang menggelembung di waktu yang tidak tepat
Jika banyak stok yang mengendap (potensi dead stok), maka akan banyak juga modal yang tidak cair. \
Kebijakan Stok Berbasis Data
- Strategi Responsif: Kebijakan harus dirancang untuk memungkinkan respons cepat terhadap perubahan tren penjualan dan memanfaatkan ramalan penjualan untuk menyesuaikan strategi stok.
- Pengelolaan Inventaris: Gunakan forecast untuk menentukan tingkat stok minimum (safety stock) dan maksimum (reorder point). Safety stock harus cukup untuk menutup selisih antara forecast dan penjualan aktual. Dan implementasikan sistem pengendalian inventaris yang memicu pemesanan otomatis saat stok mencapai tingkat minimum.
- Promosi dan Diskon: Pertimbangkan strategi promosi atau diskon untuk produk yang mengalami penurunan permintaan untuk menghindari kelebihan stok.
- Evaluasi dan Penyesuaian Kebijakan: Evaluasi Rutin terhadap efektivitas kebijakan pengadaan berdasarkan data penjualan aktual dan forecast. Sesuaikan kebijakan berdasarkan hasil evaluasi untuk meningkatkan akurasi forecast dan efisiensi pengelolaan stok.
Dengan adanya kebijakan stok berbasis data ini akan meningkatkan performa penjualan, efisiensi operasional, peningkatan kepuasan pelanggan karena stok selalu ada, dan banyak lainnya.
Penutup
Optimalisasi strategi stok melalui analisa data penjualan merupakan langkah krusial dalam menjaga kelangsungan bisnis dan memaksimalkan keuntungan. Dengan memahami pola dan tren penjualan, mengidentifikasi produk unggulan, serta memanfaatkan proyeksi permintaan untuk perencanaan stok, bisnis dapat lebih responsif terhadap perubahan pasar. Selain itu, pengelolaan inventaris berbasis data dapat menghindari risiko kekurangan atau kelebihan stok, mengurangi biaya penyimpanan, dan meningkatkan efisiensi operasional. Melalui pendekatan ini, perusahaan dapat terus berkembang dan siap menghadapi tantangan bisnis di masa depan dengan lebih baik.
Saran lainnya yang gw berikan ke teman tersebut adalah segera hire data analyst, mengingat transaksi untuk pertahun sudah akan mencapai 100,000 transaksi, jika ada data analyst maka dapat merealisasikan kebijakan stok berbasis data segera. Untuk mencari data analyst bisa menggunakan platform job seeker atau melalui linkedin, dan lebih baik hire data analyst yang sudah berpengalaman di Industri yang sama dengan usahanya minimal 1 tahun, atau lebih ekstrim adalah hijack data analyst dari kompetitor.
Sekian pembahasan hari ini tentang “Business #3: Optimalisasi Strategi Stok Produk Melalui Analisa Data Penjualan”, jika ada kekurangan harap gw sangat terbuka untuk diskusi. Follow twitter @farizzlfdhl untuk twit tentang business & marketing.
