Seri Data to Insight · 02

Issue Tree dan Value Quadrant: Jangan Kerjakan Semuanya

Memecah masalah jadi bagian kecil, lalu memilih mana yang layak dikerjakan duluan.
Rahmat Hidayatullah · 8 menit baca · Interaktif

Ada teman cerita: "Bos minta cari tahu kenapa kepuasan pelanggan turun. Saya bingung mulai dari mana." Yang lain cerita: "Saya sudah analisis 12 hal, tapi bos bilang tidak ada yang menjawab." Dua-duanya masalah yang sama — belum memecah masalahnya dengan rapi.

Issue Tree — memecah satu masalah besar

Issue Tree adalah versi "masalah" dari Metrics Tree. Kita mulai dari satu pernyataan masalah, lalu pecah ke cabang-cabang penyebab yang mungkin. Contoh untuk kepuasan pelanggan menurun:

Langkah membuatnya sederhana:

1

Tulis masalah utama

Satu kalimat, jelas, dan bisa diukur. "CSAT turun dari 82 ke 74 dalam 3 bulan" lebih baik daripada "pelanggan tidak puas".

2

Tentukan cabang besar

Kategori besar yang mungkin jadi penyebab: produk, layanan, harga, dan seterusnya.

3

Pecah lagi sampai bisa dicek dengan data

Berhenti ketika cabangnya sudah cukup spesifik untuk diuji.

4

Cek MECE

Mutually Exclusive, Collectively Exhaustive — tidak tumpang tindih, dan tidak ada yang terlewat.

5

Review dan iterasi

Pohon pertama hampir pasti belum sempurna. Itu normal.

Value Quadrant — memilih yang layak dikerjakan

Masalahnya, setelah pohonnya jadi, kita punya 10–15 hipotesis. Tidak mungkin semua dikerjakan. Di sinilah saya pakai Value Quadrant: setiap hipotesis dinilai dari dua sisi.

Coba sendiri · Value Quadrant

Nilai setiap hipotesis, lihat ia jatuh di kuadran mana

Geser slider D (dampak) dan U (usaha) di setiap hipotesis. Tidak perlu angka sempurna — perkiraan kasar sudah cukup untuk memulai.

Membaca keempat kuadran

1

Quick win

Dampak tinggi, usaha rendah. Kerjakan duluan — ini yang membangun kepercayaan user ke tim data.

2

Proyek strategis

Dampak tinggi, usaha tinggi. Layak dikerjakan, tapi butuh perencanaan dan dukungan.

3

Kalau sempat

Dampak rendah, usaha rendah. Perbaikan kecil yang boleh dikerjakan di sela waktu.

4

Hindari

Dampak rendah, usaha tinggi. Biasanya dilewati, kecuali diwajibkan regulasi.

Satu tips dari saya: tidak perlu data sempurna untuk memperkirakan dampak. Mulai dengan angka kasar dan asumsi sederhana, lalu validasi seiring waktu. Mulai dari skala kecil, tunjukkan nilai nyatanya ke user, baru perbesar.

Analis yang baik bukan yang mengerjakan semuanya. Tapi yang tahu mana yang tidak perlu dikerjakan.
← Kembali ke daftar