Prescriptive Analytics adalah tingkat analisis paling advanced dalam Business Intelligence.
Ini tidak hanya menjawab “apa yang terjadi” (Descriptive) atau “apa yang akan terjadi” (Predictive), tetapi juga menjawab pertanyaan paling penting bagi bisnis:
“Apa yang harus dilakukan?”
Prescriptive Analytics memberikan rekomendasi tindakan yang optimal, lengkap dengan probabilitas keberhasilan dan dampak potensial.
Perbandingan 4 Jenis Analytics
| Jenis Analytics | Pertanyaan Utama | Contoh | Tingkat Kesulitan |
|---|---|---|---|
| Descriptive | Apa yang terjadi? | Penjualan bulan ini Rp850 juta | Rendah |
| Diagnostic | Mengapa itu terjadi? | Penjualan turun karena kompetitor promo | Sedang |
| Predictive | Apa yang akan terjadi? | Penjualan bulan depan diprediksi Rp920 jt | Tinggi |
| Prescriptive | Apa yang harus dilakukan? | Naikkan promo 25% di TikTok untuk tambah Rp180 jt | Sangat Tinggi |
Cara Kerja Prescriptive Analytics
Prescriptive Analytics biasanya menggabungkan:
- Predictive Models (ramalan)
- Optimization Algorithms (matematika optimasi)
- Business Rules (aturan bisnis)
- Simulation (apa-jika scenario)
Contoh Proses:
- Model memprediksi penjualan akan turun 15%
- Sistem merekomendasikan beberapa opsi:
- Opsi A: Naikkan diskon 20% → Potensi untung Rp320 jt (probabilitas 78%)
- Opsi B: Tambah iklan Rp50 jt → Potensi untung Rp280 jt (probabilitas 65%)
- Sistem memilih rekomendasi terbaik berdasarkan tujuan bisnis.
Teknik Utama Prescriptive Analytics
| Teknik | Kegunaan | Contoh Aplikasi |
|---|---|---|
| Optimization | Mencari solusi terbaik dengan batasan | Optimalisasi harga, rute pengiriman |
| Simulation | Menguji berbagai skenario | “What-if” analysis |
| Recommendation Engine | Memberi rekomendasi personal | Netflix, Shopee, Gojek |
| Decision Trees & Rules | Aturan keputusan otomatis | Credit approval, inventory control |
| AI/ML + Optimization | Kombinasi prediksi + rekomendasi | Dynamic pricing, supply chain |
Studi Kasus Prescriptive Analytics
1. Gojek (GoTo Group)
- Menggunakan Prescriptive Analytics untuk dynamic pricing dan alokasi driver.
- Hasil: Meningkatkan efisiensi matching order-driver hingga 35% dan mengurangi waktu tunggu pelanggan.
2. Tokopedia
- Prescriptive system untuk rekomendasi produk dan promo.
- Hasil: Peningkatan konversi rate hingga 24% melalui rekomendasi yang sangat personal.
3. Perusahaan Logistik di Indonesia
- Mengoptimalkan rute pengiriman dan jadwal armada.
- Hasil: Penghematan biaya bahan bakar hingga 18% per bulan.
4. Rumah Sakit Swasta di Jakarta
- Prescriptive Analytics untuk optimalisasi jadwal dokter dan stok obat.
- Hasil: Mengurangi waktu tunggu pasien dan waste obat.
Tools Prescriptive Analytics 2026
| Tools | Kelebihan | Cocok Untuk |
|---|---|---|
| IBM Watson | Sangat kuat di optimization | Enterprise |
| Google OR-Tools | Gratis & powerful | Menengah-Besar |
| Power BI + AI | Mudah digunakan + prescriptive visual | UMKM & Menengah |
| Python (PuLP, SciPy) | Fleksibel & gratis | Advanced User |
| Tableau + Einstein | Visualisasi + rekomendasi AI | Bisnis Visual |
Langkah Praktis Menerapkan Prescriptive Analytics
Tahap 1: Kuasai dulu Descriptive & Predictive Analytics Tahap 2: Tentukan keputusan bisnis yang ingin dioptimasi Tahap 3: Bangun model predictive Tahap 4: Tambahkan layer optimization & business rules Tahap 5: Uji di skala kecil (pilot project) Tahap 6: Deploy & monitor hasil
Manfaat Prescriptive Analytics
- Memberikan rekomendasi tindakan yang spesifik dan optimal
- Meningkatkan efisiensi operasional secara signifikan
- Mengurangi risiko keputusan
- Meningkatkan profitabilitas
- Memberikan keunggulan kompetitif yang kuat
Contoh Sederhana Prescriptive Analytics:
Situasi: Penjualan turun 15% bulan ini.
Predictive: Bulan depan diprediksi turun lagi 8% jika tidak ada tindakan.
Prescriptive Recommendation:
- Opsi Terbaik: Jalankan promo bundling produk A+B dengan diskon 25% di TikTok Shop selama 14 hari → Proyeksi tambahan revenue Rp245 juta dengan probabilitas sukses 81%.
