Nama Kamu

Data Analyst | Business Intelligence | Data Visualization

Tentang Saya

Profile

Saya adalah seorang Data Analyst yang berpengalaman dalam mengubah data mentah menjadi insight yang actionable. Dengan keahlian dalam visualisasi data dan business intelligence, saya membantu perusahaan membuat keputusan berbasis data yang lebih baik.

Saya passionate dalam menemukan pola tersembunyi dalam data dan mengkomunikasikannya dengan cara yang mudah dipahami melalui dashboard interaktif dan storytelling visual.

Keahlian

Data Analysis

Python, SQL, Excel

Visualization

Tableau, Power BI

Statistics

Hypothesis Testing, Regression

Design

Canva, Data Storytelling

Dashboard Tableau

Berikut adalah beberapa dashboard interaktif yang saya buat menggunakan Tableau untuk analisis data dan business intelligence.

Dashboard 1: Sales Analysis

Ganti URL di bawah dengan link Tableau Public kamu

Dashboard 2: Customer Analytics

Tambahkan dashboard Tableau kedua di sini

Desain Canva

Koleksi desain infografis dan presentasi data yang saya buat menggunakan Canva untuk storytelling yang lebih menarik.

Infografis 1: Data Insights

Ganti dengan link embed Canva kamu (pilih Share > Embed)

Presentasi 2: Project Report

Tambahkan desain Canva kedua di sini

Laporan Insight & Analisis

Kumpulan laporan analisis data dan business insight yang telah saya kerjakan untuk berbagai project.

Analisis Penurunan Sales Q3 2024

📅 Sept 2024 🏢 E-Commerce

📊 Executive Summary

Analisis mendalam terhadap penurunan sales sebesar 15% pada Q3 2024. Identifikasi faktor utama dan rekomendasi strategi untuk recovery di Q4.

📈 Data Visualization & Analysis

Sales Trend
Sales Trend Q1-Q3 2024
Grafik menunjukkan penurunan signifikan dimulai dari minggu ke-2 Juli hingga akhir September. Peak penurunan terjadi di minggu ke-3 Agustus (-22%).
Category
Performance by Category
Fashion dan Electronics adalah kategori paling terdampak dengan penurunan masing-masing 20% dan 18%. Home & Living relatif stabil dengan penurunan hanya 5%.
Funnel
Conversion Funnel Analysis
Drop-off terbesar terjadi di tahap checkout (23% cart abandonment) dan product page (35% bounce rate dari mobile users).
Performance
Page Load Time vs Conversion
Korelasi negatif kuat antara loading time dan conversion rate. Setiap tambahan 1 detik loading time menurunkan conversion sebesar 7%.
-15%
Sales Growth
23%
Cart Abandonment
1.8x
Customer Churn
3.2
Avg Page Load Time

🔍 Key Findings:

  • Website loading time meningkat 45% karena update sistem
  • Kompetitor meluncurkan promo besar-besaran di periode yang sama
  • Kategori Fashion & Electronics paling terpengaruh (-20% dan -18%)
  • Mobile user experience menurun drastis (bounce rate +35%)

🎯 Root Cause Analysis

  • Technical Issues (40%): Performance degradation setelah sistem update
  • Market Competition (35%): Aggressive pricing dari kompetitor
  • User Experience (25%): Mobile checkout flow yang rumit

💡 Rekomendasi Aksi

  • Prioritas optimasi website performance (target: <2s load time)
  • Launch flash sale campaign untuk win back customers
  • Simplify mobile checkout process (target: 3-step max)
  • Competitive pricing analysis untuk kategori high-impact

📈 Projected Impact

Dengan implementasi rekomendasi di atas, diproyeksikan sales recovery 10-12% di Q4 2024 dengan ROI campaign sebesar 3.5x.

Customer Segmentation & Personalization Strategy

📅 Aug 2024 🎯 Marketing

📊 Executive Summary

Segmentasi pelanggan menggunakan RFM Analysis dan clustering algorithm untuk meningkatkan efektivitas marketing campaign dan customer lifetime value.

📈 Data Visualization & Analysis

RFM
RFM Customer Segmentation
5 segmen customer berdasarkan Recency, Frequency, dan Monetary value. Champions segment berkontribusi 45% dari total revenue meski hanya 18% dari customer base.
CLV
Customer Lifetime Value Distribution
CLV tertinggi pada segment Champions ($1,250) dan Loyal Customers ($780). Opportunity besar untuk nurture Potential Loyalists (current CLV: $320).
5
Customer Segments
32%
Campaign ROI Increase
12K
Active Customers
$450
Avg CLV

🔍 Customer Segments Identified:

  • Champions (18%): High value, frequent buyers - fokus retention
  • Loyal Customers (25%): Regular buyers - upsell opportunities
  • Potential Loyalists (22%): Recent buyers - nurture campaign
  • At Risk (20%): Declining engagement - win-back campaign
  • Lost Customers (15%): Inactive >6 months - reactivation

💡 Personalized Campaign Strategy

  • Champions: VIP program, exclusive early access, referral rewards
  • Loyal: Cross-sell bundling, loyalty points, birthday offers
  • Potential: Onboarding series, product recommendations
  • At Risk: Special discount, survey feedback, re-engagement
  • Lost: Win-back offers, "we miss you" campaign

📈 Expected Outcomes

Implementation personalized marketing diperkirakan meningkatkan conversion rate 25%, customer retention 15%, dan mengurangi marketing cost per acquisition sebesar 20%.

Inventory Optimization & Demand Forecasting

📅 Jul 2024 📦 Operations

📊 Executive Summary

Analisis pola demand dan optimasi inventory level untuk mengurangi stockout dan overstock, meningkatkan cash flow dan customer satisfaction.

📈 Data Visualization & Analysis

ABC
ABC Inventory Classification
Category A (20% items, 70% revenue) perlu tight control. Category C (50% items, 10% revenue) candidates untuk clearance atau discontinuation.
Forecast
Demand Forecasting Accuracy
Time series model mencapai 92% accuracy untuk fast-moving items. Seasonal decomposition menunjukkan peak demand di Q4 (+35% vs baseline).
Stockout
Stockout Pattern Analysis
Weekend stockout rate 3x lebih tinggi dibanding weekday. Top 10 fast-moving items menyumbang 65% dari total stockout incidents.
35%
Stockout Reduction
$280K
Capital Released
92%
Forecast Accuracy
18
Days Inventory

🔍 Key Insights:

  • 30% produk mengalami overstock dengan slow-moving inventory >90 hari
  • Fast-moving items sering stockout di weekend (conversion loss ~$45K/month)
  • Seasonal pattern jelas untuk kategori fashion & home decor
  • Lead time supplier bervariasi 7-21 hari, perlu buffer stock optimal

💡 Optimization Actions

  • Implement ABC analysis untuk prioritas inventory management
  • Dynamic reorder point berdasarkan demand forecasting model
  • Clearance campaign untuk slow-moving items (target: 60% reduction)
  • Supplier negotiation untuk reduce lead time & improve reliability

Project Lainnya

Kumpulan project data analysis dan visualisasi lainnya yang pernah saya kerjakan.

Customer Segmentation

Analisis segmentasi pelanggan menggunakan K-Means clustering untuk meningkatkan strategi marketing.

Tools: Python, Scikit-learn, Tableau

Sales Forecasting

Prediksi penjualan menggunakan time series analysis untuk planning inventory yang lebih baik.

Tools: Python, ARIMA, Power BI

Web Analytics Dashboard

Dashboard real-time untuk monitoring website traffic dan user behavior analysis.

Tools: Google Analytics, Tableau

Kontak

Mari berdiskusi tentang data! Hubungi saya melalui channel berikut:

📧 Email

email@example.com

💼 LinkedIn

linkedin.com/in/yourprofile

🐙 GitHub

github.com/yourusername

📊 Tableau Public

public.tableau.com/profile/yourname