“Saya sudah kerja dengan angka, mau memutuskan lebih tajam”
Modul Datasight
Datasight berisi 33 modul berbahasa Indonesia tentang memakai data untuk mengambil keputusan: merumuskan masalah, mengecek angka, sampai menyampaikan temuan. Semuanya terbuka tanpa akun. Kami memasukkannya karena modulnya gratis dan berbahasa Indonesia. Datasight dirawat pengelola yang sama dengan anakdata, dan kami menyebutnya di sini supaya Anda membaca daftar ini dengan tahu hubungan itu.
Posisinya di katalog: sesudah bekerja dengan data
- 33 sumber
- Semua berbahasa Indonesia
- Semua tanpa akun
- Semua gratis
Mulai dari mana
Kami tidak menyarankan membaca semuanya berurutan. Cari nomor jalur yang paling mirip pekerjaan Anda, lalu buka modul pertamanya.
Lingkaran gelap bernomor menandai titik mulai jalur di bawah. Tahap terakhir kembali ke tahap pertama. Kotak bergaris putus menempel di semua tahap.
- 1
Kerja dengan angka, tapi bukan orang data
Misalnya: Marketing, finance, HR, operasional, guru, tenaga kesehatan. Alurnya: enam tahap, penuh.
Mulai di modul D01, Apa yang layak Anda lihat, dan apa yang cuma bising (membuka tab baru) - 2
Membaca laporan dan memutuskan dari angka
Misalnya: Kepala unit, direktur, pemilik usaha, pejabat publik. Alurnya: enam tahap, penuh.
Mulai di modul D01, Apa yang layak Anda lihat, dan apa yang cuma bising (membuka tab baru) - 3
Sudah kerja dengan data, dan angkanya dipakai orang lain
Misalnya: Analis, konsultan, peneliti. Alurnya: mulai dari Pilihan, Tahap 1 sebagai rujukan.
Mulai di modul D05, Bukti sebanyak apa yang sepadan dengan taruhannya (membuka tab baru) - 4
Menulis kode yang menghasilkan data untuk orang lain
Misalnya: Data Engineer, backend, BI Developer. Alurnya: mulai dari Data, lalu lapisan tata kelola.
Mulai di modul D11, Melihat data sebelum menyimpulkan (membuka tab baru) - 5
Bertanggung jawab atas data satu organisasi
Misalnya: CDO, kepala data, direktur teknologi. Alurnya: lapisan organisasi dulu, lalu lingkaran penuh.
Mulai di modul D30, Kenapa organisasi harus mengurus datanya sebelum bicara AI (membuka tab baru)
Tahap 1 · Framing
Menyaring dan merumuskan
Apa yang layak Anda lihat, dan apa yang cuma bising
Memilah aliran informasi yang masuk jadi empat kategori, dan menghentikan sumber yang tidak pernah mengubah satu keputusan pun
Keputusan apa yang sebenarnya sedang diambil
Menulis pernyataan masalah lima unsur: subjek, besaran, rentang waktu, dampak, batas keputusan
Pertanyaan yang bisa dijawab, dan yang tidak
Memecah satu pertanyaan besar jadi cabang yang tiap-tiapnya bisa dijawab dengan data yang ada
Siapa yang berhak memutuskan ini
Menuliskan peran keputusan dengan satu nama sebagai pemutus, dan membedakan yang punya suara dari yang punya hak suara
Tahap 2 · Pilihan
Menentukan tindakan yang mungkin
Bukti sebanyak apa yang sepadan dengan taruhannya
Menetapkan standar bukti sebelum analisis dimulai, dan menolak klaim yang tidak bisa salah
Menyatakan keyakinan dan biaya salah arah dalam angka
Menghitung biaya dua jenis kesalahan untuk satu keputusan, dan menentukan ambangnya dari ekonomi bukan dari statistik
Kenapa analisis yang benar sering tidak dipakai
Menguji tiap angka yang dipantau dengan pertanyaan siapa bertindak dan bertindak apa, lalu memensiunkan yang tidak lolos
Tahap 3 · Data
Membaca data
Berpikir dalam variasi, bukan dalam satu angka
Menyebut variasi normal sebuah metric sebelum menilai apakah pergerakannya berarti
Satu baris data ini sebenarnya mewakili apa
Menyebut unit observasi dan denominatornya, lalu siapa yang tidak ada di dalam sebuah tabel
Memecah angka besar jadi bagian yang ada pemiliknya
Menguraikan satu metric agregat jadi komponen yang menjumlah ke total, dan menghitung kontribusi tiap komponen
Melihat data sebelum menyimpulkan
Menjalankan urutan periksa yang menangkap lubang dan duplikat, juga nilai sentinel, sebelum analisis apa pun
Data ini layak dipakai untuk apa
Menilai satu file terhadap enam dimensi kualitas, dan menyatakan untuk keperluan apa file itu layak dan tidak
Tahap 4 · Cek & tafsir
Menganalisis dan menguji
Menolak angka yang terlihat meyakinkan
Membongkar sebuah klaim berangka dengan lima pertanyaan Huff, dan menyusun vonisnya sendiri
Kesalahan yang lolos dari orang teliti
Mengenali paradoks agregasi, survivorship, regresi ke rata-rata, dan pencarian yang terlalu lama di data tanpa sinyal
Menyampaikan yang belum pasti tanpa menyembunyikannya
Melaporkan besaran efek dan rentangnya, lalu menerjemahkan kedua ujung rentang jadi konsekuensi bisnis
Sebab, atau cuma bergerak bersamaan
Menyebut tiga penjelasan alternatif untuk sebuah correlation, dan menentukan analisis termurah yang menyingkirkan salah satunya
Membaca grafik tanpa tertipu
Mengenali sumbu yang dipotong, sumbu ganda, dan urutan kategori yang menyembunyikan pola
Membedakan temuan dari sekadar angka yang berubah
Menguji sebuah temuan dengan empat pertanyaan, dan mencari insight lewat enam pola yang sistematis
Menilai jawaban AI sebelum memakainya
Menjalankan verifikasi yang sepadan dengan taruhan, dan menemukan kesalahan yang tidak memunculkan error
Tahap 5 · Keputusan
Menceritakan dan menjadikan tindakan
Dari temuan jadi tindakan yang punya pemilik
Menyusun rekomendasi yang lolos lima syarat: tindakan spesifik, pemilik bernama, wewenang, ukuran keberhasilan, dan deadline
Memilih ukuran yang tidak rusak saat dikejar
Menetapkan satu metric utama dengan guardrail-nya, dan menyebut cara termudah metric itu dimanipulasi
Menyampaikan supaya diputuskan, bukan supaya dikagumi
Menyusun temuan jadi satu halaman dengan jawaban di depan, bukti berlapis, dan batas yang dinyatakan sendiri
Menulis untuk orang yang membaca dua paragraf
Menyusun argumen berbentuk piramida dan membuka dengan situasi, komplikasi, pertanyaan, jawaban
Menerjemahkan temuan ke bahasa uang dan keputusan
Mengubah pergerakan metric jadi volume, volume jadi rupiah, dan rupiah jadi pilihan yang tersedia
Tahap 6 · Evaluasi
Mengevaluasi dan memutar ulang
Menilai keputusan, bukan hasilnya
Memisahkan kualitas proses dari kualitas hasil, dan membaca evaluasi dari catatan bukan dari ingatan
Jurnal keputusan dan kalibrasi
Mencatat keputusan beserta prediksi berentang sebelum hasilnya diketahui, lalu membaca polanya setelah puluhan keputusan
Lapisan organisasi
Menempel di seluruh lingkaran
Boleh tidak data ini dipakai untuk keputusan ini
Menyebut dasar pemrosesan untuk satu pemakaian data pribadi, dan tahu deadline kewajiban yang berlaku
Siapa pemilik definisi angka ini
Menulis kamus metric berversi dengan pemilik bernama, dan menyiapkan data contract untuk satu tabel inti
Titik bocor yang ada di meja Anda sendiri
Memetakan titik bocor di workflow sendiri, dan membedakan data pseudonim dari data anonim
Kenapa organisasi harus mengurus datanya sebelum bicara AI
Menghitung kerugian dari cacat data yang pernah terjadi di organisasi sendiri, dan menyusun langkah sembilan puluh hari
Menilai posisi organisasi sebelum memutuskan investasi
Menilai enam dimensi kematangan dengan artefak sebagai bukti, dan mengarahkan investasi ke dimensi terendah
Kebiasaan meeting yang menentukan keputusan
Memasang kebiasaan yang membuat asumsi dan kepemilikan jadi eksplisit, mulai dari satu pertanyaan pembuka
Membuktikan nilai investasi data tanpa mengarang angka
Menyusun business case dari insiden internal, dan menyebut sendiri apa yang tidak dijanjikan
Kami mengecek seluruh link di halaman ini pada 19 Oktober 2026.