Disusun dengan bantuan AI. Angka dan kutipan dari pihak lain ditautkan ke sumber yang dibuka saat menulis.
AI untuk analisis data adalah pemakaian model AI untuk membantu mengolah data: merapikan tabel yang berantakan, membuat rumus, menyusun grafik, dan menjelaskan temuannya dalam bahasa biasa. Yang dipercepat adalah bagian yang membosankan. Pertanyaan yang diajukan dan keputusan yang diambil tetap pekerjaan manusia.
Hampir semua usaha hari ini punya data lebih banyak daripada yang sempat dibaca: catatan penjualan, riwayat chat, laporan stok, data iklan. Semuanya tersimpan rapi di spreadsheet dan nyaris tidak pernah dibuka lagi, karena membukanya berarti menghabiskan sore hari menyusun rumus.
Artikel ini membahas apa yang benar-benar bisa dikerjakan AI di atas data Anda, urutan langkah yang menentukan hasilnya, contoh perintah yang bisa langsung dipakai, serta batas yang kalau dilanggar menghasilkan angka salah yang terlihat meyakinkan. Untuk pekerjaan spreadsheet secara umum, lihat juga artikel Excel AI.
Analisis data pada dasarnya proses memeriksa data untuk menemukan pola dan menarik kesimpulan. IBM menjelaskan tahap awalnya, yang disebut analisis data eksploratif, sebagai cara menyelidiki kumpulan data untuk menemukan pola, hubungan, dan keanehan di dalamnya sebelum masuk ke pemodelan yang lebih formal (IBM). Tahap inilah yang paling banyak memakan waktu, dan tahap ini pula yang paling terbantu AI.
Secara praktis, bantuan AI jatuh ke empat jenis pekerjaan:
Yang tidak termasuk di dalamnya: memutuskan pertanyaan mana yang penting, menilai apakah datanya layak dipercaya, dan menanggung akibat kalau kesimpulannya salah.
Ini bagian yang paling sering dilewati dan paling menentukan. Data yang siap dianalisis punya ciri sederhana: satu baris mewakili satu kejadian, baris pertama berisi nama kolom, tanggal memakai satu format, angka tidak bercampur teks seperti satuan atau tanda baca, dan tidak ada baris kosong yang memotong tabel di tengah.
Kabar baiknya, merapikan ini sendiri bisa dibantu AI. Minta saja menandai baris yang formatnya menyimpang, lalu Anda yang memutuskan perbaikannya.
Perintah "analisis data ini" hampir selalu menghasilkan ringkasan dangkal, karena model tidak tahu apa yang Anda cari. Bandingkan dengan "dari tabel penjualan ini, sebutkan tiga produk yang penjualannya turun tiga bulan berturut-turut, lalu tampilkan angkanya per bulan". Yang kedua bisa dijawab, dan yang lebih penting, bisa diperiksa.
Pusat bantuan Google menyarankan hal yang sama untuk Gemini di Workspace: perintah yang efektif perlu memuat beberapa unsur, bukan satu kalimat umum (Google Docs Editors Help).
Untuk kebanyakan usaha, alat terbaik adalah yang sudah menempel di spreadsheet, karena datanya tidak perlu dipindahkan ke mana-mana. Pusat bantuan Google mencantumkan apa saja yang bisa dikerjakan Gemini di Google Sheets: membuat tabel, membuat rumus, menghasilkan analisis dan temuan, membangun grafik, sampai tindakan seperti memasang pemformatan bersyarat, membuat tabel pivot, dan mengurutkan atau menyaring data (Google Docs Editors Help).
Satu fitur kecil yang berpengaruh besar: pengenalan tabel. Dokumentasi Google menyebut ketika Anda menerima saran "Convert to table", Gemini otomatis memformat data Anda sebagai tabel dan memberinya nama, misalnya Project_Status, yang bisa Anda terima, ubah, atau hapus (Google Docs Editors Help). Data yang sudah dikenali sebagai tabel jauh lebih mudah dirujuk di perintah berikutnya.
Perlu dicatat, fitur Gemini di Workspace menuntut paket Google Workspace atau Google AI yang memenuhi syarat, dan ketersediaannya berbeda per paket. Hal yang sama berlaku untuk asisten serupa di Microsoft 365, seperti dibahas di artikel Microsoft Copilot.
| Pekerjaan | Contoh perintah | Yang harus Anda cek |
|---|---|---|
| Merapikan | "Tandai baris yang format tanggalnya berbeda dari kolom lain, dan baris yang nama produknya mirip tapi tidak persis sama." | Lihat daftar temuannya, jangan langsung menerima perbaikan otomatis |
| Menghitung | "Buatkan rumus untuk menghitung rata-rata nilai transaksi per bulan, lalu jelaskan rumusnya bagian per bagian." | Baca penjelasan rumusnya, cocokkan dengan maksud Anda |
| Meringkas | "Dari tabel ini, sebutkan tiga produk dengan penurunan terbesar dibanding kuartal sebelumnya, tampilkan angka dan persentasenya." | Hitung ulang satu angka secara manual |
| Menjelaskan | "Tulis tiga kalimat untuk rapat tim yang menerangkan apa yang berubah bulan ini dan kemungkinan penyebabnya, tanpa jargon." | Pastikan penyebab yang disebut memang didukung data, bukan dugaan |
Perhatikan pola di kolom kedua: selalu ada subjek yang jelas, periode waktu, dan bentuk hasil yang diminta. Teknik lengkapnya dibahas di artikel prompt engineering.
Banyak pemilik usaha merasa belum punya data untuk dianalisis, padahal sudah menumpuk di tempat yang tidak terlihat seperti data. Beberapa yang paling sering terlupakan:
Mulailah dari satu sumber saja, yang datanya paling rapi. Menggabungkan lima sumber sekaligus di percobaan pertama hampir selalu berakhir dengan tabel kacau yang tidak ada yang mau menyentuh lagi.
Kalau belum tahu harus mulai dari mana, tiga pertanyaan ini hampir selalu menghasilkan sesuatu yang bisa ditindaklanjuti minggu itu juga, dan ketiganya bisa dijawab dari data penjualan biasa.
Batas pertama dan paling penting: model bisa menghasilkan jawaban yang terdengar meyakinkan tetapi keliru. IBM menyebut gejala ini halusinasi AI, yaitu ketika model menyajikan informasi salah atau menyesatkan seolah fakta (IBM). Pada pekerjaan data, bentuknya bisa berupa angka yang tidak pernah ada di tabel, atau kesimpulan sebab akibat yang sebenarnya cuma kebetulan dua angka bergerak bersamaan.
Batas kedua: data yang tidak lengkap tetap tidak lengkap. Kalau separuh transaksi tidak tercatat kanal penjualannya, tidak ada perintah yang bisa memperbaiki itu. Yang bisa dilakukan AI hanya memberi tahu bahwa datanya bolong, dan itu pun kalau Anda memintanya memeriksa.
Analisis yang berhenti di grafik tidak mengubah apa pun. Yang membuatnya berguna adalah kalimat terakhir: apa yang akan dikerjakan berbeda minggu depan, oleh siapa, dan bagaimana kita tahu itu berhasil.
Bentuk paling sederhana yang terbukti berguna adalah tiga kalimat di akhir setiap analisis: apa yang kita lihat, apa artinya, dan apa yang kita kerjakan berbeda. Kalimat ketiga yang paling sering hilang, dan tanpa itu seluruh pekerjaannya berhenti jadi bahan rapat.
Satu kebiasaan kecil lagi yang menyelamatkan: simpan perintah yang berhasil beserta tanggal datanya di tempat yang bisa dibuka tim. Bulan depan pertanyaan yang sama akan muncul lagi, dan menjalankan ulang perintah yang sudah terbukti jauh lebih cepat daripada menyusunnya dari awal, sekaligus membuat angkanya bisa dibandingkan secara adil.
Untuk angka yang perlu dipantau terus menerus, tempatnya bukan di percakapan AI melainkan di laporan tetap, seperti dibahas di artikel CRM dashboard. AI lebih cocok untuk pertanyaan yang baru muncul. Cara menyusun laporannya sendiri dibahas di artikel AI untuk membuat laporan.
Kalau tim Anda punya data yang menumpuk tetapi tidak pernah sempat dibaca, biasanya yang kurang bukan alatnya melainkan kebiasaan bertanya dan memeriksa. Lihat kursus AI untuk pemilik usaha dan tim dari Nalurika, atau baca artikel lain seputar AI untuk kerja di halaman artikel.
Istilah ini menunjuk pemakaian model AI untuk membantu pekerjaan mengolah data: merapikan tabel yang berantakan, membuat rumus, membuat grafik, dan menyusun ringkasan temuan dalam bahasa biasa. AI tidak menggantikan analisisnya, melainkan memperpendek bagian yang paling memakan waktu dan paling membosankan.
Tidak untuk pekerjaan kantor sehari-hari. Fitur AI sudah tertanam di spreadsheet yang kemungkinan besar sudah Anda pakai, dan perintahnya ditulis dalam bahasa biasa. Kemampuan coding baru relevan kalau datanya sangat besar atau prosesnya perlu dijalankan otomatis setiap hari.
Satu baris mewakili satu kejadian, setiap kolom punya nama yang jelas di baris pertama, tanggal memakai satu format yang sama, angka tidak bercampur teks, dan tidak ada baris kosong di tengah. Data yang masih berantakan akan menghasilkan jawaban yang terdengar yakin tetapi salah.
Tidak begitu saja. Perlakukan hasilnya sebagai hitungan dari asisten baru: periksa satu atau dua angka secara manual sebelum dipakai. Cara paling aman adalah meminta AI menyebutkan rumus atau langkah yang dipakainya, lalu Anda menilai rumusnya, bukan hanya angkanya.
Dashboard menampilkan angka yang sudah ditentukan sebelumnya dan bagus untuk memantau hal yang sama tiap hari. AI lebih berguna untuk pertanyaan yang baru muncul dan belum ada tempatnya di dashboard, misalnya mencari tahu kenapa satu produk tiba-tiba turun bulan lalu.
Perlu kehati-hatian. Pemrosesan data pribadi di Indonesia diatur Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi, jadi tetapkan dulu data apa yang boleh keluar, periksa ketentuan penyedia alatnya, dan sedapat mungkin buang kolom yang bisa mengidentifikasi orang sebelum data diunggah.
Yang sudah ada di tempat data Anda berada. Kalau tim bekerja di Google Sheets atau Excel, fitur AI bawaannya paling mudah karena tidak perlu memindahkan data ke mana-mana. Alat terpisah baru masuk akal kalau pekerjaannya memang tidak bisa dikerjakan di spreadsheet.
Ada batasnya, dan batas itu berbeda per alat. Untuk tabel yang sangat panjang, cara yang biasanya berhasil adalah meringkas dulu di spreadsheet (misalnya dengan tabel pivot), lalu menyerahkan ringkasannya ke AI, bukan seluruh baris mentahnya.
Menulis perintah yang terlalu umum seperti analisis data ini. Hasilnya jadi ringkasan dangkal yang tidak menjawab apa pun. Perintah yang berguna selalu menyebut pertanyaan spesifik, periode waktunya, dan bentuk jawaban yang diinginkan.
Apa yang bisa dilakukan AI untuk Excel dan Google Sheets: Copilot di Excel dan Gemini di Sheets beserta syarat langganannya menurut halaman bantuan resmi, cara memakai chatbot umum untuk menulis rumus XLOOKUP, SUMIFS, dan COUNTIFS dengan contoh yang diuji, merapikan data, menyusun ringkasan laporan, tabel tugas dan alat, cara memeriksa hasil, serta aturan data sensitif.
18 Oktober 2026 | 11 menit baca
Bagian laporan yang bisa dibantu AI dan yang tidak, langkah membuat laporan dengan AI dari mengumpulkan bahan sampai persetujuan, unsur prompt laporan yang baik, contoh prompt untuk laporan penjualan, kegiatan, rapat, keuangan sederhana, survei, dan komplain pelanggan dalam tabel, cara memeriksa angka dan fakta, catatan khusus laporan keuangan, keamanan data, dan cara menjadikannya rutinitas tim.
25 Oktober 2026 | 10 menit baca
Pengertian CRM dashboard, tujuh angka yang paling berguna untuk usaha kecil dan menengah (lead per sumber, waktu respons pertama, konversi per tahap, nilai pipeline, menang dan kalah beserta alasannya, aktivitas tindak lanjut, pelanggan berulang), tabel definisi dan cara hitung, contoh tata letak, cara memakainya di rapat mingguan, kesalahan umum, dan cara memasukkan data dari WhatsApp.
14 Oktober 2026 | 11 menit baca
Ceritakan data apa yang Anda punya dan keputusan apa yang ingin diambil darinya. Kami bantu menyusun pertanyaan yang tepat, merapikan datanya, dan menetapkan siapa yang memeriksa sebelum angkanya dipakai. Kami membalas di jam kerja.