Data Analysis secara singkat dapat diartikan sebagai ilmu menganalisis data mentah untuk membuat kesimpulan tentang informasi itu. Banyak teknik dan proses analitik data telah diotomatisasi menjadi proses mekanis dan algoritme yang bekerja pada data mentah untuk konsumsi manusia. Data Analysis merupakan istilah luas yang mencakup berbagai jenis analisis data. Semua jenis informasi dapat dikenai teknik analisis data untuk mendapatkan wawasan yang dapat digunakan untuk meningkatkan berbagai hal. Teknik analitik data dapat mengungkapkan tren dan metrik yang jika tidak akan hilang dalam kumpulan informasi. Informasi ini kemudian dapat digunakan untuk mengoptimalkan proses untuk meningkatkan efisiensi keseluruhan bisnis atau sistem.

Misalnya, perusahaan manufaktur sering mencatat runtime, downtime, dan antrian kerja untuk berbagai mesin dan kemudian menganalisis data untuk merencanakan beban kerja dengan lebih baik sehingga mesin beroperasi mendekati kapasitas puncak.

Data Analysis dapat melakukan lebih dari sekadar menunjukkan kemacetan dalam produksi. Perusahaan game menggunakan analitik data untuk menetapkan jadwal hadiah bagi pemain yang membuat sebagian besar pemain tetap aktif dalam permainan. Perusahaan konten menggunakan banyak analitik data yang sama untuk membuat kita tetap mengklik, menonton, atau mengatur ulang konten untuk mendapatkan tampilan atau klik lain.

Data Analysis penting karena membantu bisnis mengoptimalkan kinerja mereka. Menerapkannya ke dalam model bisnis berarti perusahaan dapat membantu mengurangi biaya dengan mengidentifikasi cara yang lebih efisien dalam menjalankan bisnis dan dengan menyimpan data dalam jumlah besar. Perusahaan juga dapat menggunakan analitik data untuk membuat keputusan bisnis yang lebih baik dan membantu menganalisis tren dan kepuasan pelanggan, yang dapat menghasilkan produk dan layanan baru yang lebih baik.

Data Analysis secara umum dapat dibagi menjadi 4 jenis yaitu :

  1. Descriptive analytics: Tipe ini menjelaskan apa yang telah terjadi selama periode waktu tertentu. Misalnya apakah jumlah penonton meningkat? Atau apakah penjualan bulan ini lebih tinggi dari pada bulan sebelumnya?
  2. Diagnostic analytics: Tipe ini lebih berfokus pada mengapa sesuatu dapat terjadi dan type ini juga melibatkan input data yang lebih beragam dan lebih sedikit hipotesis. Misalnya apakah cuaca mempengaruhi penjualan minuman bersoda? Atau apakah iklan terbaru yang diluncurkan oleh perusahaan mempengaruhi tingkat penjualan?
  3. Predictive analytics: Tipe ini bergerak ke apa yang kemungkinan akan terjadi dalam waktu dekat. Misalnya bagaimana peramalan arus kas di periode berikutnya? Atau bagaimana perkiraan perilaku target pasar dari produk kosmetik terbaru ini?
  4. Prescriptive analytics: Tipe ini menyarankan adanya sebuah tindakan. Misalnya jika musim dingin ini berlangsung lebih lama, maka kita harus menambahkan alat penghangat ruangan agar produksi tetap dapat berjalan seperti biasanya.

Setelah melihat pentingnya Data Analysis ini, maka Management Laboratory mengadakan sebuah training dengan nama “Training Data Analysis I Linear Regression And
Conjoint Analysis & Grammarly For Research Writing” dimana tujuan dari training ini sendiri adalah membantu setiap peserta untuk dapat memahami seberapa pentingnya Data Analysis tersebut dan bagaimana cara untuk dapat menuliskannya dengan benar kedalam sebuah penelitian. Kegiatan ini dibawakan oleh Ibu Dr. Ami Fitri Utami S.E., MSM dan Bapak Dr. Ir. Hardijanto Saroso, M.MT., M.M.

Training ini diawali dengan pembawaan materi oleh Ibu Ami dimana beliau menjelaskan tentang apa itu Linear Regression dan Conjoint Analysis dan setelah itu dilanjutkan dengan materi yang dibawakan oleh Bapak Hardijanto yang membahas tentang penggunaan Grammarly dalam penulisan ilmiah.

Training ini diakhiri dengan kata-kata penutup oleh serta ucapan terima kasih kepada Ibu Ami dan Bapak Hardijanto untuk kesempatan dan materi yang telah diberikan kepada seluruh peserta dan dengan diadakannya training ini, diharapkan para peserta dapat memetik pelajaran dan pengetahuan berharga yang berguna kedepannya.