Data mentah masuk. Keputusan keluar.
Fokus saya · Analisis data: Pipeline BigQuery, Analisis Churn, Aplikasi Streamlit, Otomasi Laporan, Integrasi GenAI, Segmentasi RFM.
Data & Business Analyst sekaligus Retention Program Supervisor. Saya mengerjakan proyek data dari ujung ke ujung: pipeline BigQuery, analisis dan machine learning, sampai dashboard dan otomasi yang memangkas waktu laporan 50-70%.
// angka dari pekerjaan nyata, detailnya lebih lengkap di bagian bawah
Saya bekerja di titik temu data dan tim yang memakainya.
Sekarang saya memimpin tim retention di penyedia internet fiber, memegang churn, loyalitas, dan win back. Sebelumnya saya mengelola tim outbound call dan pelaporan untuk klien otomotif di OTO.com, dan membangun platform BI di Google Cloud untuk Rahsa Nusantara.
Saya terbiasa bekerja dengan tim CRM, Sales, Marketing, Product, dan HR. Pola kerja saya selalu sama: temukan pekerjaan manual yang berulang, rapikan datanya, lalu ganti dengan alat yang berjalan sendiri.
Setiap proyek di halaman ini melewati alur yang sama. Ini alat yang saya pakai di tiap tahap.
// gulir untuk menelusuri tahapnya
Menarik data dari ekspor, sheet, dan API.
Menyimpan, menjadwalkan sync, dan membuang duplikat.
Membersihkan, merekonsiliasi, dan memberi makna.
Menyajikan lewat aplikasi, API, dan dashboard.
Mengubah hasil analisis jadi program dan keputusan.
Ini sebagian di antaranya, dari tiga perusahaan, program magang, dan proyek pribadi. Pilih kategori untuk menyaring.
Gudang data BigQuery dengan data mart harian sampai tahunan, backend FastAPI di Cloud Run, dan dashboard React/TypeScript. Lapisan GenAI dengan pengaman SQL membuat stakeholder bisa bertanya soal penjualan dalam bahasa sehari-hari.
Memantau pelanggan, pendapatan, ARPU, dan bandwidth lewat mesin kalkulasi berbasis skema. Setiap sel direkonsiliasi ke file Excel sumber, lalu disinkronkan ke Google Sheets dengan satu perintah.
Tim cukup mengunggah data new connect, reconnect, dan disconnect. Segmentasi pelanggan, kalkulasi, dan rekonsiliasi berjalan sendiri, lengkap dengan narasi AI untuk setiap grafik.
Analisis akun yang berhenti berlangganan menunjukkan churn lebih banyak dipicu pemutusan karena tagihan daripada keputusan pelanggan sendiri. Hasilnya enam usulan program retensi yang diprioritaskan.
Merancang ulang program member get member (dompet kredit referral, hadiah berbasis band, batas hadiah) dan program loyalitas tiga tingkat dengan skor kesehatan pelanggan harian untuk mencegah churn.
Laporan harian hasil panggilan dan KPI agen untuk campaign Toyota Astra Finance, Hyundai, Geely, dan Wuling, yang kini disusun aplikasi langsung dari ekspor CSV dialer.
Mencocokkan leads dan SPK dengan angka di dashboard klien. Hasilnya workbook Excel multi-sheet yang menyelesaikan selisih antara laporan internal dan laporan klien.
Lead rate turun meski connect rate stabil. Dengan memeriksa rekaman dan data, penyebabnya ditelusuri ke kualitas daftar leads, bukan performa agen atau dialer.
Setiap lead dipasangkan ke dealer terdekat dengan jarak Haversine di Python. Lead yang tidak punya dealer dalam jangkauan ditandai untuk ditinjau.
Tim cukup mengisi satu sheet. Apps Script memisahkan leads berdomisili Jawa ke sheet klien dan sisanya tetap di sheet internal.
Alur laporan SOV yang dulu disusun manual kini berjalan otomatis, sehingga analis punya waktu untuk permintaan klien yang mendadak.
Dari prototipe Streamlit menjadi aplikasi Next.js produksi dengan Firestore, Firebase Auth, dan Secret Manager. Ada review 360° dengan ringkasan AI dan pipeline seeding data HR yang divalidasi.
Absensi SPG dan rekap penjualan harian yang langsung terkirim ke WhatsApp, berjalan otomatis lewat penjadwal di cloud.
Standardisasi nama kota ke format Kota/Kabupaten, konversi ke Parquet untuk BigQuery, dan pencocokan peserta event offline berdasarkan nomor telepon.
Asisten AI internal yang menggantikan langganan alat pihak ketiga berbayar, sehingga biaya turun dan pekerjaan harian tim lebih cepat.
Analisis sentimen berbasis leksikon untuk ulasan produk di Tokopedia dan Shopee, dijadikan aplikasi web agar tim CRM bisa menjalankannya sendiri. Ditambah model prediksi churn pelanggan.
Rekomendasi bundling dari pola belanja, supaya bundle tidak ditentukan dari keyakinan masing-masing orang. Lalu screener saham yang menggabungkan PEG, Graham Number, Earnings Yield, ROE, dan DER.
Dua aplikasi Streamlit berbasis Google Sheet: tracker proyek lintas perusahaan pengganti Trello, dan laporan stok untuk toko baja ringan.
Dua dashboard yang saya rancang dari dataset publik. Keduanya mengikuti alur yang sama: apa yang terjadi, mengapa, lalu siapa yang perlu ditangani lebih dulu. Ketuk gambar untuk memperbesar.
dataset publik · 2.058 pelanggan unik · 3 halaman
Dashboard ini berakhir di daftar pelanggan yang siap diekspor ke tim campaign, bukan hanya grafik.
dataset publik · 10.000 nasabah · 3 halaman · dua bahasa
Skor risiko dibuat berbasis aturan agar alasannya bisa diperiksa tim, dan jenis kelamin sengaja tidak dipakai dalam skor.
PT Indonesia Broadband Communication
PT Carbay Services Indonesia (OTO.com)
PT Bhinneka Rahsa Nusantara
Kampus Merdeka Sanggar Rahsa x Magang Merdeka MSIB
Tulis pesan lewat formulir ini. Saya biasanya membalas dalam 1 sampai 2 hari kerja.
Saya sedang membangun dua situs sendiri: satu untuk menjual produk, satu untuk berbagi cara saya bekerja dan berpikir.