Produk Banyak Tapi Untung Gak Nambah? Ini Cara Data Analyst Bantu Bikin Keputusan Product Mix yang Tepat
Daftar Isi
- Pembukaan: Produk Banyak Tapi Gak Semua Untung
- Product Mix: Bukan Cuma Jumlah, Tapi Strategi
- Masalah Umum: Terlalu Banyak Produk, Terlalu Sedikit Data
- Studi Kasus: KopiLokal dan Masalah Menu yang “Overload”
- Langkah Data Analyst: Dari Kertas Order ke Dashboard Cuan
- Apa Saja Data yang Diperlukan untuk Product Mix Decision?
- Tools dan Teknik yang Dipakai untuk Analisis Product Mix
- Hasil Nyata: Pendapatan Naik, Produk Lebih Fokus
- Pelajaran Penting Buat Bisnis dan Analyst
- Kesimpulan
Pembukaan: Produk Banyak Tapi Gak Semua Untung
Kamu pernah lihat warung makan atau cafe yang punya menu sampai 6 halaman? Semua ada, dari nasi goreng sampai ramen, dari kopi susu sampai mocktail?
Tapi…
“Yang sering dipesan cuma es kopi susu sama nasi ayam, Mas.”
— Owner, dengan wajah pasrah.Baca Juga:
Fenomena ini nyata. Banyak bisnis berasumsi: “Semakin banyak pilihan, makin tinggi omzet.”
Padahal realitanya: yang banyak malah biaya operasional dan makanan sisa.
Nah, ini dia momen ketika Data Analyst bisa jadi pahlawan diam-diam. Bukan cuma bantu analisa penjualan, tapi juga bikin keputusan strategis soal produk apa yang harus diprioritaskan.
Product Mix: Bukan Cuma Jumlah, Tapi Strategi
Product Mix bukan cuma soal “banyak-banyakan produk.”
Ini soal komposisi produk yang optimal buat:
Baca Juga:
- Menarik pelanggan
- Menjaga margin keuntungan
- Efisiensi operasional
Elemen penting dalam product mix:
- Breadth: Jumlah kategori (minuman, makanan, snack)
- Depth: Variasi per kategori (es kopi susu vs kopi susu gula aren)
- Margin: Profit per item
- Turnover: Seberapa sering item itu dibeli
- Cost complexity: Apakah bahan sulit dan mahal?
Kalau disusun dengan benar, kamu bisa punya sedikit produk, tapi justru makin cuan.
Masalah Umum: Terlalu Banyak Produk, Terlalu Sedikit Data
Sayangnya, banyak bisnis (terutama FnB dan retail) nambah produk hanya karena:
- Trend musiman
- Ikut kompetitor
- Iseng coba-coba
Tapi lupa tanya:
Baca Juga:
“Produk ini bakal laku gak sih? Untungnya berapa? Yang beli siapa?”
Tanpa data, keputusan itu berisiko buang-buang waktu, tenaga, dan bahan baku.
Studi Kasus: KopiLokal dan Masalah Menu yang “Overload”
Cerita dimulai…
KopiLokal, sebuah cafe kecil di Bandung, awalnya sukses dengan 5 menu utama:
Baca Juga:
- Es Kopi Susu Gula Aren
- Latte
- Cold Brew
- Banana Muffin
- Nasi Ayam Sambal Matah
Tapi karena persaingan makin ketat, owner menambahkan 10 menu baru:
Matcha, Red Velvet, Lemonade, Croffle, Chicken Katsu Curry, dan seterusnya.
Masalah mulai muncul:
- Karyawan bingung nyiapin menu rumit
- Banyak bahan kadaluarsa
- Komplain meningkat karena rasa gak konsisten
- Omzet naik, tapi margin justru turun
Owner bilang:
Baca Juga:
“Kayaknya banyak menu baru yang gak worth, tapi aku bingung yang mana yang harus dicoret.”
Masuklah tim Data Analyst.
Langkah Data Analyst: Dari Kertas Order ke Dashboard Cuan
Langkah-langkah yang dilakukan:
- Tarik data penjualan 3 bulan terakhir dari POS (Point of Sales)
- Gabungkan dengan data pembelian bahan baku
- Hitung total order per produk
- Analisis margin per item
- Cek repeat order rate tiap produk
- Segmentasi waktu (pagi/siang/malam), lokasi, dan tipe pelanggan
Insight yang ditemukan:
- 70% penjualan berasal dari hanya 4 produk lama
- 6 dari 10 menu baru gak sampai 10 kali dipesan dalam sebulan
- 3 menu baru justru mengurangi kecepatan layanan
- Cold Brew punya margin 30% dan repeat order tinggi
Apa Saja Data yang Diperlukan untuk Product Mix Decision?
Jenis Data Penting:
- Sales data per SKU: jumlah terjual, harga, diskon
- Cost per produk: harga bahan baku, tenaga, dan waktu
- Feedback pelanggan: rating & komentar
- Operational time: waktu pembuatan & antrian
- Inventory rotation: berapa cepat bahan habis/dibuang
KPI yang bisa dihitung:
- GM% (Gross Margin)
- Contribution Margin
- Product Performance Index
- Sales Velocity
- Inventory Turnover
Tools dan Teknik yang Dipakai untuk Analisis Product Mix
Tools favorit Data Analyst:
- SQL / BigQuery – untuk ambil data penjualan
- Excel / Google Sheets – simulasi margin & scenario planning
- Tableau / Power BI – visualisasi tren
- Python (Pandas, Seaborn) – EDA & clustering product
- A/B Testing Tools – uji promosi/bundling antar produk
Teknik:
- Pareto Analysis (80/20 Rule)
- ABC Analysis (high, medium, low contribution)
- K-means Clustering untuk segmen produk
- RFM Analysis (Recency, Frequency, Monetary) pada pembeli
Hasil Nyata: Pendapatan Naik, Produk Lebih Fokus
Setelah 6 minggu:
- Menu dikurangi dari 15 → 9 item saja
- Bahan lebih efisien, waste turun 40%
- Revenue naik 15%
- Gross margin naik dari 21% → 29%
- Tim operasional lebih cepat & pelanggan puas
Dan yang paling penting:
Baca Juga:
Owner jadi lebih fokus ke promosi produk yang jelas hasilnya, bukan coba-coba lagi.
Pelajaran Penting Buat Bisnis dan Analyst
Untuk pebisnis:
- Jangan asal tambah produk tanpa data
- Produk baru = biaya + risiko = harus terukur
Untuk Data Analyst:
- Pahami konteks bisnis (gak cuma angka)
- Gunakan bahasa yang dipahami owner (jangan cuma grafik)
- Ceritakan data sebagai jalan keluar, bukan kritik
Kesimpulan
Produk banyak belum tentu berarti cuan banyak.
Tanpa strategi dan data, bisnis bisa tenggelam di pilihan yang membingungkan — untuk pembeli, tim, bahkan pemilik bisnisnya sendiri.
Dengan pendekatan yang tepat, Data Analyst bisa bantu perusahaan menyusun product mix yang lebih ramping, efisien, dan menguntungkan.
Baca Juga:
Artikel Terkait
