Angka “Rata-rata”: Karpet Favorit Korporat untuk Menyembunyikan Masalah Operasional
Ketika rata-rata terlihat aman, tetapi pelanggan tetap menunggu
Pernah berada di rapat lintas departemen ketika seseorang menunjukkan dashboard dengan bangga lalu berkata, “Kita aman, KPI tercapai”? Kadang-kadang, kesimpulan itu hanya bertumpu pada satu angka: rata-rata.
Bayangkan target waktu pengiriman adalah 10 hari. Laporan bulanan menunjukkan rata-rata lead time 9 hari. Sekilas, performanya terlihat baik. Namun, ketika data setiap pengiriman diperiksa, ternyata hanya 70% pengiriman yang tiba dalam kurang dari 10 hari.
Bagaimana mungkin rata-ratanya tetap 9 hari? Sejumlah kecil pengiriman yang sangat cepat—misalnya tiba dalam 1 atau 2 hari—dapat menarik rata-rata turun dan menutupi pengalaman 30% pengiriman lainnya. Sebagian pengiriman itu mungkin terlambat jauh lebih lama; rata-rata saja tidak memberi tahu kita seberapa parah atau di mana keterlambatan terjadi.
Rata-rata bukan keseluruhan cerita
Rata-rata berguna untuk merangkum data, tetapi tidak menunjukkan sebaran atau variasi di balik angka tersebut. Jika kita hanya menampilkan rata-rata, kita dapat melewatkan pertanyaan yang paling penting:
- Berapa persen pengiriman yang memenuhi target?
- Seberapa terlambat pengiriman yang melewati target?
- Apakah keterlambatan terkonsentrasi pada rute, terminal, jenis kargo, atau kelompok pelanggan tertentu?
- Apakah performa membaik secara konsisten, atau hanya tertolong oleh beberapa pengiriman yang sangat cepat?
Bagi pelanggan, rata-rata perusahaan bukanlah pengalaman mereka. Mereka merasakan keterlambatan pada pengiriman mereka sendiri—dan dampaknya terhadap layanan, persediaan, dan operasi berikutnya.
Membuat dashboard lebih jujur dan berguna
Dashboard yang baik bukan sekadar membuat grafik terlihat rapi. Dashboard harus membantu tim melihat kenyataan operasional dan menentukan tindakan yang tepat. Untuk metrik waktu pengiriman, lengkapi rata-rata dengan ukuran yang menunjukkan distribusi dan pencapaian target, seperti:
- Persentase tepat waktu berdasarkan definisi target yang disepakati.
- Median dan persentil, misalnya P90, untuk menunjukkan pengalaman tipikal dan keterlambatan yang lebih ekstrem.
- Distribusi lead time agar variasi dan nilai ekstrem tidak tersembunyi.
- Rincian keterlambatan berdasarkan rute, terminal, jenis kargo, atau segmen relevan lainnya.
- Tren dari waktu ke waktu untuk membedakan perbaikan berkelanjutan dari fluktuasi sesaat.
Sebelum mengubah proses, pastikan definisi “tepat waktu”, periode pelaporan, cakupan data, dan pengecualian disepakati bersama. Dengan begitu, perbandingan tetap adil dan setiap tim membaca KPI dengan cara yang sama.
Dari KPI hijau menuju tindakan
Angka rata-rata yang tampak aman belum tentu berarti pelanggan menerima layanan yang baik. Dalam supply chain, analisis yang berhenti pada rata-rata dapat membuat masalah sistemik terlihat seperti pengecualian kecil.
Tujuan visualisasi data bukan membuat laporan terasa nyaman, melainkan mengungkap pola yang perlu ditangani. Tampilkan ringkasan, tetapi selalu sediakan cara untuk melihat distribusi dan menelusuri masalah hingga ke konteks operasionalnya.
Pertanyaan untuk diskusi: Pernahkah Anda menemukan masalah besar yang tersembunyi di balik rata-rata yang terlihat sempurna?