FINAL PROJECT KELOMPOK 85
FINAL PROJECT
Ardhian Faiz Zein DBA2239742
DEPARTEMEN SALES
Annisa Fadhilah Dzikri DBA2302852
DEPARTEMEN PRODUCT
Imas Indriani Lestari DBA2167458
DEPARTEMEN HUMAN RESOURCE
Madelin Sarah DBA2259337
DEPARTEMEN MARKETING
KELOMPOK 85
LATAR BELAKANG DEPT SALES
DAFTAR
ISI
METODOLOGI DEPT SALES
HASIL DAN PEMBAHASAN DEPT SALES LATAR BELAKANG DEPT PRODUK METODOLOGI DEPT PRODUK
HASIL DAN PEMBAHASAN DEPT PRODUK
LATAR BELAKANG DEPT HR METODOLOGI DEPT HR
HASIL DAN PEMBAHASAN DEP HR LATAR BELAKANG DEPT MARKETING METODOLOGI DEPT MARKETING
HASIL DAN PEMBAHASAN DEPT MARKETING
KESIMPULAN DAN SARAN
Latar belakang perusahaan
Perusahaan The Look Up merupakan perusahaan yang baru berdiri 3 tahun sejak 2019 hingga sekarang.
kel. 85 sebagai tim proyek ingin melihat data Sales, product, tenaga kerja dan marketing untuk dapat mengefisiensi biaya perusahaan dan menaikkan profit perusahaan kedepannya
LATAR BELAKANG
What?
meningkatkan penjualan dan memperluas persebaran produk.
Why?
untuk dapat menentukan serta mencapai target penjualan tiap bulannya dan mengenalkan produk lebih luas.
Where?
Perusahaan e-commerce the look
When?
penjualan periode pertengahan 2022 sampai 2024
Who?
Seluruh karyawan dibawah departemen sales
How?
melihat dan memahami data yang ada. membuat visualisasi penjualan selama 3 tahun terakhir dengan dataset yang disediakan. memprediksi penjualan untuk 2 tahun kedepan berdasarkan alur data dengan memanfaatkan kemajuan teknologi.
Dept. sales
5W+1H
METODE
TIME SERIES FORECASTING
Berdasarkan data training, model yang sesuai untuk data penjualan adalah TIME SERIES karena:
Memiliki Variabel waktu yaitu (tanggal_pesanan) dan variable yang akan di perikirakan yaitu (banyak_pesanan).
Memiliki kecenderungan arah data dalam jangka panjang, dapat berupa kenaikan maupun penurunan.
Dept. sales
GRAFIK PENJUALAN | 2019-2022
TOTALPERSEBARAN
HASIL Dept. sales
HASIL FORECASTING
DATASET SALES 2019-2022
latar belakang dept. product
permasalahan dengan 5w+1h
What?
-Mengkatagorikan jenis produk dan Biaya Produksi yang efisien
Why?
- untuk meningkatkan efisiensi dari biaya
produksi dan kecukupan stock barang yang lebih cepat/sering terjual
-untuk mengetahui apakah perlu atau tidaknya mengembangkan/inovasi dari kategori produk
Where?
Perusahaan e-commerce the look
When?
berdasarkan data set dari tahun 2018 hingga tahun berjalan 2022
Who?
dept. produk, dept. anggaran, customer
How?
-melihat data historis masing-masing kategori produk dan biaya produksinya
-mengkategorikan/mengklasifikasi jenis jenis produk dan biaya produksi dengan machine learning
- solusi untuk mencapai efisiensi produksi dan biaya
metode dept. product
Konsep dan Metode: clustering
mengkategorikan data set untuk melihat produk pada cluster mana yang jauh menguntungkan agar dapat diinovasikan sehingga mengefesiensi biaya produksi.
dengan variabel: sold_at, created_at, product category, product_department,sale_price dan Cost serta profit (ketika sale price - cost)
hasil dari dept. product
berdasarkan model evaluasi elbow, silhouette, cluster magnitude dan cluster
cardinality, model produk category pada cluster ke 4 merupakan model yang baik
hasil dari dept. product
Brand dengan penymbang profit terbesar tahun 2019-2022
Brand allegra-k merupakan brand favorite dimana ini merupakan product fashion wanita dan disusul calvin klein yg merupakan product fashion laki-laki.
gender penyumbang profit yakni perempuan dikarenakan peremuan lebih menyukai shopping. category penyumbang profit yakni intimates
maka, diperlukan inovasi pada jenis-jenis produk atau dengan mendetailkan segmentasi pasarnya seperti umur. kemudian, berdasarkan data tersebut dan goals yang dicapai, brand dengan keuntungan dari item produk dengan penjualan
yang minim dimana dibawah 10k maka disarankan untuk pemutusan kerjasama untuk mengefesiensikan biaya produksi
hasil dari dept. product
berdasarkan data tersebut, intimates product yang banyak terjual dan banyak diproduksi(stock tercukupi) dan produk yang dijual dan produksi produk meningkat setiap tahunnya.
hal ini diprediksi the lookup sudah mulai dikenal oleh masyarakat
penjualan dan produksi
hasil dari dept. product
berdasarkan data yang ada dan goals yang ingin dicapai, bahwa perlu adanya penekanan biaya
produksi pada product jeans dan outerwear&coast dimana berdasarkan teori produksi, untuk meminimalkan biaya produksi maka harus meningkatkan penawaran dengan memproduksi
produk lebih banyak sehingga meningkatkan keuntungan
LATAR BELAKANG DEPT. HR
WHO
Karyawan Perusahaan The Look Up
WHAT
Mendeteksi karyawan/pegawai yang tidak produktif
WHEN
Untuk periode kerja tahun ini dan seterusnya
WHERE
Perusahaan kita (The looker)
WHY
Untuk meningkatkan produktifitas perusahaan serta memberikan peringatan bahkan memberhentikan pegawai yang tidak produktif
HOW
Dengan melihat data absensi
Mengkategorikan pegawai dari data
absensi
METODE DEPT.HR
Clustering
Konsep:
Mengkategorikan status karyawan serta persebaran karyawan yang aktif dan tidak aktif dilihat dari data absensi serta penyesuaian ketentuan yang dibuat HR yaitu:
Menggunakan data utama employees dan data pendukung distribution_centers
Absen lebih dari 120 hour (diluar hari libur nasional, izin sakit, dan hari cuti) masuk ke dalam kategori karyawan yang tidak aktif. (Jam Kerja = 8 jam/hari)
Mengkategorikan karyawan menjadi :
HASIL DARI DEPT.HR
Kesimpulan:
HR akan memberhentikan 63 karyawan dan memperingatkan 992 karyawan untuk meningkatkan produktifitas kinerja perusahaan.
Latar Belakang Dept. Marketing
WHAT
Melakukan pengelompokkan users agar marketing champaign lebih efektif
WHEN
Untuk periode kerja tahun ini dan seterusnya
WHERE
Perusahaan The Look
WHY
Untuk meningkatkan efektifitas perusahaan khususnya tim marketing dalam melakukan champaign marketing
WHO
Users Perusahaan The Look
HOW
Dengan mengelompokkan data users berdasarkan age dan number of item menggunakan model clustering
Metodologi
teknik yang digunakan untuk menemukan sub-kelompok atau kluster yang memiliki kesamaan. Projek ini menggunakan 2 dataset yaitu dataset users dan dataset orders
Project ini akan menggunakan
model
clustering. Clustering merupakan sebuah
Variabel yang akan digunakan
Users id Age
Number Of Item
HASIL DAN PEMBAHASAN
Dari 3 variabel yang diambil diketahui terdapat 124.512 users. Lalu untuk mengetahui berapa jumlah clusters yang paling optimal digunakanlah elbow method dan silhoutte method dan didapatkan hasil clusters paling optimal ialah berjumlah 3 clusters
HASIL DAN PEMBAHASAN
Insight Clusters: setelah dilakukan modeling diketahui terdapat 3 clusters yaitu
Clusters 0 = Range age antara 12-42 tahun dengan jumlah pemesan produk antara 1 atau 2 item. (55.985 users) Clusters 1 = semua kelompok umur dengan jumlah pemesanan produk antara 3 atau 4 item. (12.415 users) Clusters 2 = Range age antara 43-70 tahun dengan jumlah pemesanan produk antara 1 atau 2 item. (56.112 users)
HASIL DAN PEMBAHASAN
Selain itu dari data diketahui traffic terbanyak yang digunakan users merupakan traffic search. Dengan pengguna terbanyak traffic ini merupakan wanita dan rata-rata jumlah pesanannya 1 hingga 2 item serta dengan rentang rata-rata usia di 15 negara yaitu 32-41 tahun
KESIMPULAN DAN SARAN
Saran
Tim marketing dan tim departemen lainnya khususnya departemen produk perlu melakukan evaluasi mengenai pertanyaan berikut
- Mengapa users kebanyakan memesan produk hanya 1 item/bulannya
Selain itu saran yang diberikan yaitu tim marketing harus membuat champaign marketing yang lebih merata lagi diberbagai sektor traffic source sesuai dengan gender dan rata-rata usia di berbagai negara.
kesimpulan dan saran untuk perusahaan The Look Up
Berdasarkan hasil dari pemaparan masing-masing departemen dari tim kami(sales,product,human
resource dan marketing) maka kami telah menetapkan kebijakan menekankan efisiensi-efisiensi biaya dan meningkatkan profit dengan memperluas pangsa pasar dengan inovasi-inovasi produk dan
campaign-campaign
TERIMA KASIH