Data pesanan tidak hanya berfungsi sebagai catatan transaksi. Data tersebut juga dapat digunakan untuk memantau efisiensi proses bisnis dengan melihat bagaimana sebuah pesanan bergerak dari dibuat, menunggu, diproses, hingga selesai.

Pada artikel ini, saya menggunakan data pesanan dari sistem Dimsum Delight untuk menganalisis proses operasional menggunakan SQL. Analisis dilakukan dengan melihat kondisi data, jumlah pesanan pada setiap tahap, waktu menunggu sebelum diproses, dan lama proses hingga pesanan selesai.

📊 Mengapa Data Pesanan Penting untuk Efisiensi Proses Bisnis?

Setiap pesanan yang masuk akan melalui beberapa tahapan sebelum selesai. Pada sistem Dimsum Delight, proses tersebut dapat dimulai ketika pesanan dibuat, kemudian menunggu untuk diproses, masuk ke tahap proses, dan akhirnya selesai.

Jika jumlah pesanan semakin banyak, pemantauan secara manual akan menjadi lebih sulit. Karena itu, data pesanan dapat digunakan sebagai sumber informasi untuk melihat kondisi operasional secara lebih terstruktur.

Selain status, data waktu juga penting dalam memantau efisiensi proses bisnis. Informasi waktu dapat menunjukkan berapa lama sebuah pesanan menunggu sebelum diproses dan berapa lama proses operasional berlangsung hingga pesanan selesai.

💻 Mengapa SQL Digunakan untuk Menganalisis Proses Bisnis?

Data pesanan pada Dimsum Delight tersimpan di dalam database. Ketika jumlah data bertambah, memeriksa setiap pesanan satu per satu akan membutuhkan waktu lebih lama.

SQL dapat digunakan untuk mengambil data sesuai dengan pertanyaan bisnis yang ingin dijawab. Misalnya, SQL dapat digunakan untuk menghitung jumlah pesanan, memeriksa kelengkapan data waktu, serta menghitung selisih waktu antar tahapan proses.

Dengan cara ini, analisis tidak dimulai dari membuat query secara acak. Prosesnya dimulai dari menentukan masalah yang ingin diketahui, membuat Business Question, memilih data yang dibutuhkan, kemudian menggunakan SQL untuk mendapatkan hasil.

🔍 Apakah Data Proses Pesanan Sudah Lengkap?

Sebelum melakukan analisis waktu, data perlu diperiksa terlebih dahulu. Hal ini penting karena perhitungan durasi membutuhkan informasi waktu yang tersedia pada setiap tahapan proses.

Pada tabel orders, data processed_at menunjukkan waktu ketika pesanan mulai diproses, sedangkan completed_at menunjukkan waktu ketika pesanan selesai.

SELECT
    COUNT(*) AS total_pesanan,
    SUM(processed_at IS NULL) AS belum_diproses,
    SUM(completed_at IS NULL) AS belum_selesai
FROM orders;

Hasil query ini memberikan gambaran awal mengenai kesiapan data sebelum analisis durasi dilakukan. Jika masih terdapat nilai kosong pada data waktu, maka pesanan tersebut belum dapat digunakan untuk perhitungan tertentu.

📦 Bagaimana Kondisi Pesanan Saat Ini?

Setelah memeriksa kesiapan data, langkah berikutnya adalah melihat kondisi pesanan. Pada Dimsum Delight, pesanan dapat berada pada status Menunggu, Diproses, atau Selesai.

Untuk mendapatkan ringkasan kondisi pesanan, saya menggunakan conditional aggregation. Berbeda dengan melihat data satu per satu, query ini menghasilkan ringkasan jumlah pesanan dalam satu hasil.

SELECT
    COUNT(*) AS total_pesanan,
    SUM(status = 'Menunggu') AS menunggu,
    SUM(status = 'Diproses') AS diproses,
    SUM(status = 'Selesai') AS selesai
FROM orders;

Hasil query tersebut menunjukkan jumlah keseluruhan pesanan sekaligus jumlah pesanan pada setiap tahap proses. Informasi ini dapat digunakan untuk melihat kondisi operasional secara cepat.

⏳ Berapa Lama Pesanan Menunggu untuk Diproses?

Status pesanan dapat menunjukkan posisi sebuah transaksi, tetapi belum menunjukkan berapa lama pesanan berada pada tahap tertentu. Karena itu, data waktu dapat digunakan untuk melihat durasi menunggu sebelum proses operasional dimulai.

Perhitungan dilakukan dengan mencari selisih antara created_at dan processed_at. Selisih tersebut menunjukkan waktu yang dibutuhkan dari pesanan dibuat hingga mulai diproses.

SELECT
    id,
    customer_name,
    created_at,
    processed_at,
    TIMESTAMPDIFF(
        MINUTE,
        created_at,
        processed_at
    ) AS waktu_menunggu_menit
FROM orders
WHERE processed_at IS NOT NULL
ORDER BY waktu_menunggu_menit DESC;

Query tersebut menghitung waktu menunggu setiap pesanan dan mengurutkan hasil dari durasi terlama. Pesanan dengan waktu menunggu lebih tinggi dapat menjadi bagian yang perlu diperhatikan dalam pemantauan efisiensi proses bisnis.

⚙️ Berapa Lama Pesanan Diproses hingga Selesai?

Setelah mengetahui waktu menunggu, tahap berikutnya adalah melihat lama proses operasional. Perhitungan ini berbeda karena menggunakan waktu ketika pesanan mulai diproses hingga waktu pesanan selesai.

Durasi dihitung menggunakan selisih antara processed_at dan completed_at. Hasilnya dapat digunakan untuk melihat lama proses setiap pesanan.

SELECT
    id,
    customer_name,
    processed_at,
    completed_at,
    TIMESTAMPDIFF(
        MINUTE,
        processed_at,
        completed_at
    ) AS lama_proses_menit
FROM orders
WHERE processed_at IS NOT NULL
AND completed_at IS NOT NULL
ORDER BY lama_proses_menit DESC;

Dengan memisahkan waktu menunggu dan waktu proses, analisis menjadi lebih spesifik. Data tidak hanya menunjukkan total waktu pesanan, tetapi juga menunjukkan tahapan mana yang membutuhkan durasi lebih lama.

📈 Tahap Mana yang Membutuhkan Waktu Lebih Lama?

Melihat durasi setiap pesanan satu per satu dapat memberikan informasi detail. Namun, untuk mendapatkan gambaran umum, rata-rata waktu pada setiap tahap dapat dibandingkan.

Query berikut menghitung rata-rata waktu menunggu dan rata-rata lama proses. Hasil kedua nilai tersebut kemudian dapat dibandingkan untuk membantu memantau efisiensi proses bisnis.

SELECT
    ROUND(
        AVG(
            TIMESTAMPDIFF(
                MINUTE,
                created_at,
                processed_at
            )
        ),
        2
    ) AS rata_rata_waktu_menunggu,

    ROUND(
        AVG(
            TIMESTAMPDIFF(
                MINUTE,
                processed_at,
                completed_at
            )
        ),
        2
    ) AS rata_rata_lama_proses
FROM orders
WHERE processed_at IS NOT NULL
AND completed_at IS NOT NULL;

Query tersebut menghasilkan dua nilai rata-rata. Nilai pertama menunjukkan rata-rata waktu yang dibutuhkan sebelum pesanan mulai diproses, sedangkan nilai kedua menunjukkan rata-rata waktu yang dibutuhkan selama proses berlangsung hingga pesanan selesai.

💡 Apa yang Dapat Dipelajari dari Analisis Data Pesanan?

Dari praktik yang dilakukan, data pesanan dapat memberikan informasi mengenai kondisi dan perjalanan proses operasional. Analisis dimulai dengan memeriksa kesiapan data, kemudian melihat kondisi pesanan, menghitung waktu menunggu, menghitung lama proses, dan membandingkan rata-rata kedua tahap.

Dengan memisahkan setiap tahap, analisis efisiensi proses bisnis menjadi lebih spesifik. Data tidak hanya digunakan untuk mengetahui apakah pesanan sudah selesai, tetapi juga untuk melihat bagaimana waktu digunakan selama proses berlangsung.

⚙️ Bagaimana Analisis Ini Diterapkan pada Dimsum Delight?

Pada sistem Dimsum Delight, pesanan memiliki alur status Menunggu → Diproses → Selesai. Perubahan status tersebut membantu pengguna mengetahui posisi pesanan dalam proses operasional.

Data status dan waktu pesanan yang tersimpan di database dapat digunakan untuk melakukan monitoring dan analisis. Dengan SQL, data tersebut dapat diolah menjadi informasi mengenai kondisi pesanan dan durasi pada setiap tahap proses.

📝 Apa Kesimpulan dari Analisis Efisiensi Proses Bisnis?

Kesimpulannya, data pesanan dapat digunakan untuk memantau efisiensi proses bisnis dengan melihat kondisi dan durasi pada setiap tahap operasional. SQL membantu mengubah data yang tersimpan dalam database menjadi informasi yang lebih mudah dianalisis.

Pada praktik menggunakan data Dimsum Delight, analisis dilakukan secara bertahap. Proses dimulai dengan memeriksa kelengkapan data, melihat kondisi pesanan, menghitung waktu menunggu, menghitung lama proses, dan membandingkan rata-rata durasi setiap tahap.

Melalui pendekatan tersebut, data pesanan tidak hanya berfungsi sebagai catatan transaksi. Data juga dapat membantu memberikan gambaran mengenai perjalanan proses operasional dan bagian mana yang perlu diperhatikan berdasarkan hasil analisis.

✍️ Penulis: Noviana Putri Yuliani