Case Study Analitik Data Google

Skenario

Anda adalah seorang analis data junior yang bekerja di tim analis pemasaran di Cyclistic, sebuah perusahaan berbagi sepeda di Chicago. Direktur pemasaran percaya bahwa kesuksesan perusahaan di masa depan tergantung pada upaya untuk memaksimalkan jumlah keanggotaan tahunan (Member). Oleh karena itu, tim Anda ingin memahami bagaimana pengendara biasa (Casual) dan Member menggunakan sepeda Cyclistic secara berbeda. Dari wawasan ini, tim Anda akan merancang strategi pemasaran baru untuk mengubah pengendara Casual menjadi pengendara Member. Tetapi pertama-tama, para eksekutif Cyclistic harus menyetujui rekomendasi Anda, sehingga rekomendasi tersebut harus didukung dengan wawasan data yang menarik dan visualisasi data profesional.

Fase 1: Bertanya

Identifikasi tugas bisnis

Tim analitik pemasaran Cyclistic menyimpulkan bahwa pengendara Member lebih menguntungkan dari pada pengendara biasa, sehingga Lily Moreno sebagai Direktur Pemasaran memutuskan untuk mengubah pengendara biasa (Casual) menjadi pengendara tahunan (Member).

Analisis dari Tim analitik pemasaran Cyclistic akan membantu membuat strategi agar para pengguna casual beralih menjadi member.

Pemangku kepentingan utama

Pemangku kepentingan utama: Lily Moreno (Direktur pemasaran), Tim analitik pemasaran Cyclistic, dan Tim eksekutif Cyclistic.

Fase 2: Mempersiapkan

Sumber Dara

Data yang digunakan adalah data perjalanan historis Cyclistic selama satu tahun yang disediakan oleh Motivate International Inc. Dataset tersebut adalah data publik yang dapat digunakan untuk mengeksplorasi bagaimana jenis pelanggan yang berbeda menggunakan sepeda Cyclistic.

Identifikasi pengaturan data

Data tersimpan dalam sebuah repositori. Penamaan file menyertakan tanggal, versi, dan tidak ada penamaan file yang berulang.

Kualitas Data

Kualitas data dengan pendekatan ROCCC:

1. Reliable
   Data memiliki informasi yang akurat dan tidak bias.

2. Original
   Data yang digunakan disediakan langsung oleh Motivate International Inc.

3. Comperhensive
   Dataset mempunyai informasi yang dibutuhkan untuk menemukan solusi.

4. Current
   Data yang digunakan mulai dari Oktober 2021 sampai September 2022.

5. Cite
   Data yang digunakan adalah data public yang disediakan oleh Motivate International Inc.

Rata-rata pengendara Member lebih banyak memakai sepeda pada hari kerja, sedangkan Casual menggunakan sepeda pada hari akhir pekan.

visualisasi rata-rata durasi perjalanan berdasarkan hari dan tipe pengendara

Rata-rata durasi perjalan pemgendara biasa yang lebih tinggi dari pada pengendara Member.

visualisasi jumlah pengendara per bulan berdasarkan tipe pengendara

Para pesepeda kebanyakan berkendara pada bulan Mei sampai Oktober dan pada saat itu Kota Chicago tidak mengalami musim dingin.

Visualisasi Jumlah tipe sepeda yang dipakai berdasarkan pengedara biasa dan pengendara member

Sepeda dengan tipe docked_bike mempunyai jumlah pengendara paling sedikit dibanding tipe lainnya. Tipe sepeda docked_bike juga hanya digunakan oleh pengendara Casual.