Data Driven Franchisor

Perusahaan yang data-driven adalah perusahaan yang mengambil keputusan dan kebijakan bisnisnya berdasarkan analisa dan interpretasi dari kumpulan data yang dimilikinya. Pewaralaba bisa disebut data-driven, bila ia memperhatikan hal-hal yang akan saya uraikan berikut ini.

Validitas data

Suatu data disebut “tidak valid” bila data tersebut tidak benar. Jadi laporan yang diperoleh harus benar dan sesuai dengan keadaan atau kejadian di lapangan. Perhatikan contoh berikut:

Fakta: sejumlah 10 orang pelanggan memasuki restoran, memesan makanan dan minuman sejumlah Rp 900.000,-

Waiter mencatat: jumlah rombongan pelanggan ini berjumlah 9 orang.

Dalam kasus tersebut di atas, data yang diperoleh tidak valid. Data yang keliru seperti ini mengakibatkan hasil analisa transaksi per orang adalah Rp 100.000,-. Faktanya transaksi tersebut adalah Rp 90.000,- per orang.

Kebijakan berbasis data

Kita lanjutkan kisah data yang tidak valid tersebut di atas. Data mengenai nilai transaksi per orang ini sebenarnya sangat dibutuhkan untuk menentukan strategi dan problem solving.

Misal gerai restoran yang lainnya dari merek resto ini rata-rata nilai transaksinya adalah Rp 100.000,-, maka kebijakan yang diambil adalah harus meningkatkan program dan kegiatan promosi karena nilai transaksi di gerai ini sudah optimal dan sesuai dengan nilai rata-rata di seluruh jaringan gerai resto tersebut.

Padahal, fakta sebenarnya mengenai nilai transaksi per orang di resto tersebut adalah Rp 90.000,-, dan dengan nilai transaksi seperti itu sesungguhnya tim waiter di resto itu perlu dilatih untuk lebih meningkatkan nilai transaksi per orang dengan melakukan langkah-langkah upselling. Karena transaksi per orang di gerai lain rata-ratanya Rp 100.000,- maka mungkin juga dilakukan diteliti faktor-faktor lain yang bisa menjadi penyebabnya, misal bahan baku tidak lengkap sehingga ada pesanan menu-menu tertentu yang tidak bisa terpenuhi.

Stock Opname dan HPP

Sampai saat ini persoalan yang sering saya jumpai terkait lemahnya data yang tersedia adalah persoalan menghitung HPP dan pelaksanaan Stock Opname. Seringkali klien yang berkonsultasi tidak pernah tahu nilai kehilangan (shrinkage) bisnisnya. yang hasilnya berulangkali tidak klop ternyata tidak pernah ditindaklanjuti dengan serius. Stock opname Ibaratnya, stock opname hanya formalitas belaka.

Seyogyanya stock opname yang seringkali tidak klop itu ditelusuri, apakah memang benar tidak klop atau pelaksana stock opname hanya asal-asalan saja (karena dia pun menganggap bahwa kegiatan ini hanya formalitas belaka).

Stock opname mungkin merupakan satu-satunya safeguard pemilik bisnis terhadap tindak kecurangan tim atau pegawainya. Untuk itu pemilik bisnis juga perlu memiliki rumusan HPP, bisa dalam konteks nominal rupiah atau mungkin akan lebih akurat dalam satuan unit HPP atau bahan bakunya. Dengan demikian setiap penyimpangan terhadap rumusan HPP tersebut dikategorikan sebagai penyimpangan yang bisa mengarah pada terjadinya kecurangan.

Tanpa mengetahui data stock opname yang valid, dan rumusan HPP normatif dari total penjualan, sangat mustahil bagi kita untuk menyimpulkan telah terjadi kecurangan atau tidak dalam operasional bisnis kita.

Di lapangan saya lebih sering menemui pebisnis yang hanya mencatat data stock opname, yang langsung dijadikan sebagai alat mengukur HPP. Akibatnya tentu saja HPP yang digunakan secara otomatis menganggap segala kemungkinan kecurangan yang terjadi sebagai bagian dari HPP. Apabila HPP mengalami naik turun dan lonjakan tertentu, pebisnis tidak tahu persis apa penyebabnya.

Di sisi ekstrim yang lain, beberapa pebisnis tidak melakukan stock opname sama sekali. Mereka mencatat HPP berdasarkan jumlah pembelian, yang pada umumnya berdasarkan pembayaran terhadap tagihan (bila pembelian dengan termin pembayaran) atau transaksi pembelian tunai. Kejadian yang ini berpotensi menghasilkan nilai HPP yang lebih tidak akurat lagi, karena dikaitkan dengan arus kas tapi tidak dikaitkan dengan barang terjual atau nilai penjualan.

Peran Software

Saat ini banyak software yang tersedia untuk mendapatkan data penjualan dan stock, namun sekali lagi saya tegaskan bahwa kita butuh data yang valid. Garbage In Garbage Out, bila input datanya keliru seperti contoh di atas, maka kebijakan yang diambil menjadi keliru juga.

Ayo menjadi data-driven franchisor !

 

© 2019, Utomo Njoto 

Senior Franchise Consultant dari FT Consulting – Indonesia.

Website: www.consultft.com

Email : utomo@consultft.com

Super Team
Salah satu peringatan yang biasa saya sampaikan kepada klien dan calon klien adalah mereka harus punya tim, super team, kalau mau berhasil dalam mewaralabakan bisnis mereka. Sulit sekali bagi pebisnis
Read More
Balik Modal
Ada kebutuhan mendesak untuk pengaturan lebih detail terkait transparansi informasi penawaran waralaba, BO, lisensi, kemitraan, atau apa pun istilah yang digunakan. Mengapa demikian? Persoalan utama
Read More
Paket Waralaba
Paket waralaba mungkin merupakan istilah yang jarang kita dengar. Salah satu pewaralaba yang menggunakan istilah ini adalah CFC. Hal yang perlu dicermati dengan istilah Paket Waralaba adalah cakupan
Read More
The Good, The Bad, and The Ugly
Bulan ke-12, saatnya mengejar sisa target (masih cukup waktukah?), lalu mengevaluasi kinerja. Ada yang sukses meraih target, ada yang terjungkal kinerja penjualannya, ada yang sudah ngos-ngosan arus k
Read More