Solutions — Sales · Customer · Product Intelligence
Tiga lensa.
Satu keputusan yang tepat.
Sales Intelligence, Customer Intelligence, dan Product Intelligence — dibangun di atas data yang sama, sehingga setiap angka saling menguatkan, bukan saling menyangkal.
Ringkasan Sales Intelligence · Data ilustratif
Demo interaktif · Data ilustratif, bukan hasil klien
01 /Why three lenses
Satu angka bisa menyesatkan.
Tiga lensa memperlihatkan sebabnya.
Penjualan naik 12%, margin menyusut.
Tanpa dekomposisi, trade-off volume, harga, dan mix tersembunyi di balik satu angka growth yang tampak sehat.
Ribuan terdaftar, sedikit yang kembali.
Tanpa segmentasi perilaku, waktu sales habis untuk pelanggan yang salah — dan yang berisiko pergi tidak disapa.
Yang terlaris menyerap modal terbanyak.
Pangsa revenue bukan ukuran kesehatan. Volatilitas, margin, dan usia stok ikut menentukan nilai sebuah SKU.
02 /Sales Intelligence
Growth yang bisa diurai.
Bukan sekadar naik atau turun.
Setiap perubahan revenue ditelusuri sampai ke akarnya — volume, harga, mix, produk baru, dan yang hilang — hingga bisa ditindaklanjuti orang sales.
- 01
Dekomposisi pertumbuhan
Waterfall dari periode lalu ke periode ini: efek volume, harga, mix, produk baru, dan yang hilang. Tiap batang berlabel ±Rp.
- 02
Lost sales & stok kosong
Estimasi revenue yang hilang karena stok habis — per cabang dan per SKU, bukan sekadar angka total.
- 03
Diskon & price realization
Harga realisasi terhadap harga list, segmen yang terdiskon paling dalam, dan faktur berdiskon terbesar.
- 04
Proyeksi & simulasi
Run-rate tiga bulan dan simulator what-if: volume ±20%, harga ±10%, diskon ±50% — dengan asumsi tertulis.
- Naikkan harga, atau dorong volume?
- Cabang mana yang diintervensi dulu?
- Diskon ke mana yang paling bocor?
Dekomposisi pertumbuhan · Data ilustratif
Contoh tampilan produk · Data ilustratif, bukan hasil klien
03 /Customer Intelligence
Tahu siapa yang diperjuangkan.
Setiap minggu, tanpa menebak.
Pelanggan dikelompokkan dari perilaku belanja nyata. Sistem menunjuk siapa yang perlu dihubungi, alasannya, dan langkah yang disarankan.
- 01
Segmentasi RFM
Tujuh segmen dari recency, frequency, dan monetary — perilaku nyata, bukan penilaian subjektif. Konsisten di semua chart dan tabel.
- 02
Migrasi segmen
Siapa naik, siapa turun, siapa pulih — dibandingkan antar periode, bukan klasifikasi hari ini yang dibalik ke masa lalu.
- 03
Purchase cycle
Pelanggan yang jeda belanjanya menyimpang diukur dari kebiasaan mereka sendiri, bukan rata-rata pasar.
- 04
Action center
Worklist harian P1–P3 dengan rekomendasi konkret, owner, dan tenggat — tersimpan dan terukur.
- Minggu ini telepon siapa dulu?
- Berapa revenue yang benar-benar terancam?
- Siapa yang bisa naik kelas menjadi Loyal?
Jeda belanja menyimpang dari kebiasaan sendiri.
Telepon minggu ini — biasanya order tiap 32 hari, sudah 79 hari.
Peta panas R×F · baris Recency (R5 terbaru), kolom Frequency (F5 tersering) · Data ilustratif
Contoh tampilan produk · Data ilustratif, bukan hasil klien
04 /Product Intelligence
SKU yang sehat.
Bukan sekadar yang laris.
Setiap SKU dinilai dari dua sisi: kontribusi pada revenue dan kesehatannya — margin, volatilitas, dan usia stok.
- 01
ABC–XYZ
Pareto pangsa revenue bertemu volatilitas permintaan — yang penting dipisahkan dari yang bising.
- 02
GMROI
Gross profit dibanding rata-rata nilai stok. Rentang sehat 2,0–3,5× tertulis di setiap tampilan.
- 03
Affinitas produk
Pasangan yang sering dibeli bersama beserta lift-nya — dasar bundling yang terbukti dari data.
- 04
Launch & retur
Ramp-up produk baru dipantau sampai statusnya jelas; retur dianalisis per alasan, bukan cuma dijumlahkan.
- SKU mana yang dihentikan?
- Bundling apa yang masuk akal?
- Stok ditambah untuk SKU mana?
Intensitas warna = kontribusi revenue · Nilai dalam Rp M · Data ilustratif
Pangsa revenue bertemu volatilitas permintaan
Contoh tampilan produk · Data ilustratif, bukan hasil klien
05 /Nuuata — AI Growth Platform
Tiga lensa.
Satu percakapan.
Nuuata adalah cara tim mengakses ketiganya: bertanya dalam bahasa sehari-hari, mendapat jawaban berkonteks, dan memantau perubahan tanpa harus mencari sendiri.
- 01
Ask Nuuata
Pertanyaan bisnis dijawab dari data yang sama persis dengan tiga lensa — dengan angka dan konteksnya.
- 02
AI team per departemen
Sales, finance, dan operasional dibantu peran AI dengan fokus, pengetahuan, dan akses sesuai tanggung jawab.
- 03
Monitoring & inbox
Perubahan penting datang kepada Anda — laporan terjadwal, anomali KPI, dan usulan langkah berikutnya.
- 04
Dari diskusi ke presentasi
Temuan dibawa ke ruang diskusi, lalu disusun menjadi bahan presentasi untuk keputusan bersama.
Growth −3,2% vs bulan lalu. Penyebab terbesar adalah efek harga (−Rp 180 jt) di segmen retail, ditambah 12 pelanggan At Risk yang tidak order. Volume justru naik +6,8%.
Contoh percakapan · Data ilustratif, bukan hasil klien
06 /How we measure
Dampak yang kami janjikan
adalah dampak yang kami ukur.
Angka hari ini dicatat dulu.
Waktu penyusunan laporan, follow-up time, retensi, GMROI. Keputusan baseline dibuat bersama, bukan dari asumsi.
Satu lensa, satu tim, satu KPI.
Mulai dari masalah yang paling penting dengan target terukur. Risiko kecil, pembelajaran cepat.
Perubahan dibanding baseline.
Angka di halaman ini adalah ilustrasi — yang kami tawarkan adalah framework pengukuran yang jujur.
Terbukti, lalu diperluas.
Setelah terbukti di satu titik, lensa diperluas ke cabang, divisi, dan use case berikutnya.
Let’s build the next chapter
SURABAYA, INDONESIAA better-connected
business starts here.
Ceritakan satu hal yang ingin Anda perbaiki. Kita mulai dari sana, bersama.
Talk to OwiePrefer email? hello@owietech.com