Pada Final Project Bootcamp Data Analyst, peserta mengerjakan studi kasus analisis penjualan video game melalui project GAMELYTICS HUB. Project ini dirancang sebagai proses end-to-end, mulai dari identifikasi data, data cleaning, analisis awal, hingga pembangunan dashboard interaktif menggunakan Google Data Studio.
Studi kasus berfokus pada performa industri video game berdasarkan penjualan global dan regional, platform, genre, skor kritikus, serta tren waktu. Tujuannya adalah mengubah data mentah menjadi informasi yang lebih mudah digunakan untuk mendukung pengambilan keputusan.
Studi Kasus dan Tujuan Analisis
Dalam konteks project ini, peserta menempatkan diri sebagai Data Analyst yang perlu menjawab beberapa pertanyaan bisnis, seperti:
- Wilayah mana yang memberikan kontribusi penjualan terbesar
- Platform apa yang memiliki performa penjualan tertinggi
- Apakah skor kritikus berkaitan dengan penjualan
- Bagaimana perubahan performa industri dari waktu ke waktu
- Bagaimana perbedaan kontribusi penjualan antara North America, Japan, PAL Region, dan Other Region
Pertanyaan tersebut menjadi dasar dalam menentukan proses cleaning, metrik, filter, dan jenis visualisasi yang digunakan pada dashboard.
Identifikasi dan Data Cleaning
Tahap awal project dilakukan dengan memeriksa struktur serta karakteristik setiap kolom.
Salah satu penyesuaian dilakukan pada kolom console. Nilai numerik seperti 2600 yang merepresentasikan platform Atari 2600 diubah menjadi format teks A2600 agar lebih mudah dipahami dan tidak terbaca sebagai nilai numerik biasa.
Peserta juga menemukan banyak missing value pada kolom critic_score. Terdapat sekitar 2.307 cell kosong atau lebih dari separuh dataset.
Nilai tersebut tidak dihapus maupun diisi menggunakan rata-rata. Pertimbangannya, penghapusan dapat menghilangkan banyak data game, sedangkan pemberian rata-rata berpotensi menghasilkan informasi yang tidak sesuai karena satu game dapat memiliki skor berbeda pada platform yang berbeda.
Pendekatan yang sama diterapkan pada beberapa kolom penjualan regional.
Memahami Struktur Penjualan
Kolom total_sales merupakan akumulasi dari beberapa wilayah:
- na_sales untuk North America
- jp_sales untuk Japan
- pal_sales untuk wilayah PAL
- other_sales untuk wilayah lainnya
Dalam data ditemukan perbedaan antara nilai nol dan cell kosong.
Nilai nol dapat menunjukkan tidak adanya penjualan pada suatu wilayah, sedangkan cell kosong dianggap perlu diperlakukan secara hati-hati karena dapat merepresentasikan tidak tersedianya data.
Tahap ini membantu peserta memahami bahwa missing value tidak selalu dapat diperlakukan dengan satu metode yang sama.
Penyesuaian Data Tanggal dan Format
Kolom release_date dan last_update memiliki format tanggal.
Pada release_date ditemukan satu data kosong untuk Gran Turismo Concept 2001 Tokyo. Daripada menghapus keseluruhan baris, tanggal rilis ditambahkan agar data game tersebut tetap dapat digunakan dalam analisis.
Format release_date dan last_update kemudian disesuaikan agar lebih mudah dibaca.
Peserta juga mengubah tampilan data penjualan ke format yang lebih sesuai untuk kebutuhan dashboard, termasuk penyederhanaan angka besar agar lebih mudah dibaca pada visualisasi.
Pembuatan Dashboard Interaktif
Setelah data dipersiapkan, peserta membangun dashboard menggunakan Google Data Studio dengan pendekatan dark theme.
Dashboard tidak hanya digunakan untuk menampilkan hasil akhir, tetapi juga dibuat agar stakeholder dapat melakukan eksplorasi sendiri melalui beberapa filter dan visualisasi.
Global Filter dan KPI
Pada bagian atas dashboard, peserta menyediakan filter untuk:
- Year
- Console
- Genre
Filter tersebut memungkinkan seluruh visualisasi berubah sesuai pilihan pengguna.
Peserta juga membuat KPI scorecard untuk menampilkan informasi ringkas seperti:
- Total Global Sales
- Total Game
- Average Critic Score
- Jumlah update berdasarkan last_update
KPI membantu pengguna memahami kondisi umum data sebelum masuk ke analisis yang lebih rinci.
Analisis Penjualan Regional
Peserta menggunakan donut chart untuk membandingkan kontribusi penjualan dari North America, Japan, PAL Region, dan Other Region.
Visualisasi ini membantu melihat bahwa distribusi pasar tidak selalu seragam antarwilayah.
Dari insight tersebut, peserta menarik kesimpulan bahwa strategi pemasaran dan lokalisasi sebaiknya tidak menggunakan pendekatan yang sama untuk semua region.
Analisis Performa Platform
Horizontal bar chart digunakan untuk menampilkan Top 5 console berdasarkan total_sales.
Visualisasi ini membantu stakeholder melihat platform dengan kontribusi penjualan terbesar tanpa harus membaca tabel data mentah.
Informasi tersebut dapat digunakan untuk menilai platform mana yang lebih menarik untuk menjadi prioritas dalam pengembangan, porting, atau strategi distribusi game.
Analisis Skor Kritikus dan Penjualan
Peserta juga menggunakan scatter plot untuk melihat hubungan antara critic_score dan total_sales.
Tujuannya adalah menguji apakah skor kritikus yang tinggi selalu diikuti penjualan yang tinggi.
Dari analisis tersebut, terlihat bahwa skor kritikus memang memiliki nilai dalam membangun reputasi sebuah game, tetapi bukan satu-satunya faktor yang menentukan performa komersial.
Faktor lain seperti marketing, kekuatan franchise, dan ketersediaan pada platform tertentu tetap perlu dipertimbangkan.
Insight ini menjadi bagian penting karena peserta tidak hanya membaca visualisasi secara permukaan, tetapi mencoba menerjemahkan pola data menjadi konteks bisnis.
Analisis Tren Waktu
Time series chart digunakan untuk menampilkan perubahan penjualan berdasarkan tahun rilis.
Dengan visualisasi ini, peserta dapat melihat periode dengan performa industri yang lebih tinggi maupun lebih rendah.
Analisis berdasarkan waktu juga membantu memberikan konteks terhadap performa platform dan game, terutama karena industri video game mengalami perubahan teknologi, generasi konsol, dan pola distribusi.
Teknologi yang Digunakan
Final project ini menggunakan beberapa tools utama.
Google Spreadsheet digunakan untuk proses data preparation, pengecekan missing value, penyesuaian format, serta validasi data.
Google Data Studio digunakan untuk membangun dashboard interaktif, filter, KPI, donut chart, horizontal bar chart, scatter plot, dan time series.
Project juga menerapkan konsep data visualization, business intelligence, descriptive analysis, data cleaning, dan data storytelling.
Insight dan Benefit Final Project
Melalui GAMELYTICS HUB, peserta berlatih menjalankan workflow Data Analyst secara lebih menyeluruh.
Peserta tidak hanya membersihkan dataset, tetapi juga belajar menentukan perlakuan terhadap missing value, memahami struktur penjualan regional, memilih visualisasi sesuai pertanyaan bisnis, dan menyampaikan insight melalui dashboard.
Salah satu insight utama dari project ini adalah bahwa performa penjualan tidak dapat dijelaskan hanya oleh satu variabel. Skor kritikus, platform, region, waktu rilis, dan faktor komersial lain perlu dilihat secara bersamaan.
Hasil akhir project dapat digunakan sebagai bagian dari portfolio untuk menunjukkan pengalaman dalam data cleaning, business intelligence, descriptive analysis, dashboard development, serta penyajian insight menggunakan Google Spreadsheet dan Google Data Studio.