Di atas kertas, revolusi analitik tampak selesai. AI telah bergerak dari sekadar kebaruan menjadi pos anggaran. Dalam Survei AI Pasar Menengah RSM 2025, 91% responden mengatakan mereka menggunakan AI generatif, tetapi sebagian besar menggambarkan diri mereka hanya "agak siap."
Kesenjangan antara adopsi dan kepercayaan diri itulah tempat Mohammad Hamid membangun reputasi sebagai salah satu suara analitik paling pragmatis di Detroit. Berbasis di Michigan, Hamid adalah konsultan dan mantan pendiri perangkat lunak yang karyanya mencakup pembuatan produk analitik, memberi saran kepada perusahaan besar, dan membantu pemimpin pasar menengah mengubah pembicaraan AI menjadi keputusan yang dapat dipahami oleh CFO dan manajer lini depan. Dia menggambarkan perannya bukan sebagai "transformasi AI" melainkan sebagai penyelarasan orang, proses, dan teknologi di sekitar cerita nilai yang dapat dijelaskan dalam bahasa sederhana. Mohammad Hamid Detroit "Alat-alat sangat berisik saat ini," katanya. "Tetapi kebanyakan organisasi tidak kekurangan perangkat lunak. Mereka kehilangan cerita kausal bersama dan kebiasaan operasional yang menghidupkan cerita itu."
Etos analitik Hamid berasal dari membangun sebelum memberi nasihat. Di awal karirnya, dia membantu memulai Unison, sebuah perusahaan perangkat lunak di persimpangan pendengar sosial, keberlanjutan, dan dukungan keputusan. Pekerjaan itu memberinya tempat duduk baris depan untuk melihat bagaimana produk analitik mendapatkan atau kehilangan kepercayaan. "Wawasan yang tidak dipercaya siapa pun hanyalah tangkapan layar dengan ambisi," katanya.
Saat ini, pekerjaannya semakin berfokus pada perusahaan pasar menengah di Michigan dan sekitarnya: organisasi yang cukup besar untuk merasakan tekanan kompetitif, tetapi tidak cukup besar untuk mendanai organisasi data modern yang lengkap. Para pemimpin diberitahu bahwa AI akan memadatkan siklus keputusan, mempersonalisasi pengalaman, dan mengotomatisasi pelaporan. Mereka menginginkan masa depan itu, tetapi hidup dengan jumlah staf analitik yang tipis, sistem yang terfragmentasi, kepemilikan yang kabur, dan antrean masalah operasional.
Jawaban Hamid bukanlah meremehkan AI, tetapi mengurutkan ambisi. "Anda tidak mulai dengan bertanya, 'Di mana kita bisa menempatkan AI generatif?'" katanya. "Anda mulai dengan bertanya, 'Apa yang kita yakini mendorong nilai di sini, dan bisakah kita mengukurnya dengan jujur?'" Pertanyaan itu berada di pusat apa yang dia sebut Kerangka Kompas Kausal.
Kompas Kausal dimulai dengan membuat para pemimpin setuju pada model kausal untuk fungsi yang mereka kerjakan. Untuk tim penjualan atau pemasaran, Hamid berfokus pada tiga lapisan: pengungkit nilai tinggi (pilihan yang dapat dikontrol seperti desain penawaran atau campuran saluran), tindakan nilai tinggi (perilaku dan sinyal corong yang menunjukkan apakah pengungkit berfungsi), dan hasil nilai tinggi (hasil seperti pendapatan, retensi, atau margin). Mengorganisir analitik di sekitar lapisan-lapisan ini, daripada di sekitar alat, sering kali membuka lebih banyak nilai daripada penyegaran platform. "Metrik bukanlah strategi," katanya. "Mereka adalah tata bahasa. Setelah kita sepakat tentang tata bahasa, kita dapat menulis kalimat yang lebih baik."
Setelah fondasi kausal, Kompas Kausal beralih ke orang. Dalam pandangan Hamid, tim analitik berkinerja buruk bukan karena kurangnya keterampilan teknis tetapi lebih karena kurangnya keragaman kognitif. Dia menunjukkan bagaimana organisasi teknologi berkinerja tinggi mempekerjakan latar belakang yang tidak biasa untuk membangun sistem yang lebih baik: jurnalis yang menginterogasi data seperti sumber, ilmuwan perilaku yang memahami eksperimen dan pengalaman pelanggan, guru yang tahu cara mendorong adopsi. Ketika AI memadatkan analisis rutin, Mohammad Hamid merangkum fungsi analitik modern sebagai tiga peran komplementer: strategi (memilih masalah yang tepat dan mendefinisikan model kausal), implementasi (mendapatkan data, pipeline, dan tata kelola agar benar-benar berfungsi), dan bercerita (membuat wawasan dapat digunakan dan ditindaklanjuti).
Proses dan teknologi melengkapi gambaran. Satu dekade lalu, tim analitik menghabiskan sebagian besar waktu mereka untuk ETL: menarik data dari sistem sumber, membersihkannya, dan memuatnya ke dalam gudang. ETL masih penting, tetapi platform cloud modern, API, dan otomatisasi telah menggeser keseimbangan dan menjadikan disiplin DataOps dan DevOps sebagai pusat rekayasa analitik. Hamid berpendapat bahwa pipeline yang terkait dengan pendapatan atau risiko harus diperlakukan seperti produk, dengan kepemilikan yang jelas dan ekspektasi layanan.
Dalam praktiknya, filosofi itu muncul di berbagai sektor. Dalam manufaktur otomotif dan industri, Mohammad Hamid telah membantu operasi multi-situs menyatukan data kualitas, pasokan, dan pemeliharaan menjadi satu model operasional, dengan kemenangan terbesar berasal dari definisi bersama untuk cacat dan waktu henti sehingga tim pabrik berhenti berdebat tentang apa yang "nyata." Dalam layanan keuangan, dia telah bekerja untuk menyempurnakan sinyal risiko dengan melapisi segmentasi perilaku di atas atribut kredit tradisional, menunjukkan bahwa organisasi tidak kekurangan data; itu kekurangan cerita yang koheren tentang bagaimana risiko, desain produk, dan komunikasi pelanggan bergerak bersama dari waktu ke waktu.
Ketika ditanya apa yang akan dia katakan kepada CEO atau CIO pasar menengah Michigan yang mencoba memahami AI dan analitik, Mohammad Hamid menawarkan buku pedoman singkat. Mulailah dengan peta keputusan dan nilai yang terkait dengan beberapa keputusan yang benar-benar menggerakkan bisnis, lalu bekerja mundur ke data dan irama operasi yang diperlukan. Perlakukan kualitas dan tata kelola data sebagai kesiapan AI, berfokus pada segelintir "dataset emas" dengan pemilik dan SLA yang jelas. Investasikan dalam literasi eksekutif sehingga pemimpin dapat mensponsori kasus penggunaan yang tepat dan menolak yang salah. Dan bangun kemenangan kecil yang dapat diaudit yang meningkatkan loop keputusan mingguan dan membuktikan bahwa analitik dan AI dapat mengubah cara bisnis benar-benar berjalan.
Pasar analitik yang lebih luas diperkirakan akan terus berkembang sepanjang dekade ini, didukung oleh cloud, AI, dan pergerakan menuju pengambilan keputusan real-time. Tetapi pesan Hamid dari Detroit adalah bahwa skala tanpa koherensi bukanlah kemajuan. "AI akan memperlebar kesenjangan antara organisasi yang tahu apa yang mereka coba buktikan dan organisasi yang hanya berharap dasbor akan menyelamatkan mereka." Untuk organisasi pasar menengah di Michigan dan sekitarnya, Kerangka Kompas Kausal bukanlah penolakan terhadap AI. Ini adalah pengingat bahwa analitik modern masih, dengan cara yang sangat manusiawi, tentang penilaian. Dan bagi para pemimpin yang berusaha membangun keunggulan yang tahan lama di era AI, itu mungkin merupakan wawasan yang paling meyakinkan dari semuanya.
