Menemukan masalah sering kali bukan bagian tersulit.
Dalam pekerjaan sehari-hari, kita justru dapat menemukan terlalu banyak masalah.
Ada proses yang lambat. Data yang belum rapi. Sistem yang perlu diperbaiki. Pekerjaan manual yang dapat diotomatisasi. Permintaan pengguna yang terus bertambah. Risiko yang perlu ditangani. Ide pengembangan yang terlihat menarik.
Semuanya terasa penting.
Dan ketika semuanya dianggap penting, muncul kecenderungan untuk mengerjakan semuanya sekaligus.
Masalahnya sederhana:
Waktu, tenaga, anggaran, dan perhatian selalu terbatas.
Karena itu kemampuan problem solving tidak hanya tentang menemukan solusi.
Ada kemampuan lain yang sama pentingnya:
menentukan masalah mana yang perlu diselesaikan terlebih dahulu.
Banyak Masalah Tidak Berarti Banyak Prioritas
Bayangkan sebuah evaluasi menemukan 20 masalah.
Apakah kita harus membuat 20 proyek perbaikan sekaligus?
Belum tentu.
Beberapa masalah mungkin memiliki dampak besar.
Beberapa hanya menimbulkan ketidaknyamanan kecil.
Ada masalah yang sering terjadi.
Ada yang hanya terjadi sekali.
Ada masalah yang jika dibiarkan dapat menimbulkan risiko serius.
Ada pula yang sebenarnya dapat menunggu.
Inilah perbedaan antara problem list dan priority list.
Problem list menjawab:
“Apa saja yang bermasalah?”
Priority list menjawab:
“Dari semua masalah tersebut, mana yang paling layak mendapatkan perhatian sekarang?”
Perbedaannya terlihat sederhana, tetapi sangat menentukan bagaimana sumber daya digunakan.
Urgent dan Important Tidak Selalu Sama
Sesuatu yang paling ramai dibicarakan belum tentu memiliki dampak terbesar.
Sebuah keluhan yang baru masuk dapat terasa sangat mendesak karena muncul tepat di depan kita.
Sementara masalah lain yang sudah berlangsung berbulan-bulan mungkin tidak lagi terasa mendesak karena semua orang sudah terbiasa dengannya.
Padahal dampaknya bisa jauh lebih besar.
Karena itu kita perlu membedakan:
Urgency — seberapa cepat sesuatu membutuhkan respons.
Impact — seberapa besar konsekuensinya.
Masalah dapat sangat urgent tetapi berdampak kecil.
Sebaliknya, sebuah masalah dapat tidak terasa urgent tetapi memiliki dampak besar dalam jangka panjang.
Prioritas yang baik mempertimbangkan keduanya.
Jangan Biarkan “Yang Paling Berisik” Selalu Menjadi Prioritas
Dalam organisasi, perhatian sering bergerak menuju sesuatu yang paling terlihat.
Keluhan terbaru.
Permintaan terbaru.
Email terbaru.
Masalah yang paling sering dibicarakan dalam rapat.
Permintaan dari orang yang paling aktif melakukan follow-up.
Ini merupakan fenomena yang sangat manusiawi.
Namun jika keputusan hanya mengikuti noise, pekerjaan dapat terus bergerak secara reaktif.
Masalah yang memiliki evidence kuat tetapi tidak banyak dibicarakan justru dapat terabaikan.
Karena itu sebelum menentukan prioritas, tanyakan:
Apa evidence bahwa masalah ini benar-benar penting?
Berapa banyak orang yang terdampak?
Seberapa sering terjadi?
Berapa biaya atau waktu yang hilang?
Apa risikonya jika dibiarkan?
Apakah dampaknya semakin membesar?
Evidence membantu memisahkan antara masalah yang terasa besar dan masalah yang memang berdampak besar.
Dampak Lebih Penting daripada Jumlah Masalah
Bayangkan terdapat dua masalah.
Masalah A terjadi 500 kali dalam sebulan, tetapi setiap kejadian hanya membutuhkan tambahan waktu sekitar 30 detik.
Masalah B hanya terjadi lima kali, tetapi setiap kejadian menyebabkan proses berhenti selama beberapa jam.
Mana yang harus diperbaiki terlebih dahulu?
Tidak dapat dijawab hanya dari frekuensi.
Kita perlu melihat dampaknya.
Sebaliknya, masalah kecil yang terjadi ribuan kali juga dapat menghasilkan dampak kumulatif yang besar.
Karena itu analisis prioritas sebaiknya tidak hanya melihat satu dimensi.
Kita dapat mempertimbangkan:
Frequency × Impact × Risk × Effort
Tidak harus selalu menggunakan rumus matematis yang kompleks.
Yang penting adalah cara berpikirnya:
prioritas harus memiliki alasan.
Data Analytics Membantu Menemukan Masalah yang Paling Berdampak
Data dapat membantu ketika jumlah masalah terlalu banyak untuk dievaluasi satu per satu.
Misalnya terdapat 10.000 keluhan layanan.
Jika hanya membaca beberapa keluhan terbaru, kita mungkin memperoleh gambaran yang bias.
Tetapi ketika seluruh data dikelompokkan, kita dapat melihat:
kategori yang paling sering muncul,
unit dengan keluhan terbanyak,
masalah dengan waktu penyelesaian terlama,
keluhan yang berulang,
periode ketika masalah meningkat,
dan kelompok yang memberikan dampak terbesar.
Sekarang kita tidak lagi melihat 10.000 kejadian sebagai 10.000 masalah terpisah.
Kita mulai melihat struktur masalah.
Mungkin ternyata 60% keluhan berasal dari tiga penyebab utama.
Jika demikian, memperbaiki tiga penyebab tersebut berpotensi memberikan dampak jauh lebih besar daripada memperbaiki puluhan masalah kecil secara terpisah.
Prinsip Pareto sebagai Petunjuk, Bukan Hukum
Kita sering mengenal prinsip 80/20 atau Pareto Principle.
Secara sederhana, sebagian kecil penyebab sering memberikan kontribusi besar terhadap hasil.
Namun angka 80 dan 20 tidak harus muncul secara tepat.
Dalam satu kasus mungkin 70/30.
Dalam kasus lain 90/10.
Nilai utama prinsip ini bukan pada angka persisnya.
Pertanyaan yang lebih penting adalah:
“Apakah terdapat sejumlah kecil faktor yang menghasilkan sebagian besar dampak?”
Jika jawabannya ya, di situlah prioritas mulai terlihat.
Daripada menyebarkan energi ke semua masalah, kita dapat memusatkan perhatian pada beberapa faktor dengan leverage terbesar.
Prioritas Bukan Hanya Tentang Dampak
Jika hanya melihat dampak, kita juga dapat membuat keputusan yang tidak realistis.
Bayangkan terdapat dua proyek perbaikan.
Proyek A memiliki dampak sangat besar, tetapi membutuhkan dua tahun, anggaran besar, perubahan regulasi, dan banyak pihak.
Proyek B memiliki dampak menengah, tetapi dapat diselesaikan dalam dua minggu dengan sumber daya yang tersedia.
Apakah proyek B harus diabaikan karena dampaknya lebih kecil?
Belum tentu.
Di sinilah kita perlu mempertimbangkan effort.
Salah satu cara sederhana adalah menggunakan matriks:
High Impact + Low Effort → Quick Win
High Impact + High Effort → Strategic Initiative
Low Impact + Low Effort → Opportunistic Improvement
Low Impact + High Effort → Reconsider
Matriks seperti ini tidak memberikan keputusan otomatis.
Tetapi membantu membuat trade-off menjadi lebih terlihat.
Quick Win Penting, tetapi Jangan Terjebak Quick Win
Quick win menarik karena hasilnya cepat terlihat.
Ada kepuasan ketika sebuah masalah dapat diselesaikan dalam beberapa hari.
Namun jika organisasi hanya mengejar quick win, masalah besar yang membutuhkan waktu panjang dapat terus ditunda.
Akhirnya banyak perbaikan kecil selesai, tetapi masalah struktural tetap ada.
Karena itu portofolio perbaikan yang sehat dapat memiliki kombinasi:
beberapa quick wins untuk menghasilkan perbaikan cepat,
dan beberapa strategic improvements untuk menyelesaikan persoalan yang lebih fundamental.
Prioritas bukan berarti hanya memilih satu jenis pekerjaan.
Prioritas berarti memahami mengapa setiap pekerjaan mendapatkan tempatnya.
Risiko Dapat Mengubah Urutan Prioritas
Ada masalah yang frekuensinya rendah tetapi risikonya sangat tinggi.
Misalnya sebuah kegagalan keamanan mungkin belum pernah terjadi.
Jika kita hanya menggunakan data historis:
“Belum pernah terjadi.”
Masalah tersebut terlihat tidak penting.
Tetapi konsekuensi jika kejadian benar-benar terjadi mungkin sangat besar.
Karena itu prioritas juga perlu mempertimbangkan:
Likelihood × Impact
atau secara lebih luas:
Risk Exposure.
Data historis penting, tetapi keputusan tidak boleh hanya melihat apa yang sudah terjadi.
Kita juga perlu mempertimbangkan apa yang dapat terjadi.
Inilah perbedaan antara analytics yang hanya bersifat deskriptif dan decision support yang mempertimbangkan risiko.
Jangan Gunakan Skor sebagai Pengganti Pemikiran
Dalam menentukan prioritas, kita dapat membuat scoring.
Misalnya:
Impact: 1–5
Urgency: 1–5
Risk: 1–5
Effort: 1–5
Kemudian setiap masalah mendapatkan skor.
Metode seperti ini sangat membantu ketika daftar masalah panjang.
Namun ada satu bahaya.
Skor terlihat objektif meskipun inputnya mungkin subjektif.
Siapa yang menentukan impact = 5?
Mengapa urgency = 4?
Apa evidence-nya?
Karena itu angka harus tetap dapat dijelaskan.
Scoring adalah alat bantu keputusan.
Bukan mesin kebenaran.
Jika dua masalah memiliki skor berbeda sangat tipis, jangan berpura-pura bahwa angka tersebut menghasilkan kepastian ilmiah.
Gunakan judgment, konteks, dan evidence.
Prioritas Berarti Berani Mengatakan “Belum Sekarang”
Ada konsekuensi penting dari menentukan prioritas.
Ketika kita mengatakan sesuatu adalah prioritas, secara tidak langsung kita mengatakan bahwa sesuatu yang lain bukan prioritas saat ini.
Ini sering menjadi bagian yang sulit.
Semua orang ingin permintaannya segera dikerjakan.
Semua ide terlihat memiliki manfaat.
Semua masalah memiliki alasan untuk diperbaiki.
Tetapi kapasitas tetap terbatas.
Karena itu keputusan yang matang tidak selalu berbentuk:
“Ya” atau “Tidak.”
Kadang jawabannya adalah:
“Ya, tetapi belum sekarang.”
Masalah tersebut tetap tercatat.
Evidence tetap disimpan.
Prioritasnya dapat dievaluasi kembali ketika kondisi berubah.
Dengan cara ini, kita tidak kehilangan masalah tetapi juga tidak memaksakan semuanya berjalan bersamaan.
Terlalu Banyak Prioritas Berarti Tidak Ada Prioritas
Jika sebuah tim memiliki 25 prioritas utama, sebenarnya tim tersebut tidak memiliki prioritas.
Perhatian manusia terbatas.
Context switching memiliki biaya.
Semakin banyak pekerjaan berjalan bersamaan, semakin banyak energi yang digunakan untuk berpindah dari satu pekerjaan ke pekerjaan lain.
Akibatnya banyak pekerjaan menjadi:
Started → In Progress → Waiting → In Progress → Waiting
tetapi sedikit yang benar-benar:
Completed.
Dalam beberapa kondisi, menyelesaikan tiga masalah terpenting terlebih dahulu dapat menghasilkan dampak lebih besar daripada memulai 20 masalah secara bersamaan.
Fokus adalah bagian dari problem solving.
Prioritas Harus Dapat Berubah Ketika Evidence Berubah
Prioritas bukan keputusan permanen.
Masalah yang kemarin berada di urutan kelima dapat menjadi urutan pertama jika muncul evidence baru.
Risiko dapat berubah.
Kebutuhan pengguna dapat berubah.
Regulasi dapat berubah.
Teknologi dapat berubah.
Sumber daya juga dapat berubah.
Karena itu daftar prioritas seharusnya dievaluasi secara berkala.
Pertanyaannya:
Apakah alasan yang membuat sesuatu menjadi prioritas masih berlaku?
Jika evidence berubah, kita harus siap mengubah keputusan.
Mengubah prioritas berdasarkan evidence bukan berarti perencanaan sebelumnya buruk.
Justru menunjukkan bahwa keputusan responsif terhadap realitas.
Dari Problem List Menuju Decision Portfolio
Ketika jumlah masalah semakin banyak, kita perlu berhenti melihatnya sebagai daftar pekerjaan.
Lihat sebagai portfolio keputusan.
Setiap item memiliki:
masalah,
evidence,
impact,
risk,
urgency,
effort,
dependency,
dan expected outcome.
Sekarang diskusi menjadi jauh lebih matang.
Bukan:
“Yang mana kita kerjakan dulu?”
berdasarkan perasaan.
Tetapi:
“Dengan sumber daya yang kita miliki, kombinasi pekerjaan mana yang menghasilkan dampak terbesar dan risiko yang dapat diterima?”
Di sinilah problem solving mulai bertemu dengan strategic decision making.
Understand → Evidence → Analyze → Solve → Improve
Menentukan prioritas juga mengikuti Thinking DNA ArrezaMP.
Understand — pahami masalah dan konteksnya.
Evidence — kumpulkan fakta tentang frekuensi, dampak, risiko, dan kebutuhan.
Analyze — bandingkan masalah dan cari leverage terbesar.
Solve — pilih masalah yang paling layak diselesaikan terlebih dahulu.
Improve — evaluasi dampak hasilnya dan susun ulang prioritas berdasarkan evidence baru.
Dengan pola tersebut, prioritas bukan sekadar daftar yang dibuat di awal tahun.
Prioritas menjadi sistem keputusan yang terus diperbarui.
Kesimpulan
Kemampuan menemukan masalah adalah hal yang penting.
Kemampuan menyelesaikan masalah bahkan lebih penting.
Tetapi ketika masalah jauh lebih banyak daripada sumber daya yang tersedia, kita membutuhkan satu kemampuan tambahan:
memilih masalah yang paling layak diselesaikan terlebih dahulu.
Tidak semua masalah memiliki dampak yang sama.
Tidak semua yang urgent adalah important.
Tidak semua yang sering terjadi memiliki risiko terbesar.
Tidak semua solusi dengan dampak tinggi harus dilakukan sekarang.
Dan tidak semua permintaan harus langsung menjadi pekerjaan.
Gunakan evidence untuk memahami:
Impact. Risk. Urgency. Effort.
Kemudian tentukan prioritas.
Karena tujuan problem solving bukan menyelesaikan sebanyak mungkin masalah.
Tujuannya adalah menggunakan sumber daya yang terbatas untuk menghasilkan perbaikan yang paling berarti.
Ketika semuanya terlihat penting, jangan langsung mengerjakan semuanya.
Tanyakan:
“Jika kita hanya dapat menyelesaikan satu masalah terlebih dahulu, masalah mana yang akan memberikan dampak terbesar—dan evidence apa yang mendukung keputusan tersebut?”
Jawaban terhadap pertanyaan itulah yang mulai mengubah daftar masalah menjadi prioritas yang dapat dipertanggungjawabkan.
ArrezaMP — Data Analytics • Problem Solving • Digital Solutions
0 Komentar