Candra Syamsuar
← Kembali ke selected work
CASE STUDY / CAMPAIGN OPERATIONS

Campaign
Health Monitor.

Mengubah data campaign menjadi prioritas pemeriksaan yang jelas, dengan konteks yang cukup untuk menentukan langkah berikutnya.

Jelajahi demo Baca ceritanya
FOKUS PROYEK
Campaign monitoring, kualitas data,
dan prioritas tindakan.
KONTRIBUSI SAYA
Arahan kebutuhan operasional,
prioritas fitur, dan validasi alur.
YANG DITAMPILKAN
Cerita proyek dan demo portfolio
dengan data sintetis.

01 / KONTEKS & PERAN

Banyak data.
Perlu prioritas yang jelas.

Dalam pekerjaan campaign operations, angka yang terlihat normal belum tentu cukup untuk mengambil keputusan. Campaign perlu ditinjau dalam konteks target, sisa waktu, kualitas data, dan temuan sebelumnya.

Proyek ini berangkat dari kebutuhan untuk menemukan campaign yang perlu perhatian dan menjelaskan alasan di balik prioritasnya. Contohnya, filter yang hanya menampilkan Critical dapat melewatkan campaign At Risk yang juga membutuhkan pemeriksaan.

Kontribusi dan batas peran

Saya menerjemahkan kebutuhan operasional menjadi prioritas fitur, memberikan arahan untuk alur pemeriksaan, dan memvalidasi perilaku dashboard. Pengembangan dilakukan dengan bantuan AI. Fokus kontribusi saya adalah konteks campaign, kejelasan prioritas, dan kegunaan alur kerja.

02 / KEPUTUSAN YANG MEMBENTUK PRODUK

Setiap fitur menjawab
pertanyaan operasional.

01 / MONITOR

Apa yang perlu ditinjau lebih dulu?

Menyatukan Critical, At Risk, dan No Spend dalam tampilan “Perlu tindakan”, dengan tetap mempertahankan klasifikasi risiko sumber.

Satu pintu masuk untuk pemeriksaan prioritas.

02 / INVESTIGATE

Apakah angka ini cukup untuk dipercaya?

Membedakan tanggal snapshot, periode campaign, dan status penayangan. Data lama atau status kalender tidak otomatis menjadi bukti serving.

Konteks dan batas interpretasi terlihat.

03 / ACT

Apa pemeriksaan berikutnya?

Menyediakan alasan, urutan pemeriksaan, serta catatan tindak lanjut. Tindakan yang dicatat perlu dibedakan dari masalah yang benar-benar terselesaikan.

Tindak lanjut memiliki alasan yang bisa ditinjau.

03 / TRY THE THINKING

Coba alurnya.
Lihat alasan di balik angka.

Pilih campaign, periksa pacing, lalu ubah hari berjalan untuk melihat pengaruh waktu terhadap prioritas. Demo ini memakai aturan sederhana yang dijelaskan di layar.

Demo interaktif · data sintetis · snapshot tetap 20 Okt 2026

Campaign Health Monitor

Portfolio demo

Enam campaign sintetis untuk mencoba filter, pacing, dan peninjauan. Tidak memuat data perusahaan atau klien.

  1. Filter campaign yang perlu tindakan.
  2. Pilih campaign dan ubah simulasi harinya.
  3. Tinjau alasannya, lalu catat peninjauan.
Total campaign6Seluruh snapshot demo
Perlu tindakan3Status delivery, bukan review
On track3Pacing setidaknya 95%
Sudah ditinjau0Catatan sesi ini saja
Filter status

Menampilkan 6 dari 6 campaign.

Pilih nama campaign untuk melihat perhitungan dan mencoba simulasi. Semua delivery menggunakan satuan impressions.
Campaign / channelDelivery / targetPacingStatusReview

Pacing membandingkan delivery aktual dengan target proporsional terhadap hari berjalan. Angka ini adalah sinyal investigasi, bukan diagnosis penyebab.

Demo siap. Pilih campaign untuk memeriksa perhitungan.

Aturan perhitungan, asumsi, dan batas demo

Ambang berikut dibuat untuk demo ini, bukan ambang sistem produksi asli. Model mengasumsikan delivery merata sepanjang durasi campaign.

Pacing = (delivered ÷ target) ÷ (hari berjalan ÷ total hari) × 100%

  • No delivery: delivered = 0 setelah campaign mulai.
  • Critical: pacing di bawah 70%.
  • At risk: pacing setidaknya 70%, tetapi di bawah 95%.
  • On track: pacing setidaknya 95%. Pacing tinggi tetap dapat memerlukan pemeriksaan agar delivery tidak terlalu cepat.
  • Keputusan status menggunakan angka penuh; angka tampilan dibulatkan. Nilai nol atau periode tidak valid ditangani tanpa pembagian dengan nol.

Simulasi dan tanda peninjauan hanya tersimpan dalam memori halaman. Reset atau memuat ulang halaman mengembalikan data awal. Ekspor CSV berisi seluruh enam campaign, termasuk simulasi dan peninjauan sesi saat ekspor; filter tidak membatasi ekspor.

Demo ini tidak terhubung ke akun iklan, API, atau server. Tidak ada unggahan atau penyimpanan data klien.

Demo portfolio ini dibuat khusus dengan data sintetis dan cakupan yang disederhanakan. Tampilan serta ambang pacing demo bukan salinan aturan produksi. Tidak ada data klien, koneksi platform iklan, atau pembaruan live.

04 / GUIDED WALKTHROUGH

Dari melihat masalah
ke menentukan pemeriksaan.

LANGKAH 01

Persempit perhatian.

Pilih “Perlu tindakan” untuk menyaring campaign yang tertinggal atau belum memiliki delivery dalam dataset demo.

LANGKAH 02

Baca alasan statusnya.

Buka satu campaign. Bandingkan delivery, target, dan waktu berjalan, lalu baca alasan serta pemeriksaan yang disarankan.

LANGKAH 03

Uji asumsi, catat review.

Ubah hari berjalan untuk melihat dampak asumsi waktu. Tandai review tanpa mengubah status kesehatan campaign secara otomatis.

Ilustrasi alur monitor, investigate, dan act berdasarkan campaign sintetis Retail Launch.
Ilustrasi investigasi — data sintetis. Daftar prioritas memberi konteks awal; panel detail menjelaskan dasar perhitungan dan langkah pemeriksaan. Ilustrasi ini memakai angka demo dan bukan screenshot operasional.

05 / HASIL & PEMBELAJARAN

Hasil yang bisa dijelaskan.
Pelajaran yang bisa diterapkan.

Hasil fungsional proyek

  • Tampilan prioritas menggabungkan kategori yang perlu tindakan, dengan pengurutan akhir campaign dan risiko.
  • Penanda kesegaran data memisahkan informasi snapshot dari tanggal browser.
  • Pembaruan yang gagal dapat mempertahankan data terakhir yang valid, dengan keterangan status data.

Ringkasan ini mengacu pada perilaku yang didokumentasikan dalam proyek Campaign Health Monitor. Demo di atas memperlihatkan sebagian alurnya. Hasil yang ditampilkan adalah kapabilitas produk; dampak bisnis belum dikuantifikasi.

Yang saya pelajari

Dashboard yang mendukung keputusan perlu menjelaskan arti angka, umur data, dan batas interpretasinya. Kejelasan filter dan urutan informasi sama pentingnya dengan kelengkapan metrik.

Validasi dengan skenario operasional membantu menemukan persoalan yang tidak selalu tampak pada tampilan awal, seperti kategori risiko yang terlewat atau status review yang disalahartikan sebagai penyelesaian.

Operational ThinkingData QualityValidationCross-functional Collaboration

Jelajahi contoh QA dan kerangka review e-commerce.

Lihat bukti keahlian