(Mengapa Data Gagal Menangkap Kebangkitan Arsenal?)
Oleh: Sigit Darmawan
Di awal Liga Primer 2025/2026, saya pernah menulis artikel berjudul “Data vs Intuisi: Pelajaran dari Premier League untuk Bisnis dan Organisasi“. Tulisan itu mencoba membaca persaingan liga melalui data analitik: xG (expected Goals), xGA (expected Goals Against), intensitas pressing, tingkat cedera, hingga efektivitas penyelesaian akhir. Rujukannya cukup kuat: FBRef, StatsBomb, Understat, dan Transfermarkt (2022–2025)—platforn data sepakbola digital analitik untuk statistik pemain dan klub.
Hasilnya terlihat meyakinkan.
Liverpool diproyeksikan tetap dominan. Manchester City dianggap pesaing utama. Arsenal dinilai kuat, tetapi belum cukup kuat untuk menjadi kandidata juara. Chelsea masih dipandang sebagai proyek yang belum stabil.
Namun sepak bola selalu punya cara mempermalukan kesombongan manusia.
Liga selesai. Hasilnya berubah total. Arsenal justru keluar sebagai juara. Manchester City finis kedua. Manchester United bangkit ke posisi tiga. Aston Villa menembus empat besar. Sementara Liverpool—yang dalam banyak simulasi statistik dianggap paling siap—justru tercecer di peringkat lima.
Di situlah pertanyaan besar muncul: jika data sudah begitu canggih, mengapa prediksi tetap bisa meleset? Dan pertanyaan itu tidak hanya relevan untuk sepak bola. Tapi juga untuk bisnis, organisasi, bahkan kehidupan sehari-hari.
Ketika Data Terjebak Masa Lalu
Sebagian besar model prediktif bekerja dari pola historis. Data tiga musim terakhir menjadi fondasi utama. Algoritma membaca kecenderungan, menghitung probabilitas, lalu menyusun simulasi. Masalahnya: sepak bola tidak hidup di masa lalu.
Ia bergerak sangat cepat. Kadang terlalu cepat untuk ditangkap statistik.
Liverpool menjadi contoh paling jelas. Secara data mereka memang solid. Tapi algoritma sulit membaca kelelahan mental setelah beberapa musim bermain dalam intensitas ekstrem. Data juga tidak cukup peka terhadap kejenuhan emosional, perubahan atmosfer ruang ganti, atau tekanan psikologis akibat ekspektasi tinggi.
Angka melihat performa. Tapi angka tidak selalu melihat rasa lapar.
Sebaliknya, Arsenal berkembang di area yang sulit diukur. Mereka bukan tim dengan statistik paling spektakuler. Tapi mereka mulai tumbuh dalam kestabilan psikologis, kedewasaan kolektif, dan keberanian menghadapi tekanan.
Hal-hal seperti itu sulit dimasukkan ke dalam spreadsheet.
Fenomena serupa pernah terjadi di dunia bisnis. Pada 2007, Nokia masih memimpin pasar telepon seluler dunia berdasarkan hampir semua indikator kuantitatif: pangsa pasar, volume penjualan, jaringan distribusi, hingga profitabilitas (IDC Mobile Phone Report, 2007). Namun mereka gagal membaca perubahan perilaku konsumen menuju smartphone berbasis aplikasi. Data historis membuat Nokia terlalu percaya diri pada model lama.
Kasus serupa juga dialami BlackBerry. Secara data korporasi, BlackBerry pernah dianggap hampir tak tergoyahkan dalam pasar enterprise dan komunikasi bisnis global (Gartner Smartphone Market Share, 2009). Tetapi perusahaan gagal membaca perubahan perilaku pengguna yang mulai menginginkan perangkat lebih fleksibel, visual, dan berbasis aplikasi.
Arsenal dan Faktor “Tak Terlihat”
Musim ini Arsenal tampak berbeda. Mereka tidak selalu dominan. Tapi jauh lebih matang. Dulu Arsenal sering kehilangan poin di momen penting. Kini mereka justru menang dalam pertandingan buruk. Itu tanda kematangan.
Mikel Arteta tampaknya belajar dari kegagalan musim-musim sebelumnya. Rotasi lebih fleksibel. Ego pemain lebih terkendali. Ruang ganti lebih stabil. Pemain muda mereka tidak lagi bermain sebagai talenta, melainkan pribadi yang siap menang.
Menariknya, sebagian besar perubahan itu tidak muncul dalam metrik tradisional.
Data bisa menghitung sprint. Tapi tidak bisa mengukur keberanian pemain muda mengambil keputusan di menit ke-89. Data bisa membaca pola operan. Tapi tidak bisa menangkap rasa percaya antar pemain belakang dan penjaga gawang. Data bisa menghitung expected goals. Tapi tidak bisa mengukur ketenangan saat stadion mulai panik.
Arsenal menang bukan karena paling sempurna secara statistik. Mereka menang karena mampu menyatukan kualitas teknis dan kematangan emosional.
Di industri, hal seperti ini juga sering terjadi. Netflix pernah mengalahkan Blockbuster bukan karena memiliki lebih banyak toko atau aset fisik. Netflix menang karena lebih cepat membaca perubahan budaya konsumsi menuju streaming digital (Harvard Business Review, 2014). Saat itu, banyak data tradisional masih menunjukkan bisnis rental fisik tetap menguntungkan.
Namun intuisi strategis membaca arah masa depan lebih cepat dibanding laporan kuartalan.
Contoh lain datang dari Amazon. Saat pandemi COVID-19 mulai mereda pada 2021–2022, banyak perusahaan retail menurunkan investasi logistik karena menganggap lonjakan e-commerce hanya sementara. Amazon justru terus memperkuat jaringan gudang, data supply chain, dan kecerdasan prediktifnya (McKinsey Supply Chain Report, 2022). Hasilnya, mereka mampu mempertahankan dominasi ketika perilaku belanja digital menjadi kebiasaan permanen.
Aston Villa, Manchester United, dan Kejutan yang Sulit Dibaca
Aston Villa menjadi kejutan lain. Model statistik memang menunjukkan peningkatan performa mereka dalam dua musim terakhir. Tapi sedikit yang memprediksi mereka finis di empat besar.
Mengapa itu terjadi?
Karena data sering kesulitan membaca akselerasi kultur.
Villa berkembang bukan hanya karena taktik. Tapi karena identitas tim yang makin jelas. Mereka bermain dengan rasa percaya diri baru. Ada energi kolektif yang tumbuh dan menular.
Manchester United juga demikian. Secara statistik mereka belum sepenuhnya elite. Tapi musim ini mereka lebih stabil secara emosional. Konflik internal berkurang. Tekanan media lebih terkendali. Pemain muda mulai matang.
Dan yang paling penting: ekspektasi publik lebih rendah. Kadang tekanan rendah membuat tim bermain lebih bebas. Ironisnya, itu sulit diprediksi algoritma.
Dalam industri penerbangan, kasus serupa pernah dialami Southwest Airlines. Banyak analis sulit memahami mengapa maskapai ini tetap efisien dan menguntungkan dalam jangka panjang. Secara angka operasional mereka tidak selalu paling unggul. Namun budaya kerja, loyalitas karyawan, dan konsistensi pelayanan membuat mereka jauh lebih tahan terhadap krisis dibanding banyak maskapai besar (James Collins, Good to Great, 2001).
Di sektor otomotif, Toyota juga menunjukkan pola yang sama. Banyak kompetitor memiliki data produksi besar dan teknologi tinggi. Tetapi Toyota unggul karena budaya kerja, disiplin operasional, dan kemampuan membaca sinyal pasar secara konsisten melalui Toyota Production System/TPS (Taiichi Ohno, Toyota Production System, 1988).
Ketika Dashboard Tidak Mengerti Realitas
Fenomena ini sebenarnya dekat dengan dunia industri. Hari ini hampir semua perusahaan berlomba membangun sistem analitik. Ada dashboard real-time, AI forecasting, predictive maintenance, business intelligence, hingga ERP yang semakin canggih.
Semua terlihat presisi. Masalahnya: banyak organisasi mulai terlalu percaya pada angka.
Mereka merasa data sudah cukup untuk membaca masa depan. Akibatnya, keputusan bisnis menjadi terlalu mekanis. Terlalu bergantung pada pola historis. Terlalu yakin bahwa masa depan bergerak linear seperti grafik di layar.
Padahal dunia industri sangat dinamis. Perubahan perilaku konsumen bisa terjadi mendadak. Loyalitas pelanggan bisa runtuh karena satu isu kecil. Budaya kerja bisa melemah meski produktivitas terlihat naik. Bahkan perusahaan dengan data terbaik pun bisa gagal membaca perubahan emosi pasar.
Kodak menjadi contoh klasik. Mereka sebenarnya sudah menemukan teknologi kamera digital sejak 1975 melalui insinyur Steven Sasson. Data internal dan kemampuan teknologinya sangat kuat. Namun perusahaan gagal mengantisipasi perubahan pasar karena terlalu terikat pada bisnis film fotografi yang selama puluhan tahun menghasilkan keuntungan besar (Forbes, 2012).
Kasus lain muncul pada WeWork. Sebelum kolaps, valuasi perusahaan ini sempat mencapai US$47 miliar pada 2019 dengan dukungan data pertumbuhan yang agresif (SoftBank Investor Report, 2019). Namun di balik angka itu, model bisnis dan tata kelola perusahaan ternyata rapuh. Dashboard terlihat indah. Realitasnya tidak sekuat itu.
Inilah yang sering tidak tertangkap sistem analitik.
Karena itu, data seharusnya diperlakukan sebagai alat bantu berpikir. Bukan pengganti cara berpikir. Perusahaan tetap membutuhkan pemimpin yang mampu membaca suasana, arah perubahan, dan sinyal-sinyal lemah yang belum muncul di dashboard.
Sama seperti pelatih sepak bola. Kadang keputusan terbaik justru lahir bukan dari angka tertinggi, tetapi dari keberanian mengambil langkah di tengah ketidakpastian.
Data Penting, Tapi Tidak Maha Benar
Daniel Kahneman melalui buku Thinking, Fast and Slow (2011) menjelaskan bahwa keputusan manusia bergerak di antara dua sistem: pemikiran cepat yang intuitif dan pemikiran lambat yang analitis. Data membantu memperkuat analisis rasional, tetapi intuisi tetap berperan penting ketika organisasi menghadapi situasi kompleks, ambigu, dan berubah cepat.
Data analitik membantu mempersempit ketidakpastian, tetapi tidak mampu menangkap seluruh realitas organisasi maupun perilaku manusia. Data analitik sangat penting, tetapi kemenangan—baik di sepak bola maupun bisnis—tetap membutuhkan intuisi, sensitivitas konteks, dan kemampuan manusia membaca hal-hal yang belum tertangkap algoritma.
Manchester City tetap berada di papan atas karena mereka punya sistem paling stabil secara struktural. Data membantu menjaga konsistensi mereka. Analitik tetap penting untuk membaca kebugaran, intensitas, efektivitas taktik, dan pola permainan.
Masalah akan muncul ketika data dianggap sebagai “kebenaran final”. Padahal data hanyalah alat membaca kemungkinan. Bukan alat memastikan masa depan.
Dalam bisnis, kesalahan serupa sering terjadi. Perusahaan terlalu percaya dashboard, terlalu yakin pada proyeksi, dan terlalu terpaku pada laporan. Akibatnya mereka lambat membaca perubahan suasana pasar, emosi konsumen, atau pergeseran budaya kerja.
Mereka lupa: manusia bukan mesin statistik.
Begitu pula sepak bola. Di lapangan ada momentum, rasa percaya diri, ketakutan, ego, keberanian, bahkan ruang ganti yang retak tanpa terlihat kamera. Dan semua itu bisa mengubah musim.
Pelajaran Besarnya
Inilah pelajaran paling penting dari musim ini. Data memang sangat membantu. Tapi organisasi yang terlalu memuja data sering kehilangan kepekaan. Mereka hebat membaca laporan, tapi lemah membaca manusia.
Banyak perusahaan mengalami hal yang sama. Semua indikator terlihat hijau. Penjualan naik. Efisiensi membaik. Produktivitas meningkat. Tapi diam-diam budaya kerja retak. Kepercayaan menurun. Energi tim melemah.
Masalahnya, hal-hal seperti itu sering tidak muncul di dashboard. Karena itu, pemimpin modern tidak cukup hanya menjadi pembaca data. Ia juga harus menjadi pembaca suasana. Ia harus tahu kapan mengikuti algoritma, dan kapan melampauinya.
Jika dalam sepak bola pelatih hebat bukan yang paling banyak datanya, maka dalam organisasi pemimpin hebat bukan yang paling lengkap dashboard-nya. Tapi yang paling mampu menerjemahkan data menjadi keputusan manusiawi.
ERP, AI, dan business intelligence memang penting. Tapi keberanian mengambil keputusan di tengah ketidakpastian tetap membutuhkan intuisi. Dan intuisi tidak lahir dari mesin. Ia lahir dari pengalaman, kegagalan, empati, dan keberanian menanggung risiko.
Musim Arsenal memberi pesan kuat: kemenangan tidak selalu dimulai dari angka terbaik. Kadang ia dimulai dari ruang ganti yang sehat, pemimpin yang dipercaya, dan tim yang memiliki keyakinan bersama.
Karena pada akhirnya, Arsenal juara musim ini bukan karena data tidak berguna. Tapi karena manusia ternyata masih punya ruang untuk melampaui algoritma itu sendiri.
#PremierLeague #DataAnalytics #ArtificialIntelligence #Leadership #BusinessStrategy #SportsAnalytics #DecisionMaking #OrganizationalCulture #DigitalTransformation #HumanCenteredLeadership #StrategicThinking #DataDriven
PERCIKAN 