Contoh Sukses Penerapan Big Data di Halodoc

digitalskola

digitalskola

26 Agustus 2023

Penerapan Big Data
Penerapan Big Data (Photo by National Cancer Institute on Unsplash)

Penerapan big data kini bisa kita temui di berbagai sektor bisnis mulai dari pariwisata, perbankan, pendidikan, logistik, bahkan hingga kesehatan. Salah satu perusahaan startup di industri layanan kesehatan yang paling sukses di Indonesia yaitu Halodoc juga faktanya ternyata menerapkan big data untuk kesuksesan bisnisnya. Bukan tanpa alasan, penerapan big data di berbagai sektor bisnis termasuk layanan kesehatan memang sudah terbukti membawa banyak dampak positif bagi bisnis. Terutama dalam membantu perusahaan mendapatkan insight bagi keputusan bisnis yang aktual berdasarkan data  secara real-time. 

Halodoc sudah berdiri sejak tahun 2016, Halodoc mengusung konsep bisnis healthtech yaitu penggunaan informasi elektronik dan teknologi komunikasi untuk menangani kesehatan pasien oleh tenaga medis maupun dokter mulai dari pertukaran informasi diagnosis, pengobatan dan pencegahan penyakit atau cedera, hingga penelitian dan evaluasi terkait medis. Mulanya, di awal tahun Halodoc hadir masih banyak orang awam di Indonesia yang belum memahami konsep telehealth ini. Namun seiring dengan perkembangan teknologi di lingkungan masyarakat Indonesia dan penerapan berbagai teknologi termasuk big data, kini Halodoc bisa jadi layanan kesehatan online yang paling sukses di Indonesia.

Bahkan, Halodoc sukses meraih beberapa penghargaan secara berturut-turut hanya dalam kurun waktu kurang dari tiga tahun, mulai dari penghargaan Katadata25: The Game Changer in Digital, PPKM Award 2023 dan beberapa penghargaan lainnya. Tentunya, penghargaan ini menjadi salah satu bukti bahwa Halodoc sudah sukses menjadi platform layanan kesehatan yang diandalkan masyarakat Indonesia. Lalu, bagaimana Halodoc menerapkan big data untuk kesuksesan bisnisnya? Simak artikel ini sampai akhir!

Penerapan Big Data di Halodoc

Sejak 2021 lalu, Halodoc sudah menembus lebih dari 20 juta pengguna aktif bulanan atau monthly annual user (Sumber: Liputan6.com). Dari berbagai pemberitaan di media, kesuksesan Halodoc ini tidak terlepas dari inovasi mereka dalam menggunakan big data. Setiap harinya, Halodoc mendapatkan data dalam jumlah yang sangat besar data tersebut datang dari berbagai sumber, seperti:

  • Transactional Data = Data yang dihasilkan dari berbagai layanan backend seperti konsultasi, pesanan apotek, janji temu, dll. Data ini sebagian besar berasal dari database relational (MySQL). 
  • Digital Health Records = Data yang dihasilkan dari laporan medis hasil janji temu dengan dokter, tagihan medis, resep, klaim asuransi, dll. Data ini biasanya berupa gambar atau file tergantung pada rumah sakit dan mitra dagang. 
  • Merchant Inventory Data = Data yang dihasilkan dari inventaris apotek pedagang Halodoc. Data ini biasanya berupa format csv dan xls. 
  • Event from backend services = Data yang dihasilkan dari layanan mikro dan platform pembuatan pembuatan event komunikasi asinkron. 
  • Insurance Claims/Medical Bills = Data yang dihasilkan dari asuransi kesehatan atau bills customer. Data ini biasanya berupa csv, xls, dan PDF.

Melalui blog-nya, Halodoc memberikan gambaran mengenai proses Halodoc menggunakan data demi perkembangan bisnis yang lebih pesat, seperti ini gambarannya:

Penerapan Big Data Halodoc
Penerapan Big Data Halodoc (Source: Halodoc Blog)

Sejak 2016, Halodoc sudah kerja sama dengan AWS (Amazon Web Services) untuk pengembangan machine learning, security, dan pengelolaan database. Menurut Ramkumar Durgam yaitu VP Product Engineering (AppDev/AI/ML/Data Analytics) Halodoc, lebih dari 50 layanan Amazon Web Services digunakan untuk membangun platform layanan kesehatan cloud native. Halodoc juga membangun data lake menggunakan Amazon Simple Storage Service (S3). Hal ini memungkinkan Halodoc menyimpan data berukuran terabyte dengan lebih aman.

Lebih lanjut, penggunaan Amazon Web Services dalam penanganan data di Halodoc ternyata berdampak sangat positif. Halodoc bisa melakukan efisiensi biaya hingga 20% dan meningkatkan kecepatan pemrosesan data hingga 50%.  Dampaknya, data semua transaksi tersedia di mana-mana dan bisa diakses secara real-time, sehingga perusahaan bisa ambil keputusan secara lebih cepat dan tepat berdasarkan data tersebut.

Penerapan Big Data: Contoh Hasil Penggunaan di Halodoc  

Ada beberapa contoh hasil dari penggunaan big data di Halodoc, diantaranya adalah:

  • Memprediksi perilaku konsumen dan memberikan rekomendasi dokter 
  • Memberikan solusi kesehatan terbaik sesuai record kesehatan customer
  • Melihat pola persebaran pemesanan obat dan memberi saran bagi mitra untuk supply obat yang sedang high demand 
  • Membaca tren macro economy untuk menentukan strategi 
  • Mengembangkan teknologi AI (Artificial Intelligence) untuk melayani konsumen secara cepat dan makin akurat 
  • Melakukan perencanaan atau pengembangan layanan baru sesuai kebutuhan masyarakat

Tools Big Data yang Digunakan Halodoc 

Salah satu bagian penting dari penerapan big data di Halodoc adalah batch processing pipeline. Ada beberapa tool utama dari batch processing pipeline Halodoc, diantaranya:

  • ETL = Tools yang digunakan untuk proses ETL di Halodoc adalah Airflow dan Pentaho
  • Pentaho = Tool ini digunakan Halodoc untuk melakukan data extraction, integration, transformation, mining, dan load capabilities. 
  • Airflow = Airflow digunakan Halodoc untuk membangun framework dan membuat dashboard untuk memantau dan melihat proses dan status pekerjaan. 

Selain itu, ada juga tools yang digunakan Halodoc untuk data lake dan data warehouse, yaitu: 

  • Data Lake = Halodoc menggunakan Amazon S3 untuk mengelola data lake. Semua data dari berbagai sumber akan ditempatkan di berbagai bucket S3 sebelum akhirnya dimuat ke data warehouse. 
  • Data Warehouse = Halodoc menggunakan Amazon Redshift untuk mengolah data warehouse. Bahkan, business analyst, data scientist, dan decision makers lain di perusahaan Halodoc menggunakan tools ini. 

Tools lain yang juga digunakan Halodoc untuk berbagai proses big data diantaranya adalah:

  • Architecture = Apache Kafka, Apache Flink, Elasticsearch, Kibana
  • Data visualization = Looker, Metabase, Kibana
  • Monitoring the Data Infra = Cloudwatch, Grafana
  • Serving layer = Kibana, Grafana
  • Stream computing system = AWS Kinesis Data Analytics, Apache Flink, Apache Storm, Apache Spark
  • A log based event store = Kafka, AWS Kinesis Streams, Google PubSub

Baca juga: Ini Data Engineering Certificate yang Dilirik HR

Prospek Karier Data Engineer 

Prospek Karier Data Engineer 

Besarnya peran data bagi bisnis Halodoc membuat Halodoc membutuhkan sosok talenta digital di bidang data seperti data engineer. Gak heran, dari empat tahun lalu Halodoc sudah membuka lowongan pekerjaan untuk data engineer. Padahal, di tahun tersebut bisa dibilang belum banyak perusahaan yang menyadari pentingnya peran data engineer bagi perusahaan.

Kabar baiknya, tak hanya di industri kesehatan yang membutuhkan sosok data engineer. Saat ini ada banyak bidang yang sudah menyadari pentingnya peran data engineer dan buka lowongan pekerjaan untuk posisi ini. Jika kamu cek di job platform populer seperti LinkedIn, saat ini ada sekitar 867 lowongan data engineer di Indonesia. Sedangkan, di Jobstreet ada 1040 lowongan. Untuk bisa memanfaatkan peluang yang tinggi ini, tentunya kamu wajib upgrade skill data engineering sesuai kebutuhan industri saat. 

Kabar baiknya, kamu bisa belajar skill data engineer dari nol tanpa latar belakang apapun di Bootcamp Data Engineer di Digital Skola. Di sini kamu bisa mempersiapkan diri menjadi data engineer dengan flow:  

  • Belajar dengan materi dan kurikulum terstruktur 
  • Pembuatan portfolio 
  • Professional branding sebagai data engineer 
  • Pelatihan softskill 
  • Persiapan CV dan interview 
  • Bantuan penyaluran kerja melalui Talent Management Digital Skola  

Cari tahu info lengkapnya dengan klik button di bawah ini!

Artikel Rekomendasi