Sudah Terbayang Bagaimana Penerapan Data Science di Perusahaan?

Saat ini, banyak perusahaan di Indonesia sudah menerapkan bidang data science untuk mengoptimalkan bisnisnya. Mulai dari optimasi operasional, memahami perilaku pelanggan, hingga membuat keputusan bisnis yang lebih efektif. Dari industri perbankan hingga e-commerce, penerapan data science telat menjadi faktor kunci yang membantu perusahaan bisa bersaing di pasar yang semakin ketat. Keputusan yang didasarkan pada analisis data telah terbukti membawa banyak keuntungan bagi perusahaan. 

Bahkan, penerapan data science juga dampaknya terasa dalam kehidupan sehari-hari kita. Mulai dari rekomendasi produk yang muncul di aplikasi belanja online hingga layanan keuangan yang lebih personal, semua ini merupakan hasil dari penerapan data science. Ilmu data science memungkinkan perusahaan untuk memahami kebutuhan dan preferensi kita sebagai konsumen dengan lebih baik, sehingga produk dan layanan yang kita terima jadi lebih relevan dan sesuai dengan harapan. Dengan kata lain, data science sudah menjadi kekuatan di balik layar yang menggerakan inovasi yang kita nikmati setiap hari.

Penasaran bagaimana contoh penerapan data science di perusahaan Indonesia? Simak terus artikel ini!

BACA JUGA: Memahami Apa Itu Data Science Bagi Pemula

Contoh Penerapan Data Science di Kredivo 

Sepanjang 2022, transaksi paylater Kredivo tumbuh hingga 2X lipat dibandingkan realisasi pada 2021 dan jumlah pengguna paylater untuk transaksi offline pada 2023 bertumbuh 30,9% (Source: KONTAN). Bahkan, Kredivo juga mendapatkan penghargaan Best Frictionless Credit Evaluation Initiative di ajang The Asian Banker Indonesia. 

Menurut Komisaris Kredivo, Umang Rustagi, salah satu alasan di balik kesuksesan Kredivo ini karena mengoptimalkan operasi bisnis dengan teknologi dan data alias penerapan data science. Berikut beberapa contoh penerapan data science di Kredivo:

Penerapan Data Science: Sistem Penilaian Kredit

Kredivo menerapkan data science dalam proses electronic Know Your Customer (e-KYC) untuk mengenal nasabah secara virtual. Melalui analisis data yang mendalam, Kredivo dapat menilai kemampuan kredit pengguna dengan akurat, memastikan bahwa kredit yang diberikan benar-benar sesuai dengan profil dan kebutuhan finansial mereka. 

Pendekatan ini tidak hanya meningkatkan efisiensi proses persetujuan, tetapi juga membantu memastikan bahwa pemberian kredit lebih tepat sasaran. Menggunakan data science juga Kredivo bisa memiliki sistem penilaian kredit yang inovatif dan tingkat keakuratannya bersaing dengan bank komersial (Source: KONTAN).

Penerapan Data Science: Sistem Persetujuan Kredit

Kredivo dikenal sebagai salah satu platform yang menawarkan kemudahan dalam proses pengajuan dan persetujuan kredit. Salah satu keunggulannya terletak pada sistem persetujuan kredit yang efisien dan tanpa hambatan. Dengan memanfaatkan data konsumen yang diperoleh selama proses pengajuan, Kredivo mampu menganalisis dan memahami pola perilaku serta riwayat kredit pengguna. 

Analisis ini memungkinkan Kredivo untuk membuat keputusan persetujuan kredit yang lebih cepat dan akurat. Hasilnya, pengguna dapat menikmati akses kredit yang lebih responsif dan sesuai dengan profil keuangan mereka.

Penerapan Data Science: Tekan Risiko Gagal Bayar

Kredivo juga memanfaatkan data science untuk menganalisis perilaku debitur, termasuk membedakan antara debitur revolver yaitu mereka yang belum membayar tetapi diperkirakan akan membayar dan debitur yang kemungkinan besar tidak akan melunasi utangnya. Saat pengguna mendaftar, data mereka otomatis masuk ke sistem Kredivo, memungkinkan analisis mendalam yang membantu menilai kredibilitas pengguna. 

Dengan pemahaman ini, Kredivo dapat mengurangi risiko gagal bayar secara signifikan, memastikan bahwa pemberian kredit dilakukan dengan lebih hati-hati dan terukur.

Mendeteksi Penipuan

Kredivo mengoptimalkan operasi bisnis dengan teknologi verifikasi data dan mendeteksi penipuan melalui sistem manajemen risiko yang mampu mencapai metrik risiko setaraf bank. Bahkan, Kredivo memanfaatkan algoritma dan model analisis data untuk memantau seluruh aktivitas transaksi dan perilaku pelanggan untuk mengidentifikasi pola yang mencurigakan. 

Segmentasi Pelanggan

Pernahkah kamu memperhatikan bahwa penawaran yang kamu terima dari Kredivo selalu sesuai dengan kebutuhanmu? Hal ini bukan kebetulan. Kredivo secara cermat memanfaatkan data science untuk menganalisis preferensi dan kebutuhan pengguna, sehingga dapat memberikan penawaran yang relevan dan meningkatkan pengalaman pengguna secara keseluruhan.

BACA JUGA: 4 Alasan Harus Ikut Data Science Training

Contoh Penerapan Data Science di Bank Mandiri 

Bank Mandiri jadi salah satu bank lokal yang punya performa bagus dari tahun ke tahun. Menariknya, pada 2023 kemarin, laba bersih Bank Mandiri disebut melonjak sebesar Rp 55,1 triliun, tumbuh 33,7% secara year on year (YoY). Tentunya, banyak faktor yang mendukung kesuksesan ini. Namun, bocoran dari Senior Vice President Enterprise Data Management Bank Mandiri, Billie Setiawan, Bank Mandiri jadi salah satu contoh perusahaan yang menyiapkan dan mempertahankan organisasinya menjadi Data-Driven Culture. 

Setiap divisi di Bank Mandiri diberdayakan dengan self–service analytics dalam membuat keputusan yang lebih baik dan cepat.  Berikut diantaranya:

Membangun Platform Big Data

Sejak 2020, Mandiri bekerjasama dengan Cloudera untuk membangun platform big data yang disebut “Enterprise Information & Decision Platform”. Dalam platform ini, Mandiri membuat tiga fokus utama:

• Pemantauan likuiditas dan transaksi harian di 2.556 kantor cabang dan 2.236 jaringan mikro secara real–time
• Data-data penting seperti volume, nilai, dan frekuensi transaksi bisa diketahui secara cepat
• Analisis dan pengambilan keputusan yang lebih cepat

Memantau Kesehatan Karyawan

Pada tahun 2020, saat pandemi COVID-19 sedang berada di puncaknya, Bank Mandiri memanfaatkan big data untuk memantau kesehatan karyawannya secara proaktif. Dengan platform berbasis dasbor yang dapat menganalisis data hanya dalam hitungan jam, Bank Mandiri mampu mengidentifikasi karyawan yang berisiko terpapar COVID-19. 

Data ini mencakup lokasi kerja, jenis transportasi, hingga pola mobilitas. Berbekal informasi ini, Bank Mandiri dapat dengan cepat mengambil keputusan terkait pengaturan tim, sehingga meminimalkan risiko penyebaran COVID-19 di antara ribuan karyawannya.

Proses Restrukturisasi Pinjaman

Salah satu faktor utama yang mendorong tingginya laba Bank Mandiri di tahun 2022 adalah keberhasilan dalam melakukan restrukturisasi pinjaman. Selama pandemi, banyak nasabah mengalami kredit macet dan mengajukan permintaan restrukturisasi. 

Dengan dukungan platform big data yang sudah digunakan, Bank Mandiri berhasil mempertahankan service level agreement (SLA) dengan nasabah dan mengembangkan analisis yang mampu mempercepat proses restrukturisasi pinjaman, sehingga mengurangi dampak negatif kredit macet pada kinerja keuangan mereka.

Contoh Penerapan Data Science di JNE

Ketika bicara mengenai penerapan data science serta big data, banyak yang mengira teknologi ini hanya relevan bagi industri digital. Namun, faktanya JNE, yang bergerak di industri logistik, telah menerapkan bidang ini sejak lama. Pada tahun 2018, Vice President Marketing JNE Express mengungkapkan bahwa penggunaan big data di JNE sudah dimulai 5-7 tahun sebelumnya. Ini berarti, JNE telah memanfaatkan big data selama lebih dari 10 tahun! (Sumber: Marketeers). Berikut beberapa contoh penerapan data science dan big data di JNE:

Memanfaatkan Kekuatan Management Cloud dan Machine Learning

Setiap hari, JNE mengirimkan ribuan paket kepada pelanggan, dan selama proses tersebut, mereka menerima berbagai pertanyaan, masukan, hingga keluhan terkait pengiriman. 

Dengan bantuan sistem Management Cloud dari Oracle dan teknologi machine learning, JNE mampu mengukur, mengidentifikasi, serta merespons setiap interaksi yang masuk hanya dalam hitungan menit. Hasilnya, berkat teknologi ini, JNE berhasil mengurangi keluhan pelanggan hingga 70%.

Memanfaatkan Autonomous Database Untuk Efektivitas Tim

Arief Rahardjo, Wakil Presiden Teknologi JNE, mengungkapkan bahwa dahulu JNE membutuhkan waktu hingga 6 jam untuk mengelola laporan transaksi yang mencapai 1 juta per hari. Namun, kini dengan bantuan autonomous database dari Oracle, proses tersebut hanya memakan waktu 2 jam. 

Bagaimana bisa? Teknologi ini mampu menciptakan database yang lengkap, mulai dari data transaksi hingga data pengiriman, secara lebih cepat dan otomatis, sehingga efisiensi pun meningkat signifikan.

Pemanfaatan Big Data

JNE juga memanfaatkan big data untuk berbagai kebutuhan lain, seperti pengoptimalan rute pengiriman paket. Bayangkan saja, setiap hari kurir JNE harus mengirim paket ke berbagai alamat yang jaraknya jauh. Dengan menggunakan big data analytics, JNE dapat merancang rute pengiriman yang lebih sistematis berdasarkan alamat, jadwal kurir, perkiraan waktu muat, dan faktor lainnya. 

Teknologi ini membantu mengurangi biaya dan waktu operasional JNE, meningkatkan efisiensi dan efektivitas pengiriman. Selain itu, berbagai teknologi big data yang dimanfaatkan JNE tidak hanya membawa keuntungan bagi kemajuan bisnis mereka, tetapi juga berdampak positif bagi pelanggan. 

Contoh yang bisa kita rasakan adalah kemampuan untuk melacak pengiriman paket secara online dan real–time, serta mendapatkan solusi cepat dari JNE jika terjadi masalah dalam pengiriman. Dengan teknologi ini, JNE memastikan pengalaman pelanggan yang lebih baik dan lebih responsif.

Mulai Belajar Data Science Bersama Mentor Expert

Besarnya manfaat data science di berbagai industri, jadi bukti bahwa data talent kini jadi incaran banyak perusahaan. Mengutip Glassdoor, kisaran gaji data scientist di Indonesia adalah 9-20jt/bulan. Menarik ya? Oleh karena itu, alang baiknya kamu mulai belajar skill-nya di kelas Data Science Digital Skola untuk siapin diri jadi data talent yang dicari industri. 

Mentor expert di Bootcamp Data Science & AI Fundamentals Digital Skola siap memberikan bimbingan dengan materi komprehensif. Artinya, kamu bisa mulai belajar dari dasar dan membuka peluang karier baru di bidang data. Berikut outline materi yang akan dipelajari:

• Data Science Methodology
• Essentials of Data and Databases
• Enrichment Session: Skills of a Data Scientist
• SQL
• Programming
• Statistics
• Google Data Studio
• Supervised
• Enrichment: Fundamentals of Data Science and AI
• Git & Version Control System
• Enrichment Session: Exploring SQL & GitHub
• Numpy
• Dataframe
• Data Visualization
• Machine Learning
• Python
• Data Preprocessing
• Regression
• Model Deployment
• Unsupervised Learning

Selain dapat kurikulum sesuai kebutuhan industri, kamu juga akan dapat fasilitas lengkap seperti: 

• Job connector
• Sertifikasi BNSP
• Real Experience Internship
• 6 personal projects
• 1 portofolio end to end dari Final Project
• Professional Branding
• 1on1 career counseling with HR Expert
• AI Lecture “Deka” Bimbing 24/7

Klik link di bawah ini buat info lengkap kelas serta pendaftarannya, ya!