Bisnis.com, JAKARTA – Industri pengkreditan memerlukan data yang akurat dalam bisnis mereka agar pemberian kredit tepat sasaran. Tidak heran, perusahaan pemberi kredit rela investasi besar-besaran untuk pengelolaan data.
Dahulu Kredivo, sebuah layanan kartu kredit online yang dikembangkan oleh PT Finaccel Teknologi Indonesia, mengumpulkan data terlebih dahulu sebelum mereka lahir dan beroperasi.
Alie Tan, Co-Founder dan CTO Kredivo menceritakan kepada Bisnis.con, data merupakan tunas sebelum Kredivo berdiri. Sejak Desember 2015, perusahaan telah mengembangkan sistem ini, dengan mengeluarkan sebuah aplikasi alfa untuk mengeruk data orang-orang.
Dia menceritakan saat itu, sejumlah sukarelawan diminta untuk mengisi data pribadi mereka dengan benefit mereka mendapat voucer. Setelah data terkumpul, pada pertengahan 2016, Kredivo terbit dengan sejumlah data yang telah mereka pegang.
“Data science tidak bisa apa-apa kalau tidak ada data. Kalaupan ada data tetapi dikit, data science tidak akurat. Jadi kami mengumpulkan data terlebih dahulu,” kata Alie di Dipo Building, Jakarta Selatan beberapa waktu lalu.
Data science sangat membantu peseroan yang bergerak di bidang keuangan. Data science mengeluarkan fitur-fitur yang membantu perseroan dalam, menakar risiko pengguna yang ingin mengajukan kredit, persetujuan, transaksi hingga penagihan atau kolektif.
Data Science termasuk pada engineering data yang bertugas untuk memproses data terstruktur dan data tidak terstruktur.
Data terstruktur adalah data yang telah jelas strukturnya, misal peminjam adalah pria, umurnya sekian, tinggal di sini dan lain sebagainya.
Adapun data tidak terstruktur adalah data yang memiliki banyak noise atau gangguan sehingga harus dirapihkan untuk memperoleh data yang utuh dan benar. Kredivo memiliki Extract Transform Load Team yang bertugas memilah sari-sari data, yang dibutuhkan oleh data science, sehingga proses pembacaan data semakin cepat dan akurat.
Setelah mengotak-ngotakan data yang diperoleh, data science akan membaca pola dari setiap data-data yang dikumpulkan dan mengeluarkan output yaitu credit scoring, apakah pengguna dapat melakukan kredit atau tidak.
“Dalam data science ada hard rule jika pengakses melanggar beberapa peraturan di hard rule tersebut maka dia tidak bisa mendapat kredit,” kata Alie. .
Alie mengatakan selama proses pengajuan kredit, data science menganilisis banyak faktor seperti keterkaitan pendapatan debitur dengan kemampuan membayar, keterkaitan pekerjaan dan kemapuan isi ulang kredit dengan pendapatan, hingga produk yang dapat direkomendasikan kepada pengguna.
