Oleh Rusly Askar, Cloud Platform Lead, Oracle Indonesia
Apapun yang kita rasakan saat ini di dunia perbankan, transformasi akan segera terjadi.
Teknologi baru dan berkembang mendorong disrupsi digital di industri perbankan, dimana hal ini dapat membawa persaingan baru dan tren global. Di tingkat makro, kebangkitan FinTech dan hadirnya perbankan menantang industri ini untuk memberikan layanan baru kepada pelanggan agar tetap bertahan dan bersaing.
Secara internal, kebutuhan untuk kecepatan dan pergeseran ke smartphone mendorong bank untuk mengadopsi ekosistem IT yang canggih yang dapat dengan cepat diperbarui dan ditingkatkan, sehingga mereka dapat memberikan inisiatif dan layanan baru dalam hitungan minggu, bukan lagi dalam bulanan atau tahunan. Semua ini menantang bank-bank di wilayah ASEAN untuk berinovasi lebih cepat.
Pelanggan sekarang mengharapkan penyedia layanan keuangan mereka untuk menawarkan lebih dari sekedar layanan transaksional; mereka ingin bank memberikan solusi baru dan lebih baik untuk membantu mengelola masalah keuangan.
Untuk memenuhi harapan pelanggan baru ini, bank memiliki misi baru, yaitu berpindah dari produk yang sentris untuk benar-benar memahami layanan konsumen mereka dan memenuhi kebutuhan mereka. Untuk melakukannya, mereka membutuhkan wawasan yang belum pernah ada sebelumnya dan analisis prediktif yang didukung oleh teknologi terbaru, sehingga eksekutif C level dapat menghabiskan lebih banyak waktu untuk mendorong pertumbuhan.
Tapi bagaimana caranya?
Bagaimana Bank dapat Menggunakan Analitik untuk Mendapatkan, Melibatkan, dan Mempertahankan Pelanggan
Sampai saat ini, akusisi pelanggan, berinteraksi dan strategi mempertahankan pelanggan sebagian besar dibangun berdasarkan informasi historis atau intuisi. Sekarang, semakin banyak perusahaan yang menyadari bahwa data tersebut dapat dimanfaatkan untuk mempersonalisasi strategi pemasaran yang disesuaikan dengan minat pelanggan, menyesuaikan strategi produk berdasarkan pola penggunaan dan memprediksi pelanggan mana yang harus lebih diberikan berbagai penawaran menarik sehingga tetap menjadi pelanggan.
Tantangan bagi bank adalah bahwa pelanggan menghasilkan sejumlah data yang banyak seperti riwayat pembelian, data profil, riwayat penelusuran, pola penggunaan produk, dan perilaku media sosial setiap harinya.
Di sinilah kecerdasan buatan dan pembelajaran mesin dapat membantu. Karena data ini menekankan apa yang mungkin terjadi dalam batas kemampuan manusia, teknologi baru ini dapat memberikan hasil yang dapat dicapai dari kumpulan-kumpulan data tersebut, yaitu seperti mengidentifikasi perilaku pelanggan ketika ada berubahan, dan mendeteksi tren yang terjadi berdasarkan data yang ada dan kemudian menggunakan algoritma yang sesuai, sehingga dapat memprediksi apa yang diinginkan pelanggan.
Khususnya pada teknologi analitik data seperti Big Data, pembelajaran mesin, dan kecerdasan buatan, dapat membantu bank dalam beberapa bidang utama, yaitu:
● Akuisisi Pelanggan – Sebuah Goldmine Analytics. Mendapatkan pelanggan baru adalah prioritas utama bagi bank; namun, semakin sulit karena perbankan telah menjadi bisnis komoditas. Bank perlu membedakan diri tidak hanya pada penawaran, tetapi juga dari sisi layanan. Cara utama untuk melakukan ini adalah melalui pendekatan pada pelanggan yang mengharuskan para bank untuk mengetahui siapa target pelanggannya lebih dari pesaingnya, sehingga dapat memberikan pengalaman pelanggan yang lebih unggul dan pada akhirnya mengarah pada peningkatan pendapatan.
Dalam hal ini, Analitik memainkan peran besar dalam menyelesaikan masalah tersebut melalui integrasi data dari saluran online dan offline untuk memberikan pandangan terpadu dari pelanggan. Ini memungkinkan, misalnya, call center diminta untuk mempelajari kesukaan, ketidaksukaan, sentimen dan pola perilaku pelanggan untuk menentukan yang paling sesuai bagi calon pelanggan, dan menawarkan layanan yang dapat dipersonalisasi.
● Keterlibatan Pelanggan – Jalan Menuju Profitabilitas. Dengan melihat lebih dalam lagi analisa data pelanggan, perbankan dapat menyempurnakan strategi produk lebih cepat dan dengan cepat meningkatkan produk untuk menjaga pelanggan tetap terlibat dan puas. Ketika tim manajemen produk menghabiskan banyak waktu mereka dalam mengelola proses pelaporan, daripada memahami bagaimana pelanggan berinteraksi dengan produk, hal ini akan memperhambat profitabilitas perusahaan. Dengan kemampuan yang cepat dapat mengkorelasikan perubahan dengan lalu lintas pengguna dan melakukan analisis kelompok pada peristiwa tertentu, tim ini dapat meningkatkan nilai dengan mempercepat model produk baru, dan mendorong pendapatan serta keterlibatan dari strategi penjualan-silang dan penjualan-lebih, ini merupakan perubahan yang drastis.
● Retensi Pelanggan – Mengurangi Berpindahnya Pelanggan dengan Analisis Perilaku. Analisis Big Data juga dapat membantu mengurangi perpindahan dan membantu mempertahankan pelanggan. Misalnya dengan melacak perilaku tertentu yang mengarah pada transfer atau penarikan rekening, selain itu juga perilaku terhadap kekhawatiran pelanggan terhadap suatu produk keuangan yang mereka sampaikan kepada petugas perbankan. Dengan menghubungkan data-data seperti ini, mereka dapat menentukan relevansi statistik dari setiap aktivitas atau kombinasi kegiatan yang menghasilkan penarikan atau transfer.
Dengan kumpulan data tersebut, bank kemudian dapat secara aktif mengidentifikasi dan melakukan pendekatan kepada pelanggan untuk mengatasi kekhawatiran atau kebutuhan mereka, atau menawarkan promosi yang relevan, berdasarkan pada wawasan yang didapat, sehingga perusahaan dapat secara signifikan meningkatkan persentase dana yang mereka dapat pertahankan dan tidak dipindahkan ke pesaing.
Cloud adalah Kunci Utama dalam Adopsi Big Data, Pembelajaran Mesin dan Kecerdasan Buatan
Untuk merealisasikan berbagai manfaat ini, banyak bank beralih ke pengintegrasian data di cloud untuk membantu menggerakkan analitik tingkat lanjut dan memperkirakan prediksi, memberi mereka kemampuan untuk fokus pada strategi yang mendorong pengembangan produk baru dan inisiatif pertumbuhan, daripada hanya membahas Teknologi Informasi.
Big data mining menjadi lebih efisien ketika data terintegrasi disimpan di cloud, dan memungkinkan bagian keuangan untuk bermitra dengan manajer lini bisnis lainnya untuk mengembangkan program pertumbuhan lainnya, seperti kampanye pemasaran yang dipersonalisasi dari segi konten dan layanan keuangan yang relevan dan dapat ditawarkan kepada pelanggan. Selain itu, dengan data yang dikumpulkan di cloud, kecerdasan buatan dan pembelajaran mesin dapat mengidentifikasi tren lebih cepat dan mendukung perkiraan prediksi.
Sementara ada beberapa bank menahan diri dari mengadopsi teknologi cloud karena belum jelasnya regulasi pemerintah dan keamanan pada data yang disimpan di cloud, ada solusi sementara tersedia sebagai adopsi cloud yang dapat menjadi norma industri. Misalnya, Cloud at Customer, suatu pendekatan cloud pertama yang diadakan oleh Oracle, yaitu menyediakan semua manfaat dari cloud pribadi, sementara pada saat yang sama ditempatkan di belakang firewall bank itu sendiri.
Terbukti bahwa Big Data, pembelajaran mesin dan kecerdasan buatan ada di sini untuk bertahan, dan industri perbankan adalah pengguna awal. Tren ini diharapkan menyebar secara eksponensial di masa depan. Namun, penting bagi perbankan untuk menetapkan visi dan strategi yang jelas, dan merangkul tren ini untuk menjadi pemenang di masa depan. (*)
