Mengorek Gerak-gerik Calon Nasabah Bank dengan Big Data

Oleh: Ahmad Zaenudin - 17 Mei 2018
Dibaca Normal 2 menit
Big data bisa menjadi sumber informasi valid memastikan calon nasabah pekerja informal yang awalnya tak bankabel bisa jadi layak untuk dibiayai perbankan.
tirto.id - Raut muka Edi, 35 tahun, nampak cerah. Pengemudi ojek online ini duduk di parkiran gedung kantor pusat Bank BTN, Jakarta, Selasa (15/5). Ia sedang melakukan video call dengan keluarganya.

Kamera ponsel Edi diarahkan ke sebuah lembar brosur penjualan rumah yang ditawarkan Bank BTN. Driver ojek online seperti Edi memang butuh hunian yang mau tak mau harus diperoleh dengan cara mencicil atau KPR.

“Kalau mengontrak, duitnya menguap. Ini kan kalau bayar (mencicil), nanti ada unit rumahnya,” kata warga Mekarsari, Cileungsi, Bogor ini kepada Tirto.

Edi hanya satu dari sekian banyak driver yang menghadiri acara kerja sama Grab Indonesia dan PT Bank Tabungan Negara resmi merilis program berjudul “Grab Rumah BTN.” Program kredit pemilikan rumah (KPR) bagi mitra Grab: Grab Bike, Grab Car, Grab Food yang dianggap layak mendapat kucuran kredit rumah. KPR bagi mitra Grab bisa dinikmati dengan menyisihkan uang senilai Rp40 ribuan per hari atau sekitar Rp1,2 juta per bulan.



Mitra Grab yang mengajukan harus membayar Rp42 ribu per hari selama 18 tahun. Baik biaya sebelum akad maupun biaya cicilan setelah akad, dilakukan dengan pemotongan “wallet driver” yang dimiliki para mitra Grab. Grab menggunakan pendekatan big data untuk mencari mitra mereka yang layak mendapatkan fasilitas KPR.

Memakai Big Data


Utkarsh Srivastava dalam papernya berjudul “Impact of Big Data Analytics on Banking Sector” mengatakan dalam dunia keuangan, big data merupakan alat yang memungkinkan industri keuangan membuat, memanipulasi, dan mengelola set data yang sangat besar untuk mendukung berbagai keperluan.

Di dunia perbankan, big data bisa dimanfaatkan untuk kepentingan analisa dari berbagai informasi tentang calon nasabah. Salah satu manfaat yang cukup signifikan dari big data untuk dunia perbankan ialah “360-degree customer view.”


Istilah 360-degree customer view merupakan ide tentang perusahaan yang dapat memperoleh profil lengkap pelanggannya yang didapatkan dari menggabungkan data dari berbagai sumber. Ini berguna untuk menentukan apakah pelanggan sesuai dengan kriteria yang ditentukan.

Dalam publikasi yang berjudul “Big Data in Banking for Marketers: How to Derive Value from Big Data” yang dirilis Evry, firma analisis perbankan yang berkantor pusat di Norwegia, mengatakan bahwa salah satu contoh pemanfaatan 360-degree customer view dilakukan oleh T-Mobile, provider telekomunikasi di Amerika Serikat.

T-Mobile menganalisis pelanggannya dengan mengukur waktu telepon yang dilakukan, penggunaan data internet, kapan waktu favorit melakukan aktivitas untuk komunikasi, hingga menghitung jumlah pesan yang dikirim. Misalnya, jika pelanggannya lebih sering berkomunikasi dengan teman atau saudara yang menggunakan provider lain, T-Mobile berkesimpulan bahwa pelanggannya tersebut sangat mungkin pindah.

Dari analisis ini, T-Mobile memberikan penawaran-penawaran khusus untuk menghentikan kemungkinan pelanggannya pindah. Menurut publikasi tersebut, churn rate—tingkat persentase jumlah pelanggan yang tak lagi memakai nomor ponsel yang sudah dibeliT-Mobile turun hingga 50 persen.

Pendekatan semacam ini juga dipakai oleh Grab Indonesia dan Bank BTN memanfaatkan keunggulan big data. Bagi Grab, cara ini untuk menyeleksi mitra yang sesuai dengan syarat-syarat kredit rumah Bank BTN.


“Keterlibatan pihak swasta (Grab Indonesia) yang menyediakan wadah bagi para pekerja informal. Membantu pihak perbankan untuk dapat mengkaji status unbankable mereka menjadi bankable,” kata Maryono, Direktur Utama Bank BTN.

Beberapa syarat yang dipatok untuk dapat mengkredit rumah dari program yang ditawarkan ialah: telah menjadi driver lebih dari setahun, berpendapatan lebih dari Rp3 juta tapi kurang dari Rp4 juta sebulan, aktif menjadi driver selama 20 hari tiap bulan.

Data-data tersebut, dapat dengan mudah Grab peroleh dari para mitranya. Berapa kali pengemudi Grab bekerja, memperoleh order penumpang, jarak tempuh, dan terutama penghasilan pengemudi, ada di tangan Grab. Ini terjadi karena para mitra Grab bekerja di bawah aplikasi Grab.

Infografik Grab x Bank BTN


Big Data Menjawab Masalah


Apa yang dilakukan Grab menyeleksi para mitranya yang memenuhi syarat mengkredit rumah merupakan contoh kecil bagaimana biga data Grab bisa memunculkan berbagai informasi profil seseorang. Pola semacam ini sudah lebih maju diterapkan di Cina.

Mengutip pemberitaan Wired, pada 14 Juni 2014 lalu, Pemerintah Cina mempublikasikan dokumen berjudul “Planning Outline for the Construction of a Social Credit System.” Dokumen tersebut menguraikan bagaimana pemerintah Negeri Tirai Bambu tersebut ingin memberikan rating bagi tiap warganya. Rating tersebut dihasilkan dari algoritma bernama Social Credit System yang diciptakan pemerintah. Ini berguna menentukan apakah warganya itu baik atau buruk.

Rating diperoleh dari berbagai sumber data secara offline maupun online. Sebagai tahap percobaan, ada beberapa perusahaan dari Cina yang memperoleh akses pada algoritma tersebut. China Rapid Finance, yang bermitra dengan Tencent sebagai perusahaan aplikasi WeChat, juga Sesame Credit yang bermitra dengan Ant Financial Services Group (Alibaba) adalah contohnya.


Alasan mengapa China Rapid Finance dan Sesame Credit berkolaborasi dengan WeChat dan Alipay tak lain karena kedua aplikasi tersebut mampu menangkap perilaku para penggunanya dengan lebih lengkap. WeChat misalnya. Selain aplikasi pesan, ia juga merupakan dompet digital. Pada siapa pengguna berbincang, di mana saja pengguna berbelanja, dan kemana ia pergi, bisa ditangkap informasinya oleh WeChat. Ini lalu bisa dikonversi jadi rating pengguna. Aktivitas yang terekam ini bisa menjadi dasar untuk menganalisa apakah calon nasabah bisa mendapatkan kucuran dana pinjaman atau sebaliknya.

“Program Pemerintah Cina ini sangat ambisius karena dilakukan dalam lingkup yang dalam, misalnya termasuk meneliti buku apa yang dibaca orang. Apa yang dilakukan bagaikan melacak perilaku konsumen Amazon dengan sentuhan politik Orwellian,” sebut Johan Lagerkvist, pakar internet Cina dari Swedish Institute of International Affairs.

Penggunaan big data menjadi cara yang paling tajam untuk mendapatkan dan menganalisa perilaku para individu termasuk para calon nasabah perbankan. Setiap gerak-gerik individu dapat terekam dan tak ada ruang untuk bagi calon nasabah memanipulasi data tentang dirinya.

Baca juga artikel terkait PERBANKAN atau tulisan menarik lainnya Ahmad Zaenudin
(tirto.id - Teknologi)


Penulis: Ahmad Zaenudin
Editor: Suhendra
a