Friday, November 3, 2017

Demi Optimalkan Layanan Kredit, Bank Mandiri Alokasikan Rp 136 Miliar untuk Berdayakan Big Data

Adopsi teknologi Big Data di Indonesia kini sudah bukan sekedar wacana di tingkat penelitian dan prototyping saja, tetapi sudah sampai pada tahap implementasi secara nyata, baik di dunia bisnis maupun di lingkungan institusi pemerintahan. Terlebih lagi, pemberdayaan teknologi yang masih tergolong baru ini, khususnya di Indonesia, sudah menunjukkan hasil yang nyata pula. Sebut saja Go-Jek, sebuah produk bisnis inovatif yang telah sukses merealisasikan berbagai jenis layanan dalam satu aplikasi. Hal ini dimungkinkan berkat keberhasilan Go-Jek membangun back-end Big Data yang solid dan komprehensif. Kemudian, di kalangan instansi pemerintahan, Ditjen Pajak juga sudah menggelontorkan dana triliunan rupiah demi optimalkan penerimaan pajak melalui pemberdayaan Big Data. Demikian juga dengan Bank Indonesia, telah mengadopsi teknologi Big Data sejak tahun 2014 silam yang diberdayakan dalam perumusan kebijakan.

Bank Mandiri Sadar Potensi Big Data

Menyadari potensi Big Data yang begitu signifikan dalam peningkatan mutu layanan nasabah dalam berbagai produk perbankan, Bank Mandiri pun, sebagai bank dengan aset terbesar di Indonesia, tidak mau ketinggalan dalam pemanfaatan Big Data. Diberitakan bahwa pada tahun ini saja, Bank Mandiri telah mengalokasikan dana sebesar 10 miliar dolar AS atau sekitar 136 miliar Rupiah untuk diinvestasikan dalam infrastruktur Big Data. Berkaitan dengan hal ini, secara teknologi, Bank Mandiri dikatakan sedang dalam proses mengadopsi platform Big Data dari Cloudera yang diharapkan akan sudah dapat diberdayakan dalam 2 atau 3 tahun mendatang.

Big Data untuk Mengenal Perilaku Nasabah

Oleh Bank Mandiri, teknologi Big Data ini akan dimanfaatkan untuk mengumpulkan dan menganalisa data-data nasabah berupa kebiasaan maupun gaya dalam membelanjakan uangnya, juga tentang bagaimana para nasabah tersebut melakukan transaksi hariannya. Hasil dari pengolahan data - data tersebut akan dimanfaatkan untuk menentukan creditworthiness atau kelayakan kredit dari setiap nasabah atau untuk menentukan ketertarikan nasabah tersebut terhadap suatu produk kredit tertentu. Jadi, penentuan kelayakan kredit bukan lagi didasarkan pada data statis saja seperti gaji bulanan nasabah, melainkan akan ditentukan berdasarkan pada data-data dinamis seperti data-data yang berkaitan dengan perilaku dan kebiasaan nasabah dalam membelanjakan uangnya. Kemudian, Bank Mandiri juga akan memanfaatkan hasil analisa Big Data tersebut untuk menentukan cara penyaluran kredit dan bagaimana penanggulangan resikonya.

Selain untuk mengoptimalkan layanan kredit, dengan adopsi teknologi Big Data, Bank Mandiri juga berniat untuk membidik kesempatan bisnis baru dengan para partner bisinisnya saat ini, seperti Lazada, Zalora and Tokopedia, yang merupakan pemain e-commerce yang sedang berkembang di Indonesia, juga dengan Go-Jek, aplikasi penyedia layanan transportasi online yang telah berkembang menjadi aplikasi multiservice. Dalam hal ini, seiring dengan industri e-commerce Indonesia yang terus tumbuh, dari para partnernya Bank Mandiri berharap bisa mendapatkan data-data pelanggan yang berkaitan dengan kebiasaan belanja khususnya dalam transaksi online. Kemudian, sebagai imbal baliknya, Bank Mandiri dapat membantu memasarkan produk dan layanan para parnernya tersebut kepada sekitar 20 juta nasabahnya.

Kesimpulan

Dari pembahasan diatas, dapat ditarik kesimpulan bahwa Bank Mandiri telah mampu melihat potensi besar dalam pemberdayaan teknologi Big Data sehingga berani berinverstasi dengan nilai yang tidak main-main guna mengadopsi teknologi tersebut. Oleh Bank Mandiri, adopsi platform Big Data ini ditujukan untuk mengoptimalkan kinerja produk-produk kreditnya, serta untuk membidik kesempatan bisnis baru dengan para partnernya yang merupakan pemain-pemain potensial dalam bisnis e-commerce maupun bisnis transportasi online yang sedang tumbuh subur di Indonesia. Pertanyaannya, apakah ini akan diikuti oleh bank bank lain di Indonesia?


Referensi:





Friday, August 11, 2017

Aplikasi Smartphone Berbasis Web Crawler dan NoSQL: Contoh Sederhana Implementasi Pemberdayaan Big Data

Big Data hanya akan berupa kumpulan data mentah yang tak berarti apa-apa jika tidak diberdayakan. Namun demikian, pemberdayaan Big Data bukanlah perkara mudah, butuh investasi infrastruktur, sumber daya manusia, serentetan software, dan waktu yang tidak sedikit. Konsekuensinya, implementasi Big Data jadi terkesan jauh dari jangkauan individu maupun organisasi yang tak memiliki sumber daya berlimpah. Oleh karena itu, pada kesempatan ini, akan disajikan contoh sederhana pemberdayaan Big Data yang dapat diimplementasikan dengan kebutuhan sumber daya yang relatif kecil baik itu yang menyangkut infrastruktur maupun software.

Berbicara tentang penyediaan infrastruktur dan software, paling tidak ada 4 hal yg harus dipertimbangkan, yakni: data collection, data storage, data analysis, data visualization (output). Hasil (output) yang ingin dicapai adalah hal pertama yang mesti ditentukan karena ini lah yang menjadi tujuan dari pemberdayaan Big Data itu sendiri. Pada contoh kali ini, tujuan dari pemberdayaan Big Data adalah untuk mendapatkan informasi produk-produk yang sedang dijual dengan harga diskon/promo dari peritel-peritel nasional seperti Alfamart, Carrefour, Giant, Guardian, Hari Hari, Hypermart, Indomaret, Lottemart, Superindo, Tip Top, Watsons, dan Yogya. Informasi tersebut akan ditampilkan berdasarkan kategori produk, nama peritel, dan area berlakunya harga promo tersebut. Selain itu, juga dimuat masa berlaku dari tiap promo tersebut.

Setelah tujuan ditentukan, kita telah siap untuk membangun infrastruktur maupun software yang dibutuhkan dengan mempertimbangkan 4 hal tadi (Data Collection, Data Storage, Data Analytics, dan Data Visualization).


Data Collection

Data collection menyangkut data apa yg perlu dikumpulkan untuk mencapai tujuan pemberdayaan Big Data yang telah ditentukan. Pada contoh kali ini, sumber data yang digunakan adalah web pages. Oleh karena itu, kita akan membangun web crawler untuk mengumpulkan data-data produk promo dari peritel-peritel nasional yang telah disebutkan. Ada banyak crawler yang bisa digunakan untuk tujuan ini, seperti Apache Nutch, Scrapy dan sebagainya.


Data Storage

Data Storage berkaitan dengan penyimpanan data-data yang telah didapatkan pada Data Collection. Pada contoh ini, data hasil crawling akan disimpan dalam database NoSQL, seperti MongoDB, HBase dan sebagainya.


Data Analytics

Data Analytics adalah metode-metode yang akan ditempuh untuk memproses data-data yang telah disimpan pada Data Storage untuk mendapatkan suatu hasil/output yang diinginkan. Big Data analytics bisa menggunakan platform dari Cloudera, Hortonworks, IBM, AWS maupun dengan platform yang dikembangkan sendiri. Pada contoh sederhana kali ini, sebagai data analytics, hanya digunakan program sederhana yang dikembangkan sendiri untuk memproses data-data hasil crawling menjadi informasi yang diinginkan (sesuai tujuan pemberdayaan Big Data yang telah ditentukan sebelumnya).


Data Visualization

Data Visualization menyangkut bagaimana informasi hasil analytics akan dipresentasikan kepada pengguna hingga mudah dimengerti/dicerna. Pengguna dalam hal ini bisa customer, user, maupun decision maker. Big Data visualization bisa menggunakan tools seperti Google Chart, Tableu, atau bisa didesain sendiri sesuai kebutuhan. Pada contoh sederhana kali ini, informasi hasil analytics yang berupa produk-produk promo yang sudah dikelompokkan berdasarkan jenis produk, nama peritel yang menjual, dan area berlakunya promo, akan divisualkan dalam bentuk mobile application untuk platform iOS maupun Android. Dengan demikian informasi hasil analytics tersebut dapat menjangkau jutaan pengguna smartphone. Namun demikian, agar informasi yang ditampilkan dapat di-update setiap saat, maka diperlukan server database yang dapat diakses oleh aplikasi mobile yang diinstal di tiap smartphone pengguna. Dalam hal ini, kita dapat menggunakan cloud database seperti Google Firebase ataupun Microsoft Azure. Berikut adalah tampilan aplikasi mobile yang menyuguhkan informasi hasil analisa. Aplikasi ini diberi nama InfoPromo, dapat di-download langsung dari iPhone App Store maupun Android Play Store.





Demikian, sebuah contoh sederhana implementasi pemberdayaan Big Data dengan memanfaatkan data-data yang tersedia di Internet. Contoh ini diharapkan dapat memberikan gambaran nyata tentang bagaimana Big Data itu diberdayakan. Untuk contoh yang lebih kompleks, akan dibahas pada artikel-artikel berikutnya.

Thursday, January 5, 2017

Dengan 1,5 Triliun Rupiah, Ditjen Pajak Wujudkan Implementasi Teknologi Big Data Guna Amankan Pajak

Mengikuti Sukses Implementasi Teknologi Big Data

Pemberitaan tentang suksesnya implementasi teknologi Big Data di negara-negara maju oleh perusahaan-perusahaan web service seperti halnya Google, Facebook, Amazon, maupun Yahoo!, mungkin sudah cukup sering kita simak. Bukan hanya oleh sektor swasta, di Amerika Serikat teknologi Big Data juga telah sukses diterapkan oleh institusi-institusi pemerintah. Sebagai salah satu contohnya, sebut saja NOAA (National Oceanic and Atmospheric Administration) yang mengelola 30 petabytes data baru pertahunnya. Data-data tersebut berasal satelit, kapal laut, pesawat terbang, buoy, dan sensor-sensor lainnya, yang kemudian diberdayakan untuk menyediakan layanan cuaca nasional (National Weather Service). Layanan cuaca ini menyediakan informasi seputar peringatan cuaca buruk maupun petunjuk cuaca untuk sektor publik dan swasta, termasuk Departemen Pertahanan Amerika Serikat dan NASA. Dalam hal ini, Indonesia tidak mau ketinggalan, dalam beberapa tahun terakhir, gencar diberitakan bahwa Direktorat Jenderal Pajak (Ditjen Pajak) sedang giat-giatnya membangun infrastruktur untuk mengimplementasikan teknologi Big Data guna mengamankan penerimaan pajak. Demi mencapai tujuan itu, Ditjen Pajak mendapat dukungan anggaran hingga 1,5 triliun Rupiah dari pemerintah.

Potensi Big Data bagi Penerimaan Pajak

Potensi apa yang dibidik oleh Ditjen Pajak dari implementasi teknologi Big Data? Dikatakan bahwa penerapan analisa Big Data dalam konteks penerimaan pajak memiliki banyak potensi, diantaranya: memperkaya profil wajib pajak, melihat relasi antar wajib pajak, dan mengidentifikasi resiko ketidakpatuhan setiap wajib pajak. Profil wajib pajak dapat diperkaya dengan informasi tentang perilaku dan kebiasaan hidup wajib pajak tersebut, yang nantinya dapat diberdayakan untuk mengungkap harta maupun penghasilan yang disembunyikan. Sedangkan, relasi antar wajib pajak dapat digunakan untuk mendeteksi grup-grup wajib pajak yang saling berhubungan, khususnya dalam urusan finansial, sehingga dapat mengetahui transaksi-transaksi finansial yang terjadi diantara mereka. Hal ini dapat dimanfaatkan untuk membaca pola-pola penipuan ataupun penghindaran pajak yang mungkin disembunyikan. Kemudian, dengan mengidentifikasi resiko ketidakpatuhan setiap wajib pajak, pengawasan dapat difokuskan pada wajib pajak - wajib pajak dengan resiko ketidakpatuhan yang tinggi. Pada intinya, pemberdayaan Big Data dengan implementasi teknologi Big Data yang tepat, mengandung potensi yang besar dalam memerangi penghindaran maupun penipuan pajak.

Untuk merealisasikan implementasi teknologi Big Data dalam rangka mengamankan penerimaan pajak, Ditjen Pajak sudah melaksanakan tender dan membangun infrastruktur Big Data yang canggih berupa: (1) cluster Hadoop untuk data integration dengan 504 core, 3,5 terabytes RAM, dan memiliki kapasitas penyimpanan sebesar 100 terabytes, (2) cluster Hadoop (data platform) dengan 408 core, 4,2 terabytes RAM, dan berkapasitas penyimpanan 465 terabytes, (3) cluster Enterprise Data Warehouse dengan 112 core, 2 terabytes RAM, dan media penyimpanan sebesar 235 terabytes.

Darimana Ditjen Pajak Menghimpun Data?

Lalu, dari mana sumber Big Data yang dapat diberdayakan oleh Ditjen Pajak? Data yang sifatnya terbuka untuk konsumsi publik atau yang dikenal juga dengan istilah Open Source Intelijen (OSIN) sudah tersedia secara berlimpah di dunia maya Internet yang dapat dimanfaatkan oleh siapa saja termasuk Ditjen Pajak tentunya. Lebih dari itu, Ditjen Pajak dikatakan juga telah memiliki data dari pihak ketiga yang diperoleh lewat kerja sama pertukaran data yang berupa informasi kepemilikan saham, penanaman modal, impor-ekspor, pemenang lelang, kepemilikan sekuritas, dan kepemilikan kendaraan mewah (PMK 16/2013, PMK 79/2013, PMK 95/2013, PMK 132/2013, PMK 191/2014). Kemudian, Ditjen Pajak juga telah mewajibkan 23 bank/lembaga penyelenggara kartu kredit untuk memberikan rincian jenis data dan informasi perpajakan mulai tanggal 31 Mei 2016 berdasarkan Peraturan Menteri Keuangan (Permenkeu) No. 39/PMK.03/2016 tentang Perubahan atas Permenkeu No. 16/PMK.03/2013 tentang Rincian Jenis Data dan Informasi Serta Tata Cara Penyampaian Data dan Informasi yang Berkaitan dengan Perpajakan. Menurut lampiran PMK No. 39/PMK.03/2016 tanggal 22 Maret 2016, sebanyak 66 instansi/lembaga pemerintahan telah diwajibkan untuk memberikan data dan informasi perpajakan kepada Ditjen Pajak, termasuk diantaranya adalah BPJS, seluruh Pemda, Kemdagri, BPN, Kementerian Perhubungan, Bank Indonesia (BI), Badan Koordinasi Penanaman Modal (BKPM), dan Kementrian Keuangan.

Demikianlah, Ditjen Pajak telah mengambil langkah nyata dalam penerapan teknologi Big Data mengikuti jalan yang telah sukses ditempuh oleh institusi-institusi maupun perusahaan-perusahaan ternama di negara-negara maju. Tindakan ini telah mendapat dukungan pendanaan yang relatif besar yang diharapkan dapat memberantas kegiatan-kegiatan penghindaran maupun penipuan pajak, sehingga penerimaan pajak negara dapat diamankan.