Artikel kali ini sengaja saya buat dalam Bahasa Indonesia agar topik yang sedikit agak rumit ini dapat dimengerti oleh sebagian besar rekan-rekan di Indonesia.
Dalam sebulan terakhir, sudah dua orang yaitu CEO dan CFO dari perusahaan Indonesia yang memiliki pangsa pasar signifikan dalam industrinya masing-masing mengatakan bahwa saya adalah ahli nujum alias peramal. Mereka mengacu pada prediksi yang saya sampaikan setahun lalu mengenai kondisi industri perbankan Indonesia yang akan terjadi dalam 12 bulan dan ternyata memang benar terjadi. Tentu tidak bisa dikatakan prediksi yang diberikan 100% benar melainkan kata “mendekati” lebih sesuai digunakan.
Sesungguhnya banyak tindakan dan antisipasi yang bisa dilakukan secara proaktif pada saat prediksi dibuat, dan bukan setelah kejadian berlangsung.
Benar, saya adalah peramal. Tapi saya tidak menggunakan bola kristal yang harus saya usap-usap degan lembut untuk menghasilkan sebuah prediksi. Saya menggunakan data masa lalu dan terkini dengan pendekatan ilmiah (scientific approach) untuk melakukan prediksi masa depan. Namun harus saya akui bahwa pendekatan ini lebih tepat untuk digunakan untuk isu mikro dengan variabel yang bisa dikendalikan oleh manajemen perusahaan.
Selama 17 tahun menjadi banker senior dari salah satu bank asing terbesar di Indonesia, saya merasa sangat beruntung diberi kesempatan untuk menjadi Decision Management Director (Direktur Manajemen Keputusan) selama tiga tahun terakhir sebelum akhirnya saya memutuskan untuk membangun mimpi menjadi konsultan business engineer agar dapat membawa manfaat yang lebih luas lagi.
Pada saat itu, saya dan tim diberi wewenang untuk mengolah jutaan data menjadi sebuah analisa untuk kemudian dijadikan sebuah rekomendasi bagi komite manajemen dengan tujuan akhir meningkatkan kinerja finansial. Salah satu metode yang digunakan adalah Predictive Analytics, yaitu kemampuan membuat analisa untuk memprediksi apa yang yang akan terjadi.
Metode Predictive Analytics ini tidak hanya berlaku untuk bank, asuransi, sekuritas dan institusi keuangan lainnya yang memiliki Big Data, tapi juga untuk jenis industri lainnya seperti manufaktur dan bahkan perilaku manusia.
Pada dasarnya tujuan dari Predictive Analytics adalah:
Membuat kesimpulan yang akurat terhadap apa yang terjadi di masa lalu dan masa sekarang.
Menggunakan kesimpulan tersebut untuk membuat prediksi apa yang akan terjadi di masa datang agar manajemen dapat mengantisipasi dengan cepat untuk menghindari kerugian dan yang lebih penting lagi adalah membuat keputusan untuk melakukan berbagai inisiatif meningkatkan pendapatan secara proaktif, bukan secara reaktif yang umumnya dilakukan setelah perusahaan mengalami penurunan keuntungan.
Perusahaan akan terhindar dari biaya yang besar akibat penawaran generik bagi seluruh kastemer dengan metode “tebak-tebak buah manggis” dengan potensi peningkatan keuntungan yang tidak signifikan.
Beberapa contoh penggunaan Predictive Analytics ini adalah:
Bank, Asuransi dan Institusi Keuangan:
Bagaimana melakukan pemilihan kastemer terbaik untuk dihubungi oleh agen penjualan atau relationship manager untuk diberikan penawaran yang terbaik.
Setelah itu, bagaimana perusahaan dapat memberikan harga optimal (pricing optimization) dengan respon yang tertinggi serta keuntungan yang maksimal.
Industri Manufaktur:
Bagaimana bagian pengadaan (procurement) dapat melakukan prediksi pemakaian dan pembelian suku cadang atau bahan baku di saat yang tepat, jumlah yang tepat dan harga yang tepat untuk mengoptimalkan penggunaan persediaan (inventory utilization). Seperti kita ketahui, managemen persediaan (inventory management) di sebagian besar perusahaan di Indonesia tidak dilengkapi dengan kemampuan menganalisa yang benar sehingga kebocoran persediaan hingga 40% adalah hal yang lumrah.
Prediksi yang dilakukan bukan hanya untuk 1 atau 2 bulan ke depan, namun hingga 12 bulan ke depan. Dari beberapa analisa yang dilakukan Red & White Consulting Partners LLP di beberapa klien manufaktur, kejadian tidak terduga di masa depan sangat mungkin diantisipasi dengan mempelajari pola seluruh kejadian yang lampau dengan metode time series forecasting. Tingkat akurasi dari analisa ini mencapai 80%.
Ada dua tipe kompetensi yang harus dimiliki seorang analis untuk membuat Predictive Analytics:
Kemampuan membuat correlation analysis dan causation analysis agar dapat memberikan kesimpulan yang tepat apa yang telah terjadi di masa lampau, sedang terjadi dengan semua alasan-alasan yang dapat menjelaskan seluruh kejadian tersebut.
Kemampuan membuat multiple linear regression, logistic regression, decision tree, dan time series forecasting yang merupakan metodologi Predictive Analytics agar dapat membuat prediksi apa yang akan terjadi di masa datang, apa yang harus dilakukan dan seberapa besar manfaatnya (cost-benefit analysis).
Dengan penjelasan tersebut di atas, akhirnya Red & White Consulting Partners memutuskan untuk menjadikan Predictive Analytics menjadi salah satu topik the Power to Solve yang dibuka untuk umum pada pertengahan Oktober 2015. Tanpa diduga ternyata respon yang diterima sangat baik!
Dengan mengkombinasikan teori dasar, diskusi, simulasi dengan kasus-kasus nyata dan tempat yang akan dipilih adalah sebuah kafe yang chic & cozy, diharapkan para peserta dapat dengan mudah mencerna dan melakukan implementasi dari workshop ini.
Untuk keterangan lebih lanjut dan reservasi workshop, silakan klik disini.