Page tree

Bagikan:  


Sering dengar tentang Data Science? Ayo lihat bagaimana penggunaannya di Home Credit! 

Penasaran nggak sih mengapa sebagian besar iklan yang muncul di media sosial kita relevan dengan minat kita? Atau, pernah nggak kamu memerhatikan bahwa sebagian besar film yang disarankan oleh layanan streaming favorit kita klop banget sama kita?

Saat menjelajahi dunia internet, kamu secara bersamaan berbagi data seperti lokasi, usia — dan mungkin, riwayat penjelajahan internet kamu, dan banyak lainnya. Perusahaan yang memasang iklan akan mengumpulkan data ini, mereferensikan silang satu sama lain, dan kemudian memberikan kesimpulan tentang serangkaian iklan yang paling sesuai dengan minat kamu.

Yang membuatnya keren adalah semua keputusan ini dibuat secara otomatis oleh komputer yang menjalankan model yang telah ditentukan sebelumnya. Bagaimana tuh caranya? Di sinilah masuknya Data Science. Apa sih sebenarnya Data ScienceKirill Odintsov (Head of Data Science) akan berbagi pengetahuan dia di sini. Yuk baca Kirill's Log tentang Data Science berikut ini.

"Data Science bukan tentang mengetahui metode atau algoritma. Namun, tentang membentuk hipotesis, menemukan data untuk menguji hipotesis ini, dan mencapai pemahaman yang cukup baik tentang masalah tersebut untuk membuat langkah-langkah penindaklanjutan yang tepat.  

Data Science bukanlah hal baru. Di masa lalu, ilmuwan data hanya disebut ahli statistik atau analis. Mereka biasanya menggunakan komputer jadul untuk membuat model yang banyak di antaranya masih digunakan hingga saat ini. Satu-satunya perbedaan adalah meskipun mungkin perlu waktu yang cukup lama untuk menghitung model sekitar 20 tahun yang lalu, para ilmuwan data sekarang merasa lebih dimudahkan dengan rilis komputer super canggih terbaru saat ini.

Analis dan pengusaha harus seperti pilot di kokpit. Menetapkan tujuan dan tujuan itu adalah tanggung jawab mereka. Kemudian mereka perlu mengamati keputusan mesin dan turun tangan saat mesin membuat keputusan yang salah. Ketika situasi memerlukan, merekalah yang menangani tugas-tugas yang lebih inovatif dan kreatif.

Di Home Credit, kami memanfaatkan Data Science untuk membantu perusahaan mencapai berbagai targetnya. Sebagai perusahaan pembiayaan, kami menangani banyak transaksi uang. Hal ini mengharuskan kami untuk memahami pola pengiriman uang untuk mencegah kerugian yang tidak perlu. Jadi, salah satu kegunaan yang kami miliki untuk Data Science adalah untuk mendeteksi penipuan transaksional, di mana pelanggan seolah-olah melakukan transaksi padahal kenyataannya tidak.

Sistem manajemen hubungan pelanggan (CRM) kami juga menggunakan dukungan dari Data Science. Karena sistem ini dirancang untuk membantu pelanggan, mesin CRM kami memberikan informasi yang relevan kepada pelanggan berdasarkan berbagai indikator yang telah ditentukan sebelumnya, seperti usia, jenis kelamin, atau lokasi.

Dari sana, kami dapat memahami kebutuhan pelanggan kami dan menawarkan solusi yang terbaik dan relevan kepada mereka. Ilmu data jauh melampaui sebatas penempatan dari iklan produk. Data tersebut memberikan pemahaman menyeluruh tentang perilaku pelanggan kami, seperti kapan waktu terbaik untuk menelepon mereka dengan penawaran atau platform media sosial mana yang terbaik untuk menyampaikan pesan dengan solusi terbaik yang relevan.

Penggunaan Data Science lainnya dalam Home Credit adalah untuk segmentasi pelanggan. Dengan menyegmentasikan pelanggan kami menggunakan ilmu data (khususnya Machine Learning), kami dapat memprediksi keinginan pelanggan di masa depan untuk mengambil layanan pembiayaan dan perilaku pembayaran buruk pelanggan di masa mendatang. Untuk lebih memanfaatkan analitik prediktif dan segmentasi pelanggan, saat ini kami sedang membangun model Machine Learning untuk memprediksi kemungkinan pelanggan menggunakan layanan kami.

Pengguna utama data scientist di Home Credit adalah tim Manajemen Risiko ketika mereka menilai pemohon pinjaman, yaitu latar belakang dan kemampuan mereka untuk membayar kembali cicilan.

Tim Data Science kami beroperasi antar-fungsi. Hal ini membantu kami memanfaatkan pengetahuan dari satu fungsi ke fungsi lainnya dan membuat keputusan berdasarkan data yang dikumpulkan dari berbagai area. Kami juga ditempatkan langsung di bawah CEO kami dan hal ini memberi kami kesempatan untuk berinovasi bahkan dalam proses yang sangat kaku. Untuk memastikan pengiriman yang konstan, MVO, dan transparansi kepada pengguna kami, kami menerapkan metodologi Agile / Kanban sebagai cara kami bekerja. Kami juga memastikan untuk menggunakan data dan wawasan dari setiap sumber yang tersedia, ini pastinya termasuk komunitas internasional kami. Dengan melakukan itu, kami memiliki kesempatan untuk belajar dari orang lain dan tidak selalu harus memulai dari nol.

Karena perusahaan seperti kami menggunakan model Data Science sebagai alat analisis utama untuk hampir semua jenis keputusan, data scientist sangat diminati. Jadi, apakah pemodelan dan pemrosesan data bertenaga #AI ini menarik minat-mu?

Jika ya, saya sarankan kamu setidaknya melakukan dua hal untuk memulai. Pertama, pelajari lagi pelajaran statistik-mu. Jika kamu tidak bekerja di bidang ini, kemungkinan pengetahuan statistik kamu mungkin sedikit berkarat atau hilang sama sekali. Kamu perlu mengasahnya kembali.

Saran kedua saya adalah belajar bahasa pemrograman Python atau R. Ini adalah dua bahasa dasar yang penting untuk memulai perjalanan-mu di dunia Data Science. Ini adalah saran cepat saya jika kamu tertarik menjadi ilmuwan data. Kuasai keduanya, maka ada peluang bagi kamu untuk membantu perusahaan memaksimalkan potensi bisnisnya."

Ternyata Data Science lebih menarik dari yang kita kira, ya? Punya pertanyaan? Kontak saja Kirill Odintsov di sini!




Kirill Odintsov
Head of Data Science
Yuk terhubung dengan Kirill di sini!