Published On: Mon, Jan 19th, 2015

Memecahkan Teka-Teki Profitabilitas Bank

Share This
Tags

shridarSekitar 80% nasabah dari bank-bank ritel besar gagal menghasilkan keuntungan bagi bank tersebut, menurut sebuah perusahaan riset Gallup. “Sebelum krisis keuangan terjadi kondisi seperti ini masih bisa ditolerir oleh bank, karena profit dari 20% nasabah; yang menghasilkan keuntungan bagi bank; dapat menutupi sisa kekurangannya,” mengutip laporan dari Gallup. Namun zaman sudah berubah, semakin ketat regulasi dari pemerintah dan margin yang dihasilkan membuat lembaga keuangan akan kesulitan jika mempertahankan praktek tersebut, dan juga memaksa mereka untuk fokus memecahkan teka-teki “berbahaya” ini guna mampu mencapai tingkat profitabilitas yang belum bisa dicapai sebelumnya.

-Ditulis oleh Shridar Jayakumar, Program Director, Oracle Business Analytics, AP-

Institusi perbankan berusaha memahami nilai yang bisa dihasilkan dari setiap nasabah, dengan berusaha keras mendapatkan pemahaman tunggal dari berbagai ragam jenis hubungan mereka dengan setiap nasabah. Bank mengukur nilai terkini dari hubungan mereka dengan nasabah, demi memahami tingkat profitabilitas yang bisa dihasilkan dari nasabah-nasabah mereka, dan yang paling penting adalah memahami bagaimana mengoptimalkan potensinya.

Untuk mendapatkan gambaran yang lebih jelas dan menyeluruh mengenai profitabilitas nasabah, sebaiknya bank tidak melihat hubungan mereka dengan nasabah hanya sebatas nilai uang yang bisa dihasilkan. Bank perlu juga memahami biaya yang dibutuhkan untuk memperoleh dan mempertahankan nasabah, risiko apa saja yang terkait, serta potensi siklus hidup dari satu nasabah. Inilah tantangan utama sesungguhnya yang dihadapi oleh banyak bank untuk mencari pengetahuan yang lebih luas tentang nasabah mereka.

Dilema Dalam Mendapatkan Pengetahuan Tentang Nasabah

  • Rumitnya pengumpulan dan proses integrasi data– Sebagian besar bank belum mampu mendapatkan pandangan yang menyeluruh dari nasabah karena sistemmereka masih tersekat-sekat dan tidak terhubung antara satu dengan yang lainnya. Agar mampu memahami hubungan antara nasabah dengan bank secara lebih menyeluruh, para bankir harus bisa memanfaatkan berbagai platform dan sistem, hingga kanal perbankan lainnya; seperti media sosial. Jika seorang bankir tidak memiliki kemampuan untuk menemukan keterkaitan antara data yang tersedia dari berbagai kanal ini, maka akan muncul beberapa versi “kebenaran”, yang menyebabkan institusi perbankan tidak bisa mendapatkan pengetahuan yang menyeluruh tentang nasabah mereka. Bahkan ketika sebuah bank mampu menyatukan semua data nasabah melalui proses integrasi yang rumit, data dari setiap kanal tersebut haruslah bisa ditemukan relasinya antara satu dengan yang lain dengan sebuah cara yang mudah dan siap digunakan agar bisa mendapatkan pemahaman yang menyeluruh.
  • Tidak ada bahasa yang berlaku secara umum – Bank tidak dapat membuat keputusan yang baik berdasarkan data yang buruk. Institusi perbankan sekarang ini, yang memiliki banyak lini bisnis dan beroperasi secara global, sering kali tidak memiliki bahasa yang berlaku secara umum yang bisa diterapkan di seluruh wilayah operasional mereka. Definisi suatu produk mungkin tidak bisa diberlakukan di seluruh wilayah geografis. Misalnya, beberapa bank menghadapi ambiguitas ketika menentukan berapa banyak nasabah yang dilayani; ada yang mendefinisikan nasabah hanya sebagai pemilik akun aktif, ada juga yang mendefinisikannya sebagai semua individu dan perusahaan yang memiliki hubungan dengan bank tersebut, baik dulu maupun sekarang.

Selain itu, metrik yang tersedia di berbagai institusi perbankan belum tentu memiliki standar ataupun format yang sama. Dalam kondisi ini, interaksi nasabah tidak dapat dilacak dengan cara yang sama di semua kanal perusahaan. Bank mungkin saja sudah punya sistem pelacakan khusus di seluruh kanal tradisional seperti kantor cabang, ATM, dan call center, namun bisa saja sistem tersebut belum mampu melacak kanal-kanal yang lebih modern; seperti online, mobile, dan media sosial; secara detail.

  • Ketidakmampuan untuk bertindak cepat – Di sebagian besar institusi perbankan, interaksi dengan nasabah belum bisa dikirim dengan cepat ke seluruh divisi di bank tersebut. Oleh karena itulah, sebagian besar bank tidak mampu bertindak cepat; seperti contoh memberikan penawaran khusus yang bisa mencegah nasabah berpindah ke bank lain.

Tantangan lain termasuk tingkat latensi tinggi dalam mendapatkan laporan yang diperlukan, tidak terhubungnya wawasan dari hasil analitik dengan proses bisnis, dan tentu saja tantangan Big Data.

Kesimpulannya, saat ini bank menghadapi tantangan dalam proses pengumpulan dan integrasi data yang tidak sempurna nan rumit. Hal ini menyebabkan kedua proses tersebut menjadi rakus akan sumber daya dan lebih parahnya lagi menghambat institusi bank untuk bisa bertindak cepat dengan informasi terbaru.

Mendobrak rintangan

Untuk memahami dan mengoptimalkan profitabilitas nasabah dengan lebih baik, bank harus mampu bertindak lebih cepat, tegas, dan produktif. Ketika berusaha memahami lingkungan yang ada untuk menghasilkan profitabilitas baru, bank sebaiknya mempertimbangkan hal-hal berikut:

  • Apakah ada model data yang menyeluruh dan terpadu, serta khusus dikembangkan untuk industri tertentu, yang mencakup  ke seluruh perusahaan?

Untuk mendapatkan pandangan menyeluruh dan terpadu tentang nasabah, bank membutuhkan model data yang terpadu dan sudah disesuaikan untuk industri mereka, yang bisa menampung informasi dari semua sumber penting: termasuk manajemen hubungan nasabah, risiko, dan sistem manajemen kinerja perusahaan, saluran media sosial, dan lainnya. Pembentukan model terpadu ini mendukung semua aplikasi penting yang memungkinkan lembaga keuangan dapat meningkatkan kualitas serta kuantitas data. Hal ini juga memungkinkan semua pihak di perusahaan perbankan tersebut untuk memiliki dasar pemahaman yang sama ketika menilai profitabilitas nasabah serta elemen lainnya.

  • Apakah ekosistem legacy menyediakan model statistik yang pre-built untuk mendukung komunikasi dan keterlibatan yang lebih bermakna guna memperluas hubungan serta mengurangi permasalahan dengan nasabah?

Sebagai contoh, bisakah kita menghitung model/skor sebuah masalah dan skor lintasjual, serta mampu melakukan churn analysis, maupun memprediksi pendapatan nasabah di masa depan sampai sesuai dengan nilai net sekarang ini dan proyeksi nilai masa hidup nasabah? Model pre-built bisa menghemat waktu serta biaya perusahaan dalam melakukan hal- hal tersebut.

  • Apakah ada integrasi yang mendalam, native, dan fleksibel antara perencanaan sumber daya, manajemen risiko, serta tata kelola kepatuhan dan performa manajemen?

Integrasi yang menyeluruh dan dapat diandalkan antara aplikasi transaksional dan analitikal ini memungkinkan perusahaan untuk menghubungkan business intelligence dengan proses bisnis yang cepat, serta menampilkan kelincahan yang diperlukan untuk memperdalam hubungan dengan nasabah.

  • Dapatkah sistem mendukung Analitik 2.0 dan 3.0?

Peran analitik telah tumbuh pesat di berbagai lembaga keuangan, mulai dari Analitik 1.0 – meliputi business intelligence dasar dan indikator utama untuk menilai kinerja sebelumnya. Baru-baru ini, upaya untuk membuat big data paling banyak mendominasi di era Analitik 2.0. Di era 3.0, analitik bisa dianggap sebagai bagian dari pengambil keputusan real-time. Kini, bank bisa mulai menggunakan informasi transaksi dan media sosial untuk mengidentifikasi nasabah yang kemungkinan akan pindah ke bank lain, dan juga nasabah yang mungkin sedang memiliki rencana masa depan penting, seperti menikah atau melahirkan. Pengetahuan penting ini memungkinkan bank untuk berhubungan lebih erat dan personal dengan para nasabah.

Karena bank fokus berusaha menurunkan rasio cost-to-income, maka anggaran divisi penjualan dan pemasaran menjadi ditekan. Untuk mengatasi tantangan dalam kondisi seperti ini, bank harus berinvestasi untuk meningkatkan profitabilitas nasabah secara bijak –lebih memperhitungkan setiap biaya dan interaksi yang ada.

Pengetahuan mengenai nasabah merupakan kunci utama untuk memahami, memprediksi, dan lebih penting lagi, mengoptimalkan profitabilitas nasabah. Saat bank mempertimbangkan ulang bagaimana pendekatan mereka dalam meningkatkan profitabilitas nasabah, mereka bisa mencari infrastruktur analitik generasi lanjut yang mampu mendobrak sekat-sekat di dalam sistem perusahaandan membantu mereka dalam menyediakan data yang lebih banyak dan lebih bernilai bagi bank mereka.

 

 

Profil singkat penulis:

Shridar Jayakumar adalah Program Director Oracle Business Analytics (EPM, BI & Exalytics) untuk Asia Pasifik, dengan kantor di Singapura. Fokusnya meliputi transformasi keuangan melalui proses re-engineering, strategi sistem dan menerapkan teknologi untuk praktisi terbaik, terutama sekitar analitik. Sektor utama yang pernah ia kerjakan termasuk farmasi, engineering, aerospace & pertahanan, utilities, minyak & gas, perbankan, asuransi, telekomunikasi, properti, ritel dan shipping. Ia mendapatkan gelar Master dari London School of Economics dan gelar MBA dari INSEAD.