Big Data Bisa Jadi Solusi Optimasi Layanan Pelanggan

Salah satu bagian yang bisa dioptimalkan dengan hadirnya teknologi big data di perusahaan adalah layanan pelanggan, atau biasa kenal dengan istilah customer service. Dengan kemampuan analisis dari big data customer service bisa lebih optimal dan lebih canggih dalam memberikan layanannya. Seperti identifikasi masalah dan pencegahan masalah lebih dini.

Dengan memanfaatkan kemampuan analisis big data, perusahaan, terutama bagian customer service, bisa mengidentifikasikan dengan pasti faktor permasalahan dari pengguna, kemudian ditindaklanjuti dengan solusi yang efektif agar permasalahan serupa tidak terulang bagi pengguna lainnya.

Kemampuan analisis big data juga memberikan customer service kemampuan mempersonalisasi pengalaman pengguna. Seperti pada kebanyakan kasus, penggunaan big data pada customer service juga memungkinkan penggunaan data personal pengguna untuk meningkatkan pengalaman pengguna tersebut. Dengan demikian pengguna bisa mendapatkan pengalaman terbaik sesuai dengan kebutuhan mereka. Seperti rumus:

transaksi + kebiasaan + data sosial = kepuasan tinggi pengguna

Data yang bisa diolah dengan analisis big data itu adalah umpan balik. Wawasan dari analisis data dari saluran-saluran yang ada akan memberikan customer service dan perusahaan pertimbangan yang baik dalam hal menarik pengguna. Ini membuka peluang optimasi strategi omnichannel.

Identifikasi masalah, kemampuan personalisasi dan umpan balik dari analisis big data juga bisa berperan sebagai awal yang baik untuk produk yang baru dan lebih baik. Dengan data dari pengguna mulai dari keluhan hingga umpan balik melalui customer service perusahaan bisa memperbaiki produk atau layanan yang ada. Bahkan bisa menjadi ide untuk produk atau layanan baru yang lebih baik.

Big data juga memberikan kemampuan customer service untuk pencegahan penipuan. Sistem tradisional mendeteksi penipuan dengan mencari faktor-faktor seperti alamat IP yang tidak dikenal dan catatan login sistem yang asing. Penggunaan big data bisa mengubah pendekatan tradisional dengan kemampuan memberikan pola penipuan dari data-data yang sudah tercatat sebelumnya. Cara yang lebih proaktif untuk melindungi pengguna.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk penulisan artikel ini

Akselerasi Pertumbuhan Startup dengan Big Data

Data dalam beberapa waktu terakhir menjadi salah satu objek yang dibicarakan banyak orang. Tak hanya instansi dan organisasi pemerintah tetapi juga di sektor bisnis. Bahkan beberapa perusahaan sudah mulai mengambil nilai lebih dari data dengan menerapkan teknologi big data. Menganalisis data untuk mendapat manfaat baru.

Salah satu yang dianggap sebagai manfaat penerapan big data adalah kemampuan teknologi ini untuk mengakselerasi bisnis. Data yang menumpuk bisa dimanfaatkan untuk menunjukkan pola pemasaran, penjualan dan juga kebutuhan pelanggan. Sesuatu yang jika ditindak lanjuti dengan bijak akan mendekatkan bisnis dengan pelanggan.

Startup misalnya, sebagai bisnis yang menjadikan pengalaman dan kenyamanan pelanggan bisa lebih mudah untuk mengidentifikasi kebutuhan dan keinginan pasar. Dengan demikian target pasar bisa dijangkau lebih optimal. Data-data yang melimpah dari media sosial dan saluran pemasaran bisa menjadi pelengkap yang tepat untuk teknologi big data.

Di Indonesia tingkat adopsi big data mungkin tidak sebanyak yang sudah ada di luar negeri, tapi dengan perkembangan alat dan kemudahan mengakses penyedia layanan big data bisa membuat teknologi ini solusi murah untuk manajemen data.

Teknologi komputasi awan adalah pasangan sempurna untuk teknologi big data. Dua kombinasi teknologi ini bisa menjadi solusi terbaik bagi startup yang ingin mengoptimalkan data dan mengakselerasi bisnis mereka.

Sudah bukan menjadi rahasia umum jika sebagian startup memulai petualangan bisnisnya dengan dana yang terbatas. Mulai dari anggaran pengembangan produk, kampanye di media sosial, dan urusan manajerial semua menjadi terbatas. Salah satu harapan untuk meningkatkan produktivitas ada pada pemilihan teknologi yang digunakan.

Komputasi awan dan big data tidak bisa dibilang murah, tapi setidaknya lebih optimal jika dibanding harus membangun infrastruktur secara mandiri. Menyewa layanan komputasi awan lebih masuk akal dibanding membangun infrastrukur server bagi startup dengan dana terbatas.

Untuk big data memang belum ada pembanding langsung, tetapi jika ingin langsung memanajemen data dari berbagai saluran seperti pemasaran, umpan balik aplikasi, surel, hingga media sosial big data adalah pilihan terbaik.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk penulisan artikel ini

Bagaimana Big Data dan Komputasi Awan Mengubah Dunia Medis

Dewasa ini dunia medis didorong untuk melakukan pembaruan di teknologi mereka terutama untuk teknologi big data dan komputasi awan. Kedua teknologi tersebut dirasa mampu menjadi ujung tombak untuk ekspansi layanan medis. Selain jangkauan yang lebih luas dari teknologi komputasi awan, teknologi big data juga diharapkan memberikan solusi yang lebih baik bagi industri medis.

Salah satu yang menjadi pembahasan utamanya adalah big data. Selama ini kita kenal dokter sebagai satu-satunya sumber pengetahuan medis. Namun hal ini bergeser hari demi hari berkat hadirnya teknologi. Menggunakan big data dalam sektor medis dapat membantu kinerja dokter. Teknologi big data mampu menyuguhkan data-data konkret untuk mendukung opini seorang dokter. Para dokter mungkin bisa beropini, berspekulasi bahkan menyimpulkan tentang kondisi pasien, sedang big data berperan memproduksi datanya.

Mungkin banyak yang berpendapat bahwa hal tersebut mulai menggantikan peran dokter dengan mesin, tapi sebetulnya tidak. Repositori big data medis berbasis komputasi awan hanya membantu memudahkan dokter, bukan menggantikannya. Salah satu alasannya adalah dokter setiap harinya menghasilkan banyak data, terutama data-data penting. Teknologi big data mampu membantu mereka mengelola dan memberikan efisiensi data yang mereka kumpulkan. Tentu dengan penghematan waktu yang lebih singkat.

Dalam penerapan big data dalam dunia medis, salah satu hal positifnya adalah prediksi. Big data membantu untuk menemukan diagnosa penyakit dengan cara yang sebelumnya belum ada di industri medis. Dengan teknologi ini dokter juga terbantu dalam menemukan korelasi dalam agregasi data yang biasanya mereka abaikan.

Dokter yang menolak bergerak maju, dengan memanfaatkan teknologi untuk kebutuhan analisis seperti big data dan layanan komputasi awan, akan tertinggal adopsi teknologi. Padahal sudah seharusnya mereka melakukan pembaruan teknologi untuk memudahkan pencatatan EMR (electronic medical report) dan meningkatkan efisiensi dari praktik medis.

Untuk saat ini, hadirnya perangkat lunak manajemen dalam dunia medis hanya akan berfungsi membantu dokter dalam mengatasi permasalahan digitalisasi dan kemudahan bagi pasien mereka. Di sisi lain, masyarakat, dan mungkin juga termasuk para pasien, sudah menjadi seorang tech-savvy yang sudah sangat akrab dengan teknologi. Sudah saatnya dunia medis semakin mendekat kepada pasien dan terhubung dengan mereka dengan teknologi yang lebih maju.

Teknologi selama ini telah dikenal sebagai sesuatu yang bisa meningkat kinerja dan efisiensi, termasuk dalam dunia medis. Big data dan layanan komputasi awan akan menawarkan sesuatu yang lebih bermanfaat bagi para profesional medis dalam mengurangi beban keseharian mereka.

Dengan analisis data yang lebih baik, dokter akan lebih optimal dalam menegakkan diagnosis pasien. Bagi pasien, ini berarti pencegahan dan pengobatan yang lebih baik. Dengan konektivitas yang disediakan layanan komputasi awan para profesional medis akan lebih dekat dengan para pasien. Terlebih jika sudah menyentuh solusi mobile.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk penulisan artikel ini

Peran Sentral Chief Data Officer di Era Big Data

Teknologi big data menghadapkan pada kita fakta bahwa data tidak harus didiamkan. Data jika hanya ditumpuk hanya akan menjadi beban. Manajemen data yang buruk hanya akan membuat perusahaan mendapatkan “limbah data”. Terlebih jika data sudah terlalu lama disimpan mungkin nilai dari data bisa berkurang, sehingga mempertahankan data seolah membuatnya sia-sia. Untuk itulah perusahaan sekarang membutuhkan Chief Data Officer.

Peran atau posisi Chief Data Officer relatif baru, tapi sangat dibutuhkan saat ini. Perusahaan dihadapkan pada fakta bahwa pelanggan mulai membanjiri mereka dengan data. Data ini harus dikelola dengan tepat dan cepat untuk bisa dimanfaatkan semaksimal mungkin.

Chief Data Officer dihadapkan pada tanggung jawab pengelolaan data bisnis secara keseluruhan. Mengambil alih dari IT atau bagian yang biasa bersinggungan dengan data. Hadirnya Chief Data Officer bisa menempatkan kualitas data di inti operasi bisnis.

Hal yang mereka lakukan adalah melacak di mana perusahaan meletakkan aset data. Mencari tahu di mana mereka disimpan, siapa yang memiliki akses, dan informasi seberapa sering mereka “dibersihkan” dan diperiksa. Mereka meletakkan kualitas sebagai yang terpenting untuk mengelola kemurnian data-data penting dan memastikan perusahaan tidak mengeluarkan biaya lebih untuk menyimpan, menggandakan, versifikasi data atau data yang rusak.

Data bisa lebih “bersih” dan berguna bagi semua orang di dalam perusahaan. Membawa manajemen data lebih aman, tepat waktu dan efektif untuk data pelanggan.

Namun Chief Data Officer bukanlah seorang penyihir atau superhero yang tiba-tiba datang langsung mengatasi permasalahan perusahaan tentang data. Harus ada tujuan strategis dari perusahaan untuk menjadikan data sebagai aset. Tugas Chief Data Officer adalah untuk memastikan tujuan itu tercapai.

Misi menjadikan data sebagai aset strategis bukan misi individu. Itu harus menjadi tanggung jawab bersama. Setelah adanya Chief Data Officer di perusahaan, setiap elemen yang ada di perusahaan harus mulai mendukung dengan tetap bertanggung jawab pada data yang mereka hasilkan untuk membantu kerja Chief Data Officer.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk penulisan artikel ini

Big Data dan Revolusi Industri Memandang Data

Big data telah mengubah cara pandang kita terhadap data. Relativitas dan scope data sedang berubah. Alir dan saluran data semakin banyak menyebabkan teknologi big data menjadi salah satu hal yang wajib dipahami. Salah satu cara yang unik untuk mencoba mengerti teknologi big data adalah dengan memahami bagaimana data mining bekerja dan bagaimana melihat aspek keuntungan lain dari data. Big data sebenarnya adalah pengelolaan data dengan cara yang tepat.

Perkembangan teknologi internet dan menjamurnya media sosial dan budaya-budaya daring lainnya berperan besar terhadap perkembangan teknologi big data. Tepatnya membantu ekosistem big data tumbuh. Setiap dari kita mengunggah gambar, membeli barang secara daring, dan kegiatan daring lainnya turut menyumbang data yang sedikit “memaksa” untuk mengelola data tersebut lebih baik dengan big data. Lanskap big data pada umumnya membantu untuk berinovasi dalam mengembangkan, mengumpulkan, bertahan dan mempertahankan berbagai macam informasi.

Big data merupakan sesuatu yang rumit. Berbicara tentang big data selain berbicara mengenai ukuran data yang besar juga tentang variasi dan arus data yang kencang. Terlebih lagi selalu akan ada “banjir” data selama internet, media sosial dan perangkat seperti wearable dan internet of things masih tetap digunakan dan saling terhubung.

Sebuah tantangan yang mesti dipecahkan industri. Terlebih bagi mereka yang mencoba mendapatkan wawasan lebih dari data yang mereka miliki. Memahami data mining bisa menjadi awal yang baik untuk memahami bagaimana big data bekerja. Juga bagaimana pengelolaan data dengan berbagai macam kompleksitas seperti ukuran, variasi dan alir yang deras.

Pada intinya big data mampu merevolusi bagaimana cara industri mencari informasi dan selanjutnya dimanfaatkan untuk sebuah improvisasi. Informasi yang didapat bisa diubah menjadi strategi untuk kebutuhan perusahaan. Data yang terus bertambah butuh pengelolaan yang tepat. Big data bisa menjawab hal itu.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk penulisan artikel ini

Lima Mitos Teknologi Big Data

Big data menjelma menjadi salah satu teknologi paling dicari dalam beberapa terakhir. Dengan menjanjikan pengelolaan dan pengolahan data yang maksimal big data menebar janji-janji manis untuk dapat membawa bisnis atau organisasi ke arah yang lebih baik. Founder BigCloud.io Matt Reaney memiliki pandangan lain soal big data. Dalam sebuah tulisan, Matt menjelaskan beberapa mitos tentang teknologi big data.

Mitos pertama adalah tentang kemampuan big data untuk memprediksikan masa depan. Big data memang bisa menganalisis data sekarang dan memberikan Anda prediksi untuk apa yang akan terjadi selanjutnya, tapi apakah itu 100 persen akurat. Kekuatan big data tentang prediksi ini pada dasarnya terletak pada kualitas data. Dengan data yang sudah tidak valid dari awal, apa yang Anda harapkan dari prediksi yang didasarkan pada data tersebut. Selama masih ada keterlibatan manusia dalam proses, ada peluang untuk terjadinya kesalahan.

Selanjutnya adalah big data merupakan data yang lebih baik. Sebenarnya semakin besar ukuran dan variasi data yang ada semakin besar pula potensi kelalaian yang ditimbulkan. Anda harus yakin data set yang telah dianalisis. Karena kualitas itu beragam dalam setiap kuantitasnya.

Mitos ketiga adalah mengenai tren big data sudah lama dimulai. Banyak yang berpikiran bahwa saat ini sudah terlambat untuk memulai implementasi big data. Sebenarnya masa big data baru dimulai. Matt menyarankan bagi yang masih merencanakan untuk mengimplentasi big data mulailah dengan hal-hal kecil dan sederhana. Seperti merancang konsep untuk penerapan big data dan mulai untuk membangun tim impian big data anda

Mitos keempat adalah tentang penerapan big data yang hanya ditujukan untuk bisnis berskala besar. Memang bemang benar bahwa saat ini hampir semua yang mengimplementasikan big data adalah perusahaan-perusahaan besar. Namun, Matt memprediksi dengan semakin baiknya teknologi dan komputasi awan tidak menutup kemungkinan startup dan UKM bisa menerapkan big data.

Mitos terakhir adalah mengenai data yang berantakan. Big data banyak digambarkan dengan kumpulan data yang berukuran besar dan dengan variasi yang berbeda. Mungkin bagi banyak orang gambaran tersebut merujuk pada ketidakteraturan. Namun dengan perangkat analisis dan visualisasi pemamaran hasil pengolahan data bisa lebih user-friendly sehingga lebih mudah memperoleh wawasan dari sana.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk penulisan artikel ini

Variabel yang Harus Dipertimbangkan Sebelum Memutuskan Mengaplikasikan Teknologi Big Data

Laju perkembangan teknologi memasuki tahap adopsi. Banyak lini bisnis mulai mempertimangkan implementasi teknologi ini untuk mengurus data yang “mengucur” semakin deras. Pada dasarnya, big data cepat atau lambat akan menjadi salah satu pilihan utama yang diadopsi. Mereka yang masih ragu untuk menerapkan teknologi big data dapat mengukur seberapa besar kebutuhannya melalui tiga variabel, yakni ukuran, kecepatan, dan variasi data.

Ukuran

Variabel pertama adalah ukuran atau volume. Pada bisnis atau organisasi besar yang memiliki banyak cabang, pengguna, bahkan mencapai jutaan transaksi per jam dapat dipastikan jumlah data yang dihasilkan pun besar. Kondisi ini tepat bagi Anda bila akhirnya memutuskan mengadopsi big data.

Kecepatan

Variabel kedua adalah kecepatan. Kompleksitas data tidak hanya sebatas pada jumlah set data yang besar, tetapi set data yang dibentuk dari data yang mengalir cepat dalam krun waktu yang singkat. Contoh sederhananya adalah YouTube. Hampir setiap menit ada orang yang mengunggah video mereka dengan durasi yang berbeda. Meski ukuran mereka sedikit, jika mengalir dalam kecepatan tinggi akhirnya juga menghasilkan data yang cukup kompleks. Suatu kondisi yang tepat untuk Anda menerapkan big data.

Variasi

Variabel terakhir adalah variasi. Variasi juga mampu memberikan kompleksitas bagi data. Variasi data ini misalnya data bisa bersumber dari mana saja dan pada akhirnya terdapat perbedaan pola dan jenis data. Misalnya ada sumber terstruktur seperti database dan tabel, ada juga data yang tidak terstruktur seperti interaksi dengan pelanggan melalui email, contact center, media sosial atau lainnya. Teknologi sekarang sudah memungkinkan Anda mengumpulkan dari berbagai macam sumber. Jika bisnis Anda memiliki kondisi seperti yang dijelaskan maka Anda sudah saatnya membutuhkan teknologi big data.

Big data memang tengah menjadi sorotan, tapi agaknya adopsinya harus memperhitungkan kebutuhan dan kepentingan bisnis. Tiga variabel di atas bisa dijadikan ukuran. Sikapi data yang dihasilkan bisnis Anda dengan bijak, karena data sekarang bisa menjadi aset strategis.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk penulisan artikel ini

Data Jadi Kunci Sukses Solusi Berbasis Machine Learning

Tren kalangan pengembang teknologi yang diprediksikan akan terus memuncak di tahun 2016 adalah solusi Machine Learning (ML). Pemain di bidang tersebut terus bertumbuh, tak hanya di kancah korporasi, namun startup digital sudah banyak yang mencoba melahirkan teknologi untuk automasi sistem komputer tersebut.

Shivon Zilis dalam laman pribadinya menerbitkan sebuah infografis yang memetakan pemain pengembang solusi ML di berbagai bidang.

Dari infografis di atas terlihat jelas bagaimana teknologi ML mulai memasuki berbagai bidang.

Dari pengamatan yang dilakukan VersionOne terhadap para startup digital pengembang solusi ML, terdapat satu paradigma yang kurang pas. Kesempatan besar untuk mengembangkan solusi berbasis ML mengalihkan fokus pengembang. Banyak pengembang yang begitu getol menemukan algoritma baru untuk terciptanya sebuah platform ML terkini, padahal algoritma tersebut pada dasarnya sudah menjadi komodias umum di lanskap teknologi dunia.

Kunci sebuah teknologi ML adalah data

Bagi korporasi sekelas Google, Facebook, Amazon atau Microsoft, mendapatkan beragam akses data bukan menjadi masalah yang sulit, karena basis pengguna mereka yang sudah besar dengan berbagai perilaku yang sudah berhasil direkam. Bagi pengembang di level startup data bisa menjadi tantangan terberat untuk mampu menjadikan solusi ML yang dikembangkan menjadi bermakna.

Tak ada cara lain selain harus meyakinkan orang untuk mau berbagi data. Karena sebuah layanan ML tidak akan memiliki fungsionalitas tanpa adanya asupan data untuk dianalisis. Namun di era keterbukaan yang berhasil dijembatani internet ini seharusnya startup tidak lagi kesulitan dalam mendapatkan data. Beberapa data bisa didapatkan secara terbuka, namun untuk kebutuhan spesifik mau tak mau memang harus melakukan penghimpunan secara mandiri.

Dari perilaku masyarakat banyak data yang bisa dimanfaatkan, untuk memecahkan masalah bisnis atau personal dalam kehidupan sehari-hari. Oleh karenanya algoritma dalam sebuah ML biasanya mengacu pada pemecahan masalah tertentu, dan membutuhkan asupan data yang sesuai.

“Data Trap”

Untuk memenuhi kebutuhan data ini, seorang punggawa venture capital asal New York, Matt Turck, menyampaikan sebuah konsep yang disebut dengan “Data Trap”.

Dalam publikasinya yang berjudul “The Power of Data Network Effect” Turck menjelaskan kenyamanan masyarakat terhadap solusi digital dapat dioptimalkan menjadi sumber data yang menguntungkan dengan menghadirkan sebuah layanan yang kuat, sehingga digunakan oleh banyak orang. Beberapa pengembang solusi ML dan Big Data dunia telah melakukan pendekatan ini.

Salah satunya perusahaan pengembang solusi Artificial intellifence (AI) bernama Clarifai. Basis bisnis utama Clarifai adalah mengembangkan sebuah recognition API yang didasarkan pada analisis perilaku pengguna. Untuk mendapatkan data pengguna yang akan dianalisis tersebut Clarifai mengembankan sebuah aplikasi foto bernama Forevery Photo. Apliakasi tersebut dibuat gratis, dengan fitur yang mumpuni di platform yang memasyarakat, sehingga banyak orang yang menggunakan.

Jadi ketika orang bertanya-tanya dari mana sumber pendapatan aplikasi bagus yang diberikan secara cuma-cuma, tanpa ada embel-embel iklan ataupun paket freemium, maka mungkin mereka berfungsi sama dengan Forevery, yakni digunakan sebagai aplikasi pengumpul basis pengguna. Sah-sah saja selama data yang dihimpun pada proposisi yang sesuai dan juga menyampaikan kepada pengguna sebagai pemilik data. Hal tersebut juga yang dilakukan oleh Mint.com dan beberapa pengembang digital lainnya.

Langkah-langkah untuk menciptakan solusi berbasis ML

Secara garis besar untuk kesuksesan pengembang dalam menciptakan solusi berbasis ML atau analisis data maka terdapat beberapa langkah yang bisa diperhatikan, yakni:

Pikirkan strategi akuisisi data dengan memanfaatkan kanal atau sumber daya yang ada.
Mengkomunikasikan nilai proposisi data untuk kebutuhan analisis.
Pastikan solusi dari algoritma yang dikembangkan berfokus untuk memberikan manfaat nyata bagi bisnis ataupun sasaran pengguna.

Banyak pihak yang membutuhkan solusi berbasis ML. Bagi startup ataupun pengembang lainnya membangun set data ekslusif menjadi misi besar dalam menyukseskan sepak terjangnya. Tak mudah memang untuk mampu mendapatkan akuisisi pengguna, tapi setidaknya Internet mampu diandalkan untuk banyak hal.

GM Data Insight Sales Telkomsel Stevy Kosasih Ungkap Fokus Telkomsel MSight Tahun Depan (UPDATED)

Implementasi big data dalam berbagai sektor industri di Indonesia saat ini mulai semakin terlihat. Telkomsel adalah salah satu pemain dari sektor telekomunikasi yang menunjukkan dirinya tahun lalu dengan meluncurkan layanan big data bernama MSight. Setahun beroperasi, Telkomsel mengklaim bahwa MSight telah tumbuh secara signifikan. Tahun depan, MSight fokus untuk meningkatkan data quality, merekrut talenta yang sesuai, dan menjalin kemitraan strategis di dalam grup Telkom.

MSight merupakan bagian layanan digital advertising Telkomsel yang memanfaatkan penggunaan teknologi Big Data Analytics. Melalui layanan ini, Telkomsel mampu memberikan berbagai insight informasi konsumen. Insight tersebut di antaranya monitoring perubahan dan penambahan jumlah trafik konsumen, segmentasi konsumen berdasarkan profil demografi dan psikografi tertentu, perilaku digital konsumen, pola pergerakan konsumen antar lokasi, dan perilaku konsumen terhadap produk dan servis.

Lahirnya MSight sendiri merupakan hal yang alami dan tak lepas dari perkembangan tren big data yang kian tampak manfaatnya. Di usianya yang tepat berumur satu tahun ini, Kami berkesempatan berbincang dengang GM Data Insight Sales Telkomsel Stevy Kosasih untuk membahas sudah sejauh apa Telkomsel MSight berkembang selama satu tahun beroperasi.

Perjalanan satu tahun MSight dan bisnisnya

Ditemui di Telkomsel Smart Office, Jakarta Selatan, Stevy menceritakan bahwa untuk sampai ke usia satu tahun ini MSight sebenarnya telah melalui tiga fase awal. Fase pertama adalah tentang kesiapan Telkomsel, baik dari sisi SDM maupun teknis. Fase kedua adalah tentang studi kelayakan untuk “Go to Market”. Fase ketiga adalah fase peluncuran komersial perdana hingga saat ini.

Stevy mengatakan, “Di fase pertama, kami libatkan beberapa data scientist, [baik dari tim] internal maupun eksternal, [tujuannya] untuk bantu buat model yang kami butuhkan dalam bisnis mobile consumer insight ini. Termasuk di dalamnya kami juga membekali diri lah, belajar juga nih dari ilmu-ilmu yang sudah ada di luar.”

“Fase kedua, […] intinya kami ingin [melanjutkan] memonetisasi kepada klien-klien eksternal [dengan memberi solusi yang sesuai]. Di fase terakhir kami launching di bulan November kemarin [tahun lalu -Ed]. Fasenya sekarang adalah fase awareness, [and] we’re trying to penetrate the market. Beberapa konsumen sudah menerima services kami dan kami coba increase value kami terus,” lanjutnya.

Selama satu tahun beroperasi, diakui Stevy bahwa kini sudah ada beberapa industri yang menggunakan layanan MSight, baik secara langsung maupun tidak langsung. Mulai dari Fast Moving Consumer Goods (FMCG), Cigarette (tiga pemain atas), Banking dan Financial Institution, serta Retailer. Meski paling banyak klien datang dari sektor FMCG, tetapi Stevy juga yakin bahwa Banking dan Cigarette memiliki potensi yang bagus juga ke depannya.

Upaya monetisasi Big Data MSight

Produk utama MSight adalah sebuah insight dari perilaku konsumen. Namun, menurut Stevy, itu masih bisa di-breakdown kembali menjadi dua hal, yaitu dukungan terhadap media berkampanye dan consumer insight provider yang dapat dimanfaatkan untuk meramu strategi perusahaan.

Stevy menjamin bahwa MSight akan tetap menghormati privasi pelanggan dalam proses pengumpulan dan penyajian data dalam bentuk perilaku kolektif.

Saat ini pelanggan Telkomsel sudah mencapai 149 juta. Data dari 149 juta pelanggan tersebut lah yang akan dikelola secara anonim, agregat, dan kolektif menjadi insight konsumen, serta diperbarui secara berkala. Informasi yang diberikan biasanya digunakan dalam proses pengambilan keputusan strategis yang dapat digabungkan dengan informasi atau insight lain yang sudah dimiliki klien.

Terkait monetisasi layanan, Stevy mengungkap bahwa hingga saat ini masih belum dapat berbicara harga tertentu. Pun demikian, ada beberapa variabel yang menjadi pertimbangan.

Stevy menjelaskan, “Kami belum bicara harga tertentu karena masih di fase yang sangat awal. […] Sifatnya customize kalau bicara harga, tergantung dari berapa lokasinya, berapa variable-nya, atau analisis [apa saja] yang dibutuhkan.[…] Kami bisa bantu dari sisi mereka punya rencana strategis kah, atau bantu dari sisi tactical. Yang kita tawarkan adalah solusi [Big Data Analytics].”

Rencana dan fokus MSight di tahun depan

Sebagai upaya agar dapat kompetitif dalam ranah big data di pasar Indonesia, diungkap Stevy bahwa dua hal yang menjadi fokus utama. Pertama, meningkatkan kualitas data. Kedua, melakukan strategic partnership dengan layanan OTT dan beberapa partner lainnya di industri.

Stevy menjelaskan, “Investasi yang ditanamkan oleh perusahaan harus bisa menghasilkan return yang sesuai untuk jangka pendek maupun jangka panjang. Bagaimana kita melakukan itu? Pertama, memastikan data quality kami bagus. Caranya, kita undang data scientist,internal atau external, untuk bikin script atau model yang bisa [men-]capture demografi atau psychographic mereka secara aktual [sesuai dengan kebutuhan pasar].”

“Kedua, lakukan partnership dengan beberapa OTT [dan beberapa partner lainnya]. Kami tidak berkompetisi lah dengan yang lain. Kami tahu kami masih baru di industri ini. […] Jadi, OTT punya data, kami punya data, kami gabungkan. Semakin lebar data, semakin kaya data, harga juga bisa kompetitif,” ujar Stevy.

Bicara mengenai target, Stevy ingin MSight menjadi besar dari sisi atribut data, jumlah klien, maupun dari sisi jumlah timnya sendiri. Maka dari itu, Stevy mengungkapkan fokus MSight tahun depan adalah strategic partnership, merekrut talenta, dan meningkatkan kualitas data.

“Dari sisi timnya sendiri, kami coba rekrut talenta. Kami mau double dari sekarang yang [jumlahnya] masih di bawah sepuluh.[…]. Jadi, [strategic] partnership, merekrut talenta, dan [meningkatkan] data quality adalah fokus MSight tahun depan,” tandas Stevy.

Keputusan Telkomsel memasuki bisnis big data adalah hal yang alami bagi perusahaan telekomunikasi. Redwing sendiri dalam artikelnya setahun yang lalu menjelaskan panjang lebar tentang bagaimana monetisasi big data terhadap insight pelanggan seluler dapat menjadi tambang emas bagi operator.

Data Jadi Bahan Bakar Skalabilitas Startup

Tak bisa dipungkiri bahwa data-driven decision membantu perusahaan-perusahan besar untuk bermanuver di tengah pasar yang berkembang untuk mendongkrak bisnisnya. Skema yang sama juga bisa diimplementasikan pada startup dengan dampak yang lebih signifikan dengan memanfaatkan data yang lebih terukur dan dieksekusi dengan tepat sasaran.

Segala keterbatasan startup perihal materi, sumber daya manusia, perlahan terkikis jika segala keputusan-keputusan yang dilakukan berdasarkan apa yang memang dibutuhkan. Hal tersebut dapat digali memanfaatkan data terhimpun dari semua aktivitas perusahaan. Jangan hanya karena kekurangan data, atau kasus terburuknya gagal mengolah data, sebuah startup salah menyelesaikan masalah bahkan memberikan solusi yang salah.

Dalam acara berjudul “Hyper-Growth through Data Science”, BukaLapak sebagai salah satu pemain besar di industri startup dan ranah e-commerce tanah air mendorong para penggiat startup untuk mampu memberdayakan data yang ada.

CEO BukaLapak Achmad Zaky akan memberikan pengalamannya dan teknik bagaimana banyak cara bisa dilakukan hanya dengan memanfaatkan data yang berhasil dihimpun. Ia menggandeng Senior Vice President of Growth Freelancer Willix Halim, CEO GNews Yopie Suryadi, dan Data Scientist BukaLapak Teguh Nugraha untuk duduk bersama dalam sesi diskusi ini yang akan diselenggarakan pada tanggal 23 November mendatang.

Acara ini diselenggarakan tanpa dipungut biaya, untuk keterangan lebih lanjut dan pendaftaran silakan merujuk pada tautan berikut ini.

_
Disclosure: DailySocial merupakan media partner dalam acara Hyper-Growth through Data Science