JawaPos.com – Data memegang peranan penting untuk sebuah perusahaan. Semakin besar perusahaan tentu akan semakin besar pula data yang dihasilkan setiap harinya. Data bisa berasal dari berbagai macam sumber dan tipe, baik yang berhubungan dengan operasional bisnis (business operational) maupun layanan pelanggan (customer service).
Di tengah tuntutan layanan pelanggan yang kian personal dewasa ini, hanya perusahaan yang mampu memanfaatkan basis dan inovasi data kuat (data driven organization) yang berpeluang mencapai keunggulan kompetitif lebih besar ketimbang yang tidak sama sekali.
Director Account Management FSI and Commercial PT Multipolar Technology Tbk (IDX: MLPT), Herryyanto mengatakan data dengan karakteristik 5V (volume, velocity, value, variety, dan veracity) akan menjadi actionable insights apabila diolah menggunakan platform big data analytics berbasis artificial intelligence (AI).
“Big data dan AI merupakan fondasi bagi perusahaan untuk mendapatkan gambaran secara komprehensif mengenai perilaku pelanggan dan operasional bisnis, membangun analytic use cases, serta menjadi data driven organization dalam setiap penyusunan strategi dan keputusan bisnis,” katanya.
Untuk mempermudah prosesnya, Multipolar Technology, anak usaha PT Multipolar Tbk (IDX: MLPL) yang fokus membantu mengautomasi bisnis perusahaan di berbagai sektor di Tanah Air, menawarkan solusi Big Data VisionAnalytics dengan beragam fitur unggulan. Apa saja itu?
Jip Ivan Sutanto, Director Enterprise Application Services Business Multipolar Technology, dalam seminar “Becoming Data-Driven Organization: Analytics Strategy and Digital Landscape” yang digelar di Bali pada Kamis (9/11), menyebutkan sejumlah fitur unggulan yang dimiliki solusi Big Data VisionAnalytics.
Diantaranya, Customer Lifetime Value; yaitu menghitung value atau tingkat loyalitas pelanggan berdasarkan kontribusi dalam bentuk current dan future value. Kedua, Customer Profitability; berfungsi menghitung estimasi profit yang dihasilkan dari setiap pelanggan berdasarkan besaran kontribusinya.
Ketiga, Customer Segmentation; membagi pelanggan berdasarkan segmen tertentu sesuai kemiripan karakteristik, baik dari sisi perilaku bertransaksi maupun profil demografi. Keempat, Potential Customer; analisis cross-selling dan up-selling guna mendapatkan prospek pelanggan dan penawaran produk yang lebih tepat sasaran.
Kelima, Fraud Detection; dapat mendeteksi fraud berdasarkan machine learning dengan menganalisis profil dan perilaku pelanggan. Keenam, Customer 360; menangkap insights secara detail berupa gambaran profil perilaku, demografi, preferensi produk, dan transaksi dari setiap pelanggan.