TRADISIONAL
Input Decision
Analisa
• Akun Historis
FINTECH
Input Decision
Advanced
• Akun Historis Analysis
• Exotic Data
Pricing Marketing
Predictive Analysis
Accurate Decision- Content/Information
untuk Skor Kredit
Making Extraction
dan Kredit Macet
Machine learning yang digunakan dalam penilaian skor kredit dan kredit macet dapat
meringkas beberapa proses yang sehingga dapat dilakukan dalam satu hari.
Proses finansial dan decision-making dapat diperkaya dengan teknologi machine learning
yang memungkinkan komputer untuk memproses data dan membuat keputusan (seperti
hal yang berkaitan dengan pinjaman) lebih cepat dan efisien.
Perusahaan yang menggunakan aplikasi Accurate Decision-Making:
• Affirm mengumpulkan
data nomor telepon, • Zestfinance mengklaim • BillGuard mendeteksi aktivitas
nama, tanggal lahir, dan bahwa dalam membuat kartu setiap hari dan pengguna
4 digit terakhir dari keputusan kredit dapat akan diperingati mengenai biaya
nomor social security dilakukan dalam waktu tersembunyi, kesalahan
untuk melakukan kurang dari 10 detik penagihan, langganan yang
underwriting decision. menyesatkan, dan scam yang
Keseluruhan proses ditemukan oleh orang lain
terpenuhi dalam 2 menit • Melalui aplikasi iOS dan
atau kurang androidnya, akan memberikan
push warning ke device ketika ada
sesuatu yang salah.
6 Big Data Analytics for FinTech
Content/Information Extraction
Information Extraction merupakan aplikasi utama dalam machine learning. Aplikasi ini
mengekstrak konten web seperti artikel, publikasi, dokumen, dll.
Perusahaan yang menggunakan aplikasi Content/Information Extraction:
• Menggunakan analisis big data • Nymi merupakan • EyeVerify • Untuk pendeteksi fraud,
dan machine learning untuk authenticator yang menyediakan BioCatch menggunakan
mencegah penipuan aman dan dapat Eyeprint ID, sebuah behavioral biometric
• Memproses fraud score dalam 25 dipakai terus menerus solusi software untuk mendeteksi
milidetik berdasarkan pada biometric untuk eye fraudster.
• Data yang dikumpulkan untuk electrocardiogram recognition • Software BioCatch
mengukur fraud score: (ECG) melalui menggunakan berbasis cloud
Data internal (contoh: teknologi eksklusif biometric pembuluh mengumpulkan dan
transaction history), Data public yang disebut HeartID. darah mata. menganalisa lebih dari
(contoh: facebook), Data Feedzai 500 parameter kognitif
(contoh: disposable email), Data untuk mengghasilkan
Purchased (contoh: ENCAP) unique user profile.
Machine learning juga dapat digunakan dalam menciptakan algortima untuk keputusan
trading. Algorithmic trading, yang juga disebut high-frequency trading, adalah penggunaan
sistem otomatis untuk engidentifikasi sinyal trading yang benar di antara sejumlah besar
data yang menangkap dinamika pasar saham.
Perusahaan yang menggunakan aplikasi trading algorithm:
Artificial Intelligence (AI) adalah simulasi proses intelijensi melalui mesin, terutama sistem
komputer.
Walaupun umumya artificial intelligence digunakan
Proses AI untuk platform multi-purpose tanpa tujuan spesifik,
Learning dalam hal fintech sedikit berbeda. Fintech memiliki
Akuisisi informasi dan dasar kemajuan teknologi yang mendukung
rules untuk penggunaan AI pada usecase yang memiliki nilai tinggi.
menggunakan informasi
Tren AI dalam Fintech:
Reasoning
Menggunakan rule untuk
mencapai kesimpulan
aproksimasi atau definit.
Blockchain
Personal
Search Engine Banking
Fraud Detection
Debt Collection
Sumber: https://www.cbinsights.com/blog/artificial-intelligence-fintech-market-map-company-list/
11 Big Data Analytics for FinTech
Raw Machine
Data Log Data Big Data Analytic
Data Business
Storage Apps
• b Social Docs
Data analytic (DA)
adalah ilmu terkait
Media
Public pengamatan data
Web mentah untuk
Media Result & menarik kesimpulan
Sensor Decision mengenai informasi Advanced/Predic
Data pada data. tive Analysis
Archives
Business
Intelligent
Statistic
Machine
Model Microsoft Excel
(Manual)
Process
MACHINE LEARNING
“Mempelajari data berlabel” “Mempelajari data tanpa “Aksi predictive tanpa label”
label”
Naïve Bayes Random Forrest K-Means Artificial Neural
Clustering Network (ANN)
Support Vector K- Nearest
Machine (SVM) Neighbor (KNN) Apriori
Linear
Decision Tree
Regression
Logistic
Regression
Sumber: berbagai sumber
15 Big Data Analytics for FinTech
Removing Friction from the Customer Journey
Sebanyak 32% responden Top 10 Tren dan Prediksi untuk Institusi Finansial 2017
memilih open banking API Menghilangkan friction dari customer journey 54%
sebagai salah satu tren
finansial Menggunakan big data, AI, advance analytics 53%
dan cognitive computing
Peningkatan dalam integrated multichannel 45%
delivery
Open banking API hanya Open APIs 32%
digunakan oleh sedikit
industry leader tahun lalu Membangun kerjasama antara bank dan fintech 29%
Big Data Analytics for FinTech Sumber: Digital Banking Report, September 2016, The Financial Brand
17
Use of Data, AI and Advanced Analytics
Komputasi kognitif memungkinkan bank untuk mengeksploitasi manfaat dari data yang tersedia
dengan cata :
1 2 3
Memberikan customer Mendukung keputusan Mempercepat
insight yang lebih dalam yang lebih berbobot di efisiensi operasional
dan lebih personal seluruh bank dan organisasi
Bitcoin Authentication
and Verification
Accounting
20 Big Data Analytics for FinTech Sumber: Letstalkpayment.com, 2016
FinTech API’s User
Payment Gateways & Processing Accounting Payment Acceptance
Financial
Bitcoin
Trading
Value Pengembangan Menciptakan ekosistem Deliver produk Penawaran multibank; Memungkinkan bank
lebih cepat, UX seputar layanan bank terbaik dengan solusi standar untuk untuk mengaselerasi
lebih baik mitra third-party providers strategi digitalnya
Business Tradisional Charge API call; atau Revenue share dari Service and Biayan lisensi
Model revenue share jika third service provider; transaction fees maintenance, revenue
party membawa klien pelanggan baru share
Examples Banyak bank yang BBVA api_market, N26 Figo; many (non-bank) Fidor, CBW/Yantra,
menjadi bagian Credit Agricole API CA personal financial Open banking Platform
dari strategi digital Store, Capital One management (PFM)
Devexchange providers (Yodiee,
Strands, Treefin)
GO-PAY (sebelumnya GO-JEK Wallet) adalah dompet virtual untuk menyimpan GO-JEK Credit yang bisa
digunakan untuk membayar transaksi di dalam aplikasi GO-JEK.
Verifikasi akun GO-PAY:
Mendukung partial payment, dimana
sisa biaya yang tidak tercover saldo GO- Fitur terbaru dari GO-PAY dapat digunakan
PAY dapat dibayar dengan uang tunai. pengguna setelah melakukan verifikasi akun.
Foto Identitas
Persyaratan:
Pengguna Pengguna
DATASET GO-PAY
Akun DataTransaksi
GO-JEK
GO-PAY GO-RIDE GO-CAR GO-FOOD
• Email Data
• Nama Data Driver
GO-MART GO-SHOP GO-SEND GO-PULSA Merchant
• No. Telp
• Password GO-TIX GO-MED GO-BUSWAY
Biz
Case
Decision
t
dge
HR
Analytic
Bu
Data
Environment
Sumber: https://www.ayasdi.com/platform/
WealthFront
https://www.wealthfront.com/
Lokasi: California, Amerika Serikat
Wealthfront merupakan perusahaan start-up yang menyediakan layanan Robo Advisor.
Algoritma WealthFront
Total Equity Funding: $129,5 Juta
dalam 5 round dari 34 Investor Mean-Variance Optimization digunakan untuk
menentukan ETF dengan rasio pengeluaran
tahunan terendah, kesalahan pelacakan
Capaian Bisnis:
terkecil, dan likuiditas yang mencukupi.
• WealthFront mengelola lebih dari
USD 2 milyar aset klien lebih besar Untuk menilai user risk tolerance,
dibanding 1 tahun lalu (USD 500 WealthFront melakukan kuesioner:
juta).
- Alasan investasi tangga
• Menghemat biaya bagi klien dengan
- Hal yang dicari dari - Nilai total investasi
total mencapai sekitar USD 10 juta.
financial advisor cash dan liquid
- Usia'pre-tax - Preferensi investasi
income - Perilaku pada
Layanan yang diberikan: - Pemasukan rumah market downturn
Layanan inti WealtFront adalah Robo-advisor atau
layanan manajemen kekayaan yang memberi masukan
Menggunakan bahasa pemrograman R.
manajemen portfolio berbasis algoritma secara
otomatis32tanpa Big
menggunakan perencana
Data Analytics for FinTech finansial
manusia. Output: portfolio investasi.
Sumber: Diolah dari berbagai sumber
WealthFront
https://www.wealthfront.com/
System Requirement:
Client:
• Windows Browsers
(Explorer, Chrome,
Firefox)
Server:
• Windows
• Linux
Small Configuration
• Single dual-core CPU
• 8GB RAM/250GB Disk
Large Configuration
• 4-CPU Quad-Core
• 32GB RAM/2TB Disk
Komponen Sistem:
Extensible Architecture:
Platform Teknologi:
Capaian Bisnis:
• Cardlytics bekerja sama dengan Data pembelian yang dianalisa:
lebih dari 1500 lembaga keuangan - Lokasi transatinggal customer
• Mengelola lebih dari 120 juta akun - Frekuensi belanja
bank - Jumlah yang dibelanjakan
Output:
Data yang diolah akan
menghasilkan
keuntungan bagi
Layanan yang diberikan: pelanggan, lembaga
Layanan dari Cardlytics adalah data intelligence keuangan, dan tenaga
platform yang menganalisa data pembelian dari pemasaran
seseorang untuk menarik loyalty pelanggan.
43 Big Data Analytics for FinTech
Bank dapat mengambil manfaat Algoritma machine learning secara garis besar terbagi
sebesar-besarnya dari data yang telah menjadi supervised learning, un-supervised learning, dan
reinforcement learning. Masing-masing memiliki kelebihan
tersedia saat ini dengan adanya AI dan kekurangan dalam kasus-kasus yang berbeda, sehingga
serta advanced analytics. dalam perlu dilakukan penetapan algoritma yang sesuai per
kasus.
45 Big Data Analytics for FinTech
Merci bien
ありがとう
Matur Nuwun
Hatur Nuhun
Obrigado
Dank
Thanks
Matur se Kelangkong
Syukron
Kheili Mamnun
ευχαριστίες
Danke
Grazias
谢谢
Terima Kasih