Penyaji: Indra Kusuma & Humaira Uswatun Hasanah

Magister akuntansi (MAKSI) angkatan 41

Universitas Trisakti
Dosen Pengampu: Dr. Wahyuni Rusliyana Sari, SE, MM
Mata Kuliah: Analitik Big Data

ARTIKEL
BIG DATA IN FINANCE
Penulis: CMA (Dr.) Jayanta Kumar Seal dan Pulak Ghosh

Abstrak
Keuangan selalu menjadi subjek data didorong dengan lembaga keuangan seperti bank,
perusahaan asuransi, reksa dana, lembaga pemeringkat kredit serta regulator mengumpulkan dan
menganalisis sejumlah besar data untuk mengambil keputusan yang berarti. Tidak diragukan
lagi, penerapan big data bersama dengan teknologi analitik yang canggih telah membawa
dimensi baru di pasar keuangan serta di berbagai layanan keuangan dan tampaknya membawa
perubahan lebih lanjut dalam waktu dekat.

1. Latar Belakang: Big Data- Keunggulan kompetitif baru

McKinsey & Co. memperkirakan bahwa masyarakat “berada di puncak gelombang inovasi,
produktivitas, dan pertumbuhan yang luar biasa, serta mode persaingan dan penangkapan
nilai baru —semuanya didorong oleh data besar”.
Big Data adalah istilah yang berkembang yang dapat didefinisikan sebagai sejumlah besar
data terstruktur, semi-terstruktur, dan tidak terstruktur yang ditambang, untuk Insight
(wawasan/pengetahuan yang mendalam).
Pendiri Predictive Analytics, Eric Siegel, memperkirakan bahwa akumulasi data harian rata-
rata kami adalah sekitar 2,5 triliun byte data.
Karakter penting lainnya yaitu “datafication”, sebagaimana Viktor Mayor-Schonborge dan
Kenneth Cukier menamakannya, adalah bahwa “Data dapat sering dikumpulkan secara pasif,
tanpa banyak usaha atau bahkan kesadaran dari pihak yang direkam”.
Insight yang dibawa oleh data besar tidak selalu berupa besarnya data, tetapi juga
penggunaan data proxy yang membantu membuat keputusan tentang masalah yang mungkin
tidak memerlukan data. Oleh karena itu, ini mencerminkan tantangan dan peluang.
Tantangannya adalah bagaimana memanfaatkan data yang banyak dan bagaimana
 menemukan data proxy. Semakin baik organisasi menggabungkan dan menggunakan sumber
informasi yang berbeda ini, semakin cepat mereka memahami bisnis dan insight.
Disiplin baru "Big Data" ini masih berkembang dan merupakan perpaduan dari Statistik,
Ekonomi, Matematika dan bidang domain lainnya.
2. Apa itu Big Data?
Istilah big data dapat memiliki definisi yang berbeda. Karena pemangku kepentingan yang
berbeda melihat data besar dari berbagai perspektif; tidak mudah untuk memiliki definisi
yang tepat.
Namun, dalam arti luas, big data dapat didefinisikan sebagai kumpulan data besar yang
memerlukan superkomputer untuk menyusun, memproses, dan menganalisis untuk menarik
kesimpulan yang berarti.
Francis Diebold mungkin adalah orang pertama yang menggunakan istilah 'Big Data' pada
tahun 2003 untuk fenomena saat ini atau pertumbuhan data yang eksplosif. Dia menyatakan
bahwa “Baru-baru ini banyak ilmu pengetahuan yang baik, baik fisik, biologis, atau sosial,
telah dipaksa untuk menghadapi—dan sering mendapat manfaat dari— fenomena big data.
Pada dasarnya Big Data adalah kumpulan set data yang sangat besar dan kompleks yang
tidak mungkin diproses dengan aplikasi pemrosesan data tradisional. Beberapa ahli percaya
bahwa itu adalah kombinasi dari 'V‘ yang berbeda.
 Volume (Volume) : Data yang dihasilkan, disimpan, dan digunakan sangat banyak lebih
dari yang sebelumnya.
 Variety (Variasi) : Data dapat dihasilkan dari berbagai sumber selain dari sumber data
konvensional. Misalnya media sosial merupakan sumber penting dari generasi data dan
digunakan untuk tujuan yang berbeda.
 Velocity (Kecepatan) : Seseorang dapat menggunakan data secara real time melalui
telepon seluler, CCTV, transaksi online, dll. Oleh karena itu, kecepatan pembuatan data
sangat luar biasa.
 Veracity /Validity: Berbagai sumber data disertai dengan mekanisasi pengambilan data,
mengakibatkan peningkatan keaslian data.
 Value (Nilai) : Karena ada banyak pengguna menggunakan data set yang sama, ada
baiknya untuk menangkap dan menyimpan data yang sangat besar.
 Variability (Variabilitas) : Dengan data sekuensial dan multi-dimensi dapat ada varians
substansial pada tingkat sub-set yang berbeda.
 Venue (Tempat) : Ada beberapa sumber data dan gudang data dengan tujuan dan format
berbeda.
 Vocabulary (Kosakata) : Ada definisi, istilah, dan konsep yang lebih baru yang
digunakan saat ini dibandingkan dengan yang digunakan sebelumnya.
 Vagueness (Ketidakjelasan) : Istilah dan definisi baru juga menciptakan kebingungan
tentang arti data besar.
 Boyd dan Crawford mendefinisikan: data besar sebagai fenomena budaya, teknologi, dan
ilmiah yang mencakup perpaduan erat antara teknologi, analisis, dan mitologi, di mana
teknologi mencakup daya komputasi, algoritme, alat dan teknik analitis, basis data, dan
gudang data; analisis mengacu pada identifikasi pola untuk membuat klaim tentang
fenomena yang dianalisis; dan mitologi mengacu pada keyakinan bahwa kumpulan data yang
lebih besar dapat membantu dalam mencapai bentuk kecerdasan dan pengetahuan yang lebih
tinggi dengan aura kebenaran, objektivitas, dan akurasi.
3. Penerapan di bidang keuangan
Keuangan sebagai topik telah secara intensif didorong oleh data, dengan lembaga keuangan
mengumpulkan dan menganalisis data pelanggan dalam jumlah besar dan menarik wawasan
di berbagai bidang.
Big Data saat ini dengan cepat menjadi keterampilan yang harus dimiliki oleh para
profesional keuangan, alasannya karena pekerjaan seorang professional keuangan telah
berubah dari memeriksa akun, menyiapkan anggaran dan menganalisis varians ke tingkat
multi-dimensi di mana menghasilkan produk keuangan yang baru yang sesuai dengan
kebutuhan dan preferensi konsumen serta pasar.
Oleh karena itu, keputusan keuangan sekarang didorong oleh data dan tidak didasarkan pada
penilaian manusia.
Penerapan analitik big data telah membantu manajer dana untuk meningkatkan keputusan
investasi mereka dalam menghasilkan pengembalian yang lebih tinggi dan konsisten.
Regulator juga menggunakan data besar untuk mencegah penipuan dan krisis keuangan.

Implikasi Penerapan Big Data di Bidang Keuangan:

 Peningkatan pendapatan:
Bank dan penyedia layanan keuangan lainnya merancang produk mereka,
mengidentifikasi pelanggan mereka, meluncurkan produk, dan menargetkan area
improvisasi dengan menggunakan analisis data untuk membantu lembaga keuangan
meningkatkan pendapatan mereka.
 Meningkatkan komitmen dan keandalan pelanggan:
Melayani produk yang tepat pada waktu yang tepat kepada pelanggan yang tepat adalah
kunci sukses dalam lingkungan bisnis yang kompleks dan kompetitif saat ini. Bank dan
lembaga keuangan menggunakan data yang dikumpulkan oleh mereka untuk memahami
kebutuhan dan perilaku pelanggan.
 Big data adalah menambang informasi.
Lembaga keuangan sekarang menganalisis perilaku pengeluaran dan investasi pelanggan
mereka, riwayat default mereka, dan sebagainya. Informasi yang diekstraksi membantu
mereka untuk memiliki hubungan yang lebih baik dengan pelanggan mereka.
 Mengoptimalkan Aset dan mitigasi risiko:
Big data telah memungkinkan bank dan beberapa lembaga keuangan untuk memiliki
informasi sebelumnya tentang risiko gagal bayar, kemungkinan gagal bayar oleh
pelanggan, kemungkinan tingkat suku bunga, kondisi pasar, dll. sebelum mengambil
keputusan untuk mengoptimalkan aset dan mitigasi risiko.
 Bank Umum:
Analisis data besar di bank komersial bergerak lebih ke arah menganalisis data tidak
terstruktur dan memetakannya bersama data terstruktur untuk mendapatkan pandangan
menyeluruh tentang pelanggan dan membangun sistem pemberi rekomendasi waktu
nyata untuk memprediksi langkah mereka selanjutnya. Di era konsumerisme digital,
lembaga keuangan menggali lebih dalam ke data besar yang sangat kaya, yang dapat
digunakan dalam beberapa cara, misalnya: penawaran pribadi yang dibuat oleh bank.
Personalisasi di era perbankan digital adalah satu-satunya yang paling penting untuk
memaksimalkan profitabilitas mereka.
 Bank Sentral dan regulator
Secara teknis, big data mengacu pada volume besar data terstruktur dan tidak terstruktur
dan dapat merupakan kombinasi dari informasi digital keduanya, yang berasal dari
interaksi konsumen melalui aplikasi web, jejaring sosial, sensor, dll, yang dapat
digunakan dalam memfasilitasi keputusan kebijakan untuk bank (termasuk bank sentral).
 Penipuan Financial
Penipuan finansial dapat dicegah dengan menggunakan data besar. Bank dapat
menghubungi nasabah mereka segera setelah mereka menemukan transaksi yang
mencurigakan. Ada banyak penipuan keuangan dalam transaksi kartu kredit, asuransi dll
belakangan ini.
 Perdagangan Algoritmik
Perdagangan algoritmik dijalankan dengan kecepatan dan frekuensi yang tidak akan
mungkin terjadi tanpa bantuan komputer dan pemrograman canggih bersama dengan data
 besar. Ini membantu pedagang untuk melakukan perdagangan sebaik mungkin harga
yang memaksimalkan keuntungan pedagang. Perangkat lunak analitik berita, yang
bekerja berdasarkan data waktu nyata juga digunakan secara luas oleh para pedagang saat
ini.
 Hedge Fund
Perusahaan hedge fund besar merangkul data besar, terutama dalam dua cara. Agar
regresi memiliki estimasi yang konsisten, seseorang akan membutuhkan "n" untuk
menjadi jauh lebih besar dari "p". Seseorang perlu menemukan prediktor sedemikian rupa
sehingga dimensinya kecil dan penting untuk memprediksi pengembalian.
 Teknologi Finansial (Fintech)
Teknologi Finansial mengacu pada segala jenis inovasi transaksi keuangan dengan
bantuan teknologi. Ekspansi besar fintech terjadi di “bisnis pinjaman”
 Robo Advising
Penasihat robo adalah pengoptimal portofolio otomatis yang biasanya tersedia melalui
aplikasi seluler. Alat ini menggunakan pengoptimalan varians rata-rata Markowitz untuk
menyusun bobot portofolio optimal berdasarkan data historis dan teknik modern seperti
pembelajaran mesin dan kendala short-selling
4. Tantangan
Tantangan terbesar penggunaan big data di industri jasa keuangan adalah privasi data.
Seseorang dapat mengekstrak informasi pribadi investor, termasuk keputusan investasi
mereka melalui media sosial.
5. Kesimpulan
Big data telah membawa dimensi baru di berbagai industri khususnya di sektor keuangan.
Untuk bertahan hidup di dunia yang kompetitif, bisnis dipaksa untuk menggunakan data
besar. Perusahaan keluar dengan produk baru, strategi perdagangan yang kompleks, metode
pembayaran dan pencairan pinjaman yang inovatif, dll.