Latar Belakang
Hal itu juga yang tadinya jadi fokus transformasi digital BRI, yakni Mobile
First–mengembangkan bisnis, layanan, dan mengutamakan customer engagement
melalui mobile experience. Melalui AI BRI mereimagine atau memperbarui
customer engagement dengan cara-cara yang sama sekali baru, yakni dengan
menghadirkan produk, layanan perbankan dan proses bisnis yang intelijen, beyond
banking, terpersonalisasi sesuai kebutuhan masing-masing nasabah, dan tersedia
omnichannel.Kecerdasan Buatan atau Artificial Intelligence (AI) adalah teknik
yang digunakan untuk meniru kecerdasan yang dimiliki oleh makhluk hidup
maupun benda mati untuk menyelesaikan sebuah persoalan.(Bootupacademyai,
2019). Machine Learning adalah cabang dari kecerdasan buatan, merupakan
disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang
memungkinkan komputer untuk mengembangkan perilaku yang didasarkan kepada
data empiris, seperti dari sensor data pada basis data.(Purnamasari dkk., 2013).
Konsep ini membantu BRI dalam perbaikan bisnis proses, inovasi model
bisnis dan penatakelolaan jaringan kerja yang memadukan digitalisasi, jaringan,
serta layanan financial advisor. Dengan lebih dari 8.700 kantor cabang, 22.000 e-
channel, 500.000 agen BRILink, dan 37.000 mantri di seluruh Indonesia, BRI telah
terbukti memiliki physical presence yang kuat dibanding kompetitor.
Tinjauan Pustaka
Gambar 1 Dengan pendekatan AI-first untuk keterlibatan pelanggan, bank memiliki peluang untuk
menuai keuntungan di area penting.(Chung dkk., 2020)
Menganalisis data pelanggan secara real time dan menyematkan hasil analisis
dalam perjalanan pelanggan untuk eksekusi cepat permintaan transaksi pelanggan
dan permintaan layanan, yang memungkinkan pemenuhan instan. Kedua tujuan
ini harus memandu desain lapisan keterlibatan, yang terdiri dari tiga pilar:
Analogi cara kerja sebuah Decision Tree sama seperti ketika kita ingin
memutuskan melakukan sesuatu. Biasanya, saat memutuskan sesuatu kita telah
melalui banyak pertimbangan keputusan-keputusan kecil sebelum akhirnya
mencapai keputusan akhir itu sendiri.
Chung, V., Gomes, M., Rane, S., Singh, S., & Thomas, R. (2020). Global Banking
& Securities.
Purnamasari, D., Henharta, J., Sasmita, Y. P., Ihsani, F., & Wicaksana, I. W. S.
(2013). Machine Learning “Get Easy Using WEKA.” Dapur Buku.
Song, Y. Y., & Lu, Y. (2015). Decision tree methods: applications for
classification and prediction. Shanghai Archives of Psychiatry, 27(2), 130–
135. https://doi.org/10.11919/j.issn.1002-0829.215044
Zhong, R., Johnson, R., & Chen, Z. (2020). Generating pseudo density log from
drilling and logging-while-drilling data using extreme gradient boosting
(XGBoost). International Journal of Coal Geology, 220.
https://doi.org/10.1016/j.coal.2020.103416
BRI TECH - Mengenal Ensemble Decision Tree, “Akar” Dari Sistem BRIBrain -
BRI TECH