Pemanfaatan Big Data Analytics untuk Optimalisasi Keputusan Manajerial di Sektor Perbankan

Diana Magfiroh; Komarudin Komarudin

doi:10.59261/jequi.v6i2.227

Authors

Diana Magfiroh Universitas Cendekia Mitra Indonesia
Komarudin Universitas Catur Insan Cendekia

DOI:

https://doi.org/10.59261/jequi.v6i2.227

Keywords:

Big data analytics, keputusan manajerial, perbankan, risiko kredit, strategi bisnis

Abstract

Perkembangan teknologi digital telah menghasilkan ledakan data dalam skala besar, yang menciptakan peluang sekaligus tantangan bagi sektor perbankan dalam mengoptimalkan pengambilan keputusan manajerial. Big Data Analytics (BDA) muncul sebagai solusi strategis untuk menganalisis data kompleks dan menghasilkan insight yang relevan bagi pengambilan keputusan. Penelitian ini bertujuan untuk menganalisis bagaimana BDA dimanfaatkan oleh institusi perbankan di Indonesia dalam mendukung kualitas dan kecepatan pengambilan keputusan manajerial, khususnya pada aspek risiko kredit, perencanaan strategis, dan retensi nasabah. Penelitian ini menggunakan pendekatan kualitatif deskriptif dengan metode wawancara mendalam kepada 12 informan dari tiga bank nasional yang telah mengimplementasikan BDA. Data dikumpulkan melalui wawancara, observasi, dan dokumentasi, kemudian dianalisis menggunakan teknik analisis tematik. Hasil penelitian menunjukkan bahwa penerapan BDA mampu mempercepat proses pengambilan keputusan, meningkatkan akurasi analisis risiko, serta mendukung strategi pemasaran berbasis personalisasi. Pemanfaatan BDA dalam risiko kredit mampu menurunkan tingkat NPL dan mempercepat proses persetujuan pinjaman. Dalam perencanaan strategis, BDA digunakan untuk simulasi skenario makroekonomi dan prediksi perilaku pasar. Kendati demikian, tantangan utama dalam implementasi BDA terletak pada kesiapan sumber daya manusia dan integrasi sistem data yang masih terbatas.

Downloads

Download data is not yet available.

References

Akter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to improve firm performance using big data analytics capability and business strategy alignment? International Journal of Production Economics, 182, 113–131.

Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011). Strength in numbers: How does data-driven decisionmaking affect firm performance? Available at SSRN 1819486.

Creswell, J. W. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). Sage Publications.

Davenport, T. H. (2014). Big Data at Work: Dispelling the Myths, Uncovering the Opportunities. Harvard Business Review Press.

Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2), 137–144.

Jain, S., Bajaj, S., & Kumar, V. (2022). AI-enabled credit risk prediction using machine learning: A case study in banking sector. Journal of Risk and Financial Management, 15(5), 185.

Mikalef, P., Krogstie, J., Pappas, I. O., & Pavlou, P. A. (2019). Investigating the effects of big data analytics capabilities on firm performance: The mediating role of dynamic capabilities. Information & Management, 56(8), 103207.

Provost, F., & Fawcett, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. O’Reilly Media, Inc.

Sun, J., Wang, F., & Hu, J. (2018). Predicting financial risk using big data analytics: Insights and challenges. IEEE Transactions on Big Data, 4(3), 328–340.

Zhou, L., He, Y., & Zhang, Y. (2020). Big data and credit risk management in banking. Journal of Finance and Data Science, 6(1), 1–10.