Cloudera Dorong Transformasi Data dan AI di Sektor Keuangan

Sektor keuangan Indonesia tengah memasuki fase transformasi digital yang semakin intensif. Perkembangan teknologi, meningkatnya adopsi layanan digital, serta perubahan perilaku konsumen mendorong perbankan, asuransi, pasar modal, hingga perusahaan fintech untuk mengelola data dalam skala yang jauh lebih besar dibandingkan sebelumnya. Data kini bukan sekadar hasil sampingan operasional, melainkan telah menjelma menjadi aset strategis yang menentukan daya saing dan keberlanjutan bisnis di era ekonomi digital.

Isu pengelolaan data ini menjadi salah satu topik utama dalam acara focus group discussion (FGD) bertajuk “Data & AI Financial Sector”. Salah satu narasumber dalam diskusi tersebut adalah Eduard Bangga, Principal Solution Architect Cloudera Indonesia. Ia menekankan bahwa tantangan utama sektor keuangan saat ini bukan hanya soal ketersediaan data, melainkan bagaimana membangun kepercayaan terhadap data yang digunakan untuk pengambilan keputusan dan pengembangan Artificial Intelligence (AI).

“Di Cloudera, kami melihat bahwa kualitas AI sangat bergantung pada kualitas data. Kalau data yang digunakan buruk, maka hasil yang dihasilkan AI juga tidak akan optimal,” ujar Eduard.

Tantangan Kesenjangan antara Penyedia dan Pengguna Data

Menurut Eduard, salah satu tantangan terbesar dalam pengelolaan data di perusahaan besar adalah adanya perbedaan kebutuhan antara penyedia data (data provider) dan pengguna data (data consumer). Dari sisi teknis, tim IT atau data engineer umumnya fokus memastikan data lengkap, terpelihara, dan berjalan sesuai sistem. Namun, dari sisi bisnis, pengguna data lebih membutuhkan insight yang akurat dan dapat dipercaya.

“Sering kali data melewati banyak proses transformasi, formula, dan perubahan. Akibatnya, hasil analisis bisa berbeda-beda dan harus dicek satu per satu. Ini memakan waktu dan berisiko menimbulkan kesalahan,” jelasnya.

Kondisi tersebut menjadi semakin kompleks ketika perusahaan menggunakan banyak sistem sekaligus, seperti CRM, ERP, data warehouse, big data platform, hingga solusi AI dari berbagai vendor. Tanpa peta yang jelas, melacak asal-usul dan perjalanan data menjadi pekerjaan yang sangat rumit.

Octopai, Solusi Data Lineage dan Metadata Management

Untuk menjawab tantangan tersebut, Cloudera memperkenalkan solusi Octopai, sebuah platform data lineage dan metadata management yang dirancang untuk environment enterprise yang kompleks dan hybrid. Eduard menyebut Octopai sebagai salah satu tools terbaik di kelasnya untuk membangun kepercayaan terhadap data.

Melalui Octopai, perusahaan dapat memetakan perjalanan data mulai dari data source, berbagai proses ETL, hingga ke tahap pelaporan, analitik, dan konsumsi data oleh pengguna akhir. Seluruh ekosistem teknologi—baik yang bersifat legacy on-premise maupun modern cloud—dapat diintegrasikan dalam satu peta data yang utuh.

“Kelebihan utama Octopai adalah otomatisasi. Kami melakukan harvesting metadata dan data source secara otomatis. Prosesnya relatif cepat, dalam waktu sekitar 3 hingga 48 jam, peta data sudah bisa terlihat dan langsung divalidasi,” ungkap Eduard.

Selain itu, Octopai juga didukung kemampuan AI yang membantu proses migrasi dari database lama ke database baru, sehingga memudahkan perusahaan dalam melakukan modernisasi sistem.

Membantu Data Governance hingga Keamanan Data

Bagi pengguna, Octopai memungkinkan eksplorasi data secara menyeluruh. Perusahaan dapat dengan mudah menemukan data yang terduplikasi, mengidentifikasi kolom yang mengandung data sensitif, serta mengetahui data tersebut tersebar di sistem dan tabel mana saja. Fitur ini sangat penting bagi sektor keuangan yang memiliki kewajiban tinggi terkait privasi, keamanan, dan kepatuhan regulasi.

“Octopai banyak digunakan untuk mendukung inisiatif seperti data governance, data quality, data privacy, data security, hingga data compliance,” kata Eduard.

Salah satu fitur unggulan yang diperkenalkan adalah Live Lineage AI Studio. Fitur ini memungkinkan perusahaan melakukan simulasi perubahan terhadap suatu proses data atau job secara langsung. Ketika transformasi diubah, sistem akan memperlihatkan bagaimana lineage data ikut berubah, sehingga perusahaan dapat melakukan simulasi terlebih dahulu sebelum menerapkan perubahan di sistem produksi.

Tiga Pilar Data Lineage

Secara teknis, Octopai mendukung tiga jenis utama data lineage. Pertama, Cross-System Lineage, yang memberikan gambaran end-to-end di tingkat sistem, mulai dari titik masuk data hingga ke laporan, analitik, dan konsumen data. Kedua, Inner-System Lineage, yang menampilkan detail lineage di tingkat aset dalam satu sistem, seperti proses ETL, laporan, atau objek database. Ketiga, End-to-End Lineage, yang memetakan hubungan aset data antar sistem dari sumber hingga ke pengguna akhir.

Seluruh metadata yang dikumpulkan kemudian disatukan dalam sebuah knowledge hub yang berfungsi sebagai data catalog dan business glossary. Dengan pendekatan ini, data tidak hanya mudah diakses oleh tim teknis, tetapi juga dapat dipahami oleh pemangku kepentingan bisnis.

Data Berkualitas, AI Berkualitas

Di tengah masifnya adopsi AI di sektor keuangan, Eduard kembali menegaskan pentingnya fondasi data yang kuat. Tanpa visibilitas dan kepercayaan terhadap data, pemanfaatan AI justru berisiko menghasilkan keputusan yang keliru.

“Dengan Octopai, perusahaan bisa lebih percaya pada data yang mereka miliki. Ini adalah langkah penting untuk memastikan transformasi digital dan AI di sektor keuangan berjalan dengan aman, akurat, dan berkelanjutan,” tutupnya.

Transformasi data dan AI bukan lagi pilihan, melainkan kebutuhan strategis. Bagi sektor keuangan Indonesia, solusi yang mampu menjembatani kompleksitas sistem dan kebutuhan bisnis akan menjadi kunci untuk bertahan dan unggul di era digital.