Editor's Choice Technology

Big Data Menjadi Komponen Penting dalam Strategi Bisnis Cigna Indonesia

Big Data Menjadi Komponen Penting dalam Strategi Bisnis Cigna Indonesia

Jutaan bahkan miliaran data yang dianalisis perusahaan asuransi PT Cigna Indonesia yang disebut sebagai Big Data, mempunyai kekuatan yang besar untuk menjadi dasar dalam setiap keputusan yang diambil dan mengarahkan bisnis Cigna ke depannya. Perkembangan cepat pada teknologi dan perubahan pada perilaku konsumer membuat Cigna harus senantiasa bergerak cepat. Bagaimana implementasi Big Data di Cigna? Timothy J. Shields, CEO & Presiden Direktur Cigna Indonesia, memaparkannya kepada Dadi A. Salim dari SWA Online:

Cigna

Suasana pelayanan di kantor Cigna

Apa rencana jangka panjang (road map) penggunaan teknologi big data?

Big data dan analisis adalah bagian dari DNA Cigna. Cigna sebagai perusahaan yang customer centric, senantiasa menjadikan nasabah sebagai pusat dari segala hal yang kami lakukan, membuat Cigna selalu berusaha untuk menghadirkan produk yang tepat untuk konsumen pada waktu dan channel yang tepat, dapat membantu konsumen menjaga kesehatannya dan mendapatkan rasa aman.

Sesuai berjalannya waktu, Cigna terus berusaha mengutamakan personalisasi setiap kali mengembangkan produk yang menjawab kebutuhan konsumen. Bedasarkan hal tersebut, kami akan terus meningkatkan interaksi dengan konsumen untuk mencari insights terbaik mengenai kebutuhan konsumen. Dan semua aktivitas tersebut disokong oleh solusi Big Data dalam pelaksanaannya. Hal tersebut bisa menggambarkan bahwa Big Data akan menjadi salah satu komponen penting dalam strategi kami beberapa tahun ke depan.

Bagaimana praktik penggunaan teknologi big data? Bisa dijelaskan mengenai volume, variety dan velocity Big Data yang digunakan? Data yang sudah di dapatkan untuk menganalisis apa?

Sudah menjadi fokus Cigna sejak lama untuk memperkaya pengertian kami akan kebutuhan konsumen melalui setiap interaksi, mendapatkan key insight, dan senantiasa mendefinisikan dan memutakhirkan profil nasabah berdasar insight yang didapatkan melalui interaksi dan kontak kami kepada konsumen.

Dengan menerapkan berbagai macam insight yang kami dapatkan, kami lalu membuat model stastistik yang dengan menggunakan atribut dan perilaku konsumen dapat diciptakan untuk mengidentifikasi produk yang sesuai dengan kebutuhan, kemudian mendistribusikannya pada waktu dan channel yang tepat.

Kami memanfaatkan berbagai macam perangkat pengolah data. Di Cigna seluruh dunia, kami berkerja sama dengan beberapa perusahaan pengembang perangkat teknologi seperti SAS, IBM, Call Credit dan Nuance untuk mendukung divisi analytic kami yang terus berkembang.

Hasil dari penggunaan berbagai perangkat tersebut dikembangkan kedalam aplikasi penjualan ciptaan Cigna yang telah memiliki hak cipta yang dirancang untuk mengembangkan strategi kontak nasabah (Contact Strategy) dan dalam hal pendekatan tertarget kepada konsumen pada setiap segmen secara spesifik. Keunggulan ini dimanfaatkan oleh para telemarketer kami untuk memberikan pengalaman yang berkesan kepada para konsumen dan untuk mengurangi adanya kesalahan dalam berkomunikasi dengan konsumen (misalnya, menghubungi nasabah pada saat yang tidak tepat).

Timothy, CE) Cigna Indonesia

Timothy, J. Shields, Presdir & CEO Cigna Indonesia

Apa saja kendala-kendala yang dihadapi?

Salah satu tantangan besar yang Cigna hadapai mengenai penerapan Big Data adalah data cenderung menurun kualitasnya seiring dengan berjalannya waktu (degradasi data). Mengingat pentingnya data tersebut untuk menjawab insights dan meciptakan value/nilai yang sesuai dengan kebutuhan konsumen, sangat penting bagi kami untuk senantiasa berinteraksi (engaged dengan nasabah) dan menyimpan seluruh data tersebut dengan kualitas yang baik yang nantinya demi menghadirkan inovasi produk yang dibutuhkan oleh konsumen.

Apa saja manfaat dan hasil yang diperoleh?

Kemampuan untuk membuat nilai dan menyediakan sumber yang kuat untuk inovasi. Menghasilkan beberapa produk berbasis konsumen. Analisis mendalam berbagai macam kasus pembatalan polis konsumen dan implementasi berbagai macam solusi untuk menaikan tingkat loyalitas dan persistensi konsumen. Telah mampu memanfaatkan data point dari setiap touchpoint nasabah untuk mendefinisikan perjalanan nasabah (customer journey) dan pengalaman nasabah. Kami telah mampu meningkatkan efektivitas penjualan kami sekitar 50% dan melalui model anti attrition yang kami miliki kami mampu meningkatkan level persistensi sebanyak 10-20%. Melalui nilai kepuasan konsumen, kami telah mampu mengidentifikasi hubungan antara value generation dan kesetiaan konsumen ke dalam nilai kepuasan. Kami mampu menggunakan hal ini untuk meningkatkan nilai kepuasan konsumen dan meningkatkan nilai yang kami berikan pada nasabah.

Bisa dijelaskan mengenai volume, variety dan velocity Big Data yang digunakan?

Kami menganalisis jutaan data setiap bulannya untuk membantu bisnis yang kami jalankan. Proses pengumpulan data tersebut melibatkan berbagai macam segmen konsumen dan macam variabel.

Terlepas dari tingkatan dari analisis data yang kami lakukan setiap bulannya, tidak seperti industri spesifik seperti industri telekomunikasi maupun dalam pasar ritel, kami tidak memliki tingkat transaksi data yang sama karena interaksi konsumen yang berbeda-beda dan tidak sesering pasar yang saya sebutkan sebelumnya. Hal ini berarti kami dituntut untuk lebih kreatif dalam menggunakan data yang kami miliki dalam menerapkan insights yang ada. Kami melakukan ini melalui interaksi kreatif langsung dengan nasabah, misalnya melalui Customer Advisory Board (perusahaan Asuransi pertama yang melakukan hal ini di Indonesia).

Hal ini didukung oleh gudang data yang menyimpan banyak informasi konsumen seperti perilaku pembayaran, frekuensi interaksi konsumen, touchpoint pilihan nasabah, tingkat kepuasan konsumen, data demografis dan data transaksi bila dibanding titik data lainnya. Hal ini pulalah yang membantu kami dapat membedakan segmen pelayanan pada konsumen sesuai bagaimana harapan yang konsumen inginkan ketika berinteraksi dengan kami.

Berapa anggaran yang dikeluarkan untuk mengelola Big Data?

Kami melihat Big Data bukan sebagai sebuah proyek; melainkan sebagai komponen penting dalam DNA Cigna yang kami miliki untuk menghadirkan solusi yang mampu menjawab kebutuhan pelanggan.

Investasi tidak selalu berpusat pada software, hardware dan infrastruktur untuk mendukung analisis dan algoritma, melainkan juga bagaimana bisa menempatkan sumber daya yang tepat dengan kemampuan terbaik untuk bisa mengambil manfaat dari penggunaan Big Data dan menjadikannya sebagai peluang bisnis. Oleh karena itu, sejak 2009 kami mengembangkan divisi CVM (Costumer Value Management), yang berfokus pada mengarahkan analisis data menjadi nilai bisnis dan mengembangkan solusi Big Data yang cigna miliki menjadi : – Next Best Offer Optimization – Navigator Score – Data Synthesis Algorithm

Apa rencana ke depan?

Tidak ada keraguan bahwa jutaan bahkan miliaran data yang kami analisis dan kami sebut sebagai Big Data, mempunyai kekuatan yang besar untuk menjadi dasar dalam setiap keputusan yang kami ambil dan mengarahkan bisnis ke depannya. Namun, perkembangan cepat pada teknologi dan perubahan pada perilaku konsumer membuat kami harus senantiasa bergerak cepat.

Peningkatan dan investasi yang berkesinambungan pada teknologi dan sumber daya, melebarkan kemampuan (voice analytics & web data analytics), dan senantiasa melakukan market research untuk mengerti apa yang terbaik untuk konsumen, melakukan validasi untuk berbagai informasi yang kami dapatkan, dan melakukan test & learn yang terstruktur adalah fokus kami ke depannya. (***)


© 2023-2024 SWA Media Inc.

All Right Reserved