Flip Deteksi Masalah Pada Aplikasi dari Comment Playstore

Bayar kebutuhan apapun kini semakin mudah. Namun, dibalik kemudahan tersebut tetap ada harga yang harus dibayar, seperti biaya transfer antar bank. Meskipun biaya transfer antar bank terlihat kecil, tetapi jika dilakukan dengan frekuensi yang sering, hal ini dapat menguras rekening. Untuk mengatasi masalah ini, perusahaan fintech muncul sebagai solusi yang berbeda. Fintech tidak hanya bertujuan untuk membantu lebih banyak masyarakat, tetapi juga bisnis-bisnis Indonesia. Salah satu perusahaan fintech yang mencuat adalah Flip, yang telah menciptakan berbagai inovasi produk dan layanan keuangan untuk memudahkan transaksi individu maupun bisnis dengan harga yang terjangkau dan aman.

Melalui Flip, pengguna dapat menikmati berbagai keuntungan seperti transfer antar bank secara gratis, top up e-wallet tanpa biaya admin, pengiriman uang ke luar negeri dengan biaya yang terjangkau, serta kemudahan dalam mengatur keuangan secara praktis. Salah satu kekuatan Flip terletak pada pemanfaatan data science dalam aplikasinya. Perusahaan ini menggunakan data science untuk menyediakan layanan-layanan tersebut. Dengan memanfaatkan analisis data yang canggih, Flip dapat memberikan pengalaman transaksi yang lebih efisien dan memberikan solusi finansial yang tepat sesuai dengan kebutuhan pengguna. Data science juga membantu Flip dalam memahami pola transaksi, mengelola risiko, serta mengidentifikasi peluang bisnis yang dapat dikembangkan.

Dengan demikian, Flip tidak hanya menjadi platform transaksi yang mudah dan terjangkau, tetapi juga menjadi contoh bagaimana pemanfaatan data science dapat memberikan nilai tambah dalam dunia fintech. Dengan terus mengembangkan inovasi berbasis data, Flip berusaha untuk meningkatkan kualitas layanan finansial bagi individu maupun bisnis di Indonesia.

Di balik kesuksesannya, tentu tidak luput dengan peran para talenta data dibaliknya. Algoritma Talks kali ini mengundang Andrew Tirto Kusumo, Data Engineer Manager di Flip yang akan mengajak Anda mencari insight, berbagi tips, dan mengintip kerja data function di Flip untuk mendukung kegiatan operasional perusahaan dan layanan. Serta beberapa project impactful, sehingga memberikan dampak yang besar bagi perusahaan dan pengguna. Ambil ilmunya, langsung dari ahlinya!

Andrew Tirto Kusumo, Data Engineer Manager di Flip

Andrew Tirto Kusumo telah bekerja di bidang data selama sekitar lima tahun, dengan background pendidikan S1 Teknik Informatika di Universitas Multimedia Nusantara.

Pengalamannya dimulai ketika ia mengikuti kuliah di perguruan tinggi, di mana salah satu pelajaran yang diambilnya adalah statistika. Saat itu, dosennya memperkenalkan Andrew pada R, sebuah perangkat lunak yang digunakan untuk mengolah data. Andrew terkesan dengan potensi yang dimiliki oleh R dalam mengolah data dengan efisien dan efektif. Dia menyadari bahwa data memiliki potensi besar untuk diolah menjadi informasi yang lebih berharga dan berguna. Ketertarikan Andrew terhadap dunia data pun mulai tumbuh dari saat itu. Selama lima tahun ini, dia telah mengasah keterampilannya dalam mengelola dan menganalisis data, dan semakin yakin bahwa pekerjaan di bidang data adalah panggilan yang tepat baginya.

Day-to-day Data Engineer Manager di Flip

Sebagai seorang Data Engineer Manager di Flip, Andrew Tirto Kusumo memiliki tanggung jawab dan tugas-tugas sehari-hari yang penting untuk menjaga dan meningkatkan kualitas dan efisiensi sistem data perusahaan. Berikut adalah poin-poin yang dapat dikembangkan terkait kegiatan sehari-hari Andrew Tirto Kusumo:

- Cek pipeline setiap pagi

Sebagai Data Engineer Manager, Andrew memastikan bahwa pipeline data berjalan lancar setiap hari. Setiap pagi, dia memeriksa dan memantau status pipeline data untuk memastikan bahwa data dari berbagai sumber terkumpul dengan baik, diproses dengan benar, dan tersedia untuk dianalisis oleh tim Data Science dan tim lainnya. Dengan memeriksa pipeline setiap pagi, Andrew dapat mengidentifikasi dan menangani masalah atau kegagalan yang mungkin terjadi sejak hari sebelumnya, sehingga mengoptimalkan alur kerja dan memastikan kelancaran operasional sistem data Flip.

- Mengerjakan Task

Andrew melibatkan dirinya dalam mengerjakan tugas-tugas sehari-hari terkait pengelolaan data. Ini bisa mencakup pemrosesan data, penyesuaian dan pemeliharaan pipeline, atau penanganan masalah data yang kompleks. Dengan secara aktif terlibat dalam tugas-tugas ini, Andrew dapat memahami secara langsung tantangan yang dihadapi timnya dan memberikan solusi atau bantuan yang diperlukan untuk menyelesaikan tugas-tugas tersebut dengan efektif.

- Integrasi data

Andrew bertanggung jawab untuk mengintegrasikan data dari berbagai sumber internal dan eksternal ke dalam sistem data Flip. Hal ini melibatkan pemahaman yang mendalam tentang struktur data yang berbeda dan kemampuan untuk menggabungkan dan mengelola data dengan benar. Andrew bekerja dengan timnya untuk merancang dan mengimplementasikan solusi integrasi data yang efisien dan handal, sehingga memastikan data yang dihasilkan tersedia untuk dianalisis dan dimanfaatkan oleh tim Data Science dan tim lainnya di Flip.

- Membahas Plan dengan Stakeholder

Andrew berinteraksi dengan stakeholder di Flip, seperti manajemen senior, tim Data Science, dan tim pengembangan produk. Dia berpartisipasi dalam pertemuan untuk membahas rencana dan tujuan terkait pengelolaan data. Dalam pertemuan ini, Andrew berbagi informasi tentang kemajuan pipeline data, tantangan yang dihadapi, dan saran untuk perbaikan. Diskusi dengan stakeholder membantu memastikan bahwa tujuan bisnis terpenuhi melalui pengelolaan data yang baik, dan juga memungkinkan Andrew untuk memperoleh wawasan dan perspektif yang berharga dari berbagai pemangku kepentingan.

- Eksplorasi fitur pada machine learning yang digunakan Flip

Sebagai seorang Data Engineer Manager di Flip, Andrew terus melakukan eksplorasi terkait fitur pada teknologi machine learning yang digunakan dalam perusahaan. Ini melibatkan eksplorasi dan pemahaman mendalam tentang algoritma machine learning, kerangka kerja (framework) yang digunakan, dan metode pengolahan data yang relevan. Dengan memperbarui pengetahuannya tentang fitur-fitur terbaru dalam machine learning, Andrew dapat memastikan bahwa Flip memanfaatkan teknologi terkini dan memaksimalkan potensi data dalam pengembangan produk, peningkatan pengalaman pengguna, dan pengambilan keputusan berbasis data yang lebih baik.

Tech Stack di Flip

Andrew menggunakan beberapa teknologi dalam tech stack-nya saat bekerja di Flip, seperti berikut ini:

- Python

Python adalah salah satu bahasa pemrograman yang sangat populer dan kuat yang digunakan oleh Andrew dalam pekerjaannya sebagai Data Engineer Manager di Flip. Python memiliki sintaks yang bersahabat, fleksibilitas, dan banyak pustaka dan framework yang mendukung pengolahan data dan analisis. Andrew menggunakan Python untuk mengembangkan dan menjalankan skrip-skrip otomatisasi, memanipulasi data, dan membangun algoritma atau model-model machine learning. Dengan keahlian dalam Python, Andrew dapat dengan mudah berinteraksi dengan berbagai komponen teknologi dalam tech stack Flip.

- DBT (Data Build Tool)

DBT adalah alat open-source yang digunakan Andrew untuk membangun, mengelola, dan dokumentasi proses pengolahan data. DBT memungkinkan Andrew untuk menyatukan data dari berbagai sumber, mengubahnya menjadi format yang diinginkan, dan mempersiapkannya untuk analisis lebih lanjut. DBT juga memungkinkan Andrew untuk membuat dan menjalankan tes kualitas data untuk memastikan integritas data yang dihasilkan. Dengan menggunakan DBT, Andrew dapat mengotomatiskan sebagian besar tugas pengolahan data, meningkatkan efisiensi, dan meminimalkan kesalahan manusia.

- Data Flow by Google Cloud Platform

Data Flow adalah layanan yang disediakan oleh Google Cloud Platform (GCP) yang digunakan oleh Andrew untuk memproses dan menganalisis data secara real-time dan batch. Data Flow menyediakan framework pemrosesan data yang terdistribusi dan skalabel, memungkinkan Andrew untuk mengolah data dalam skala besar dengan cepat dan efisien. Dengan menggunakan Data Flow, Andrew dapat melakukan transformasi data, melakukan agregasi, atau menghitung metrik yang kompleks secara paralel dan terdistribusi. Hal ini memungkinkan Andrew untuk mengoptimalkan waktu pemrosesan data dan mendukung analisis real-time di Flip.

Project Data Science di Flip

Secara keseluruhan, proyek Data Science di Flip melibatkan pengembangan credit scoring, prediksi pendapatan, analisis komentar di Playstore, dan tindakan selanjutnya berdasarkan hasil analisis tersebut. Dengan menggunakan pendekatan ini, Flip dapat meningkatkan layanan dan pengalaman pengguna mereka serta mengambil langkah-langkah yang tepat untuk memperbaiki masalah yang teridentifikasi

- Credit Scoring

Flip dapat menggunakan Data Science untuk mengembangkan sistem credit scoring. Sistem ini akan membantu mendeteksi kelayakan kredit seseorang berdasarkan analisis data historis, seperti riwayat pembayaran pinjaman, riwayat kredit, penghasilan, dan variabel lainnya. Dengan menggunakan algoritma dan teknik Machine Learning, Flip dapat menghasilkan model prediksi yang akurat untuk menilai risiko kredit individu dan memutuskan apakah mereka layak menerima kredit.

- Income Prediction

Tim Data Science di Flip dapat mengembangkan model prediksi pendapatan individu. Dengan memanfaatkan data seperti pekerjaan, pendidikan, pengalaman kerja, dan faktor lain yang relevan, Flip dapat menghasilkan estimasi pendapatan yang akurat untuk pengguna. Informasi ini dapat digunakan untuk menawarkan produk dan layanan yang sesuai dengan kebutuhan dan kemampuan finansial pengguna.

- Playstore Comment Analysis

Data Science dapat digunakan untuk menganalisis komentar-komentar yang ditinggalkan oleh pengguna di Playstore Flip. Dengan menggunakan teknik Natural Language Processing (NLP) dan Sentiment Analysis, tim Data Science dapat mengidentifikasi masalah-masalah yang sering muncul dari komentar pengguna. Misalnya, komentar-komentar yang menyebutkan masalah login, kesulitan menggunakan fitur tertentu, atau keluhan terkait performa aplikasi. Analisis ini dapat membantu Flip dalam memahami kebutuhan dan masalah pengguna serta merumuskan solusi yang lebih baik.

Setelah mengidentifikasi masalah-masalah yang dialami oleh pengguna Flip melalui analisis komentar, tim Data Science dapat meneruskan masalah tersebut kepada pihak terkait di dalam organisasi. Misalnya, jika ada masalah login yang sering muncul, tim Data Science dapat langsung menghubungi tim yang bertanggung jawab atas sistem login Flip. Informasi yang diteruskan dari tim Data Science dapat membantu pihak terkait dalam memperbaiki masalah yang ada dan meningkatkan pengalaman pengguna.

Project Data Science yang paling impactful

Bagi Andrew menganggap project Playstore Comment Analysis sebagai yang paling menarik. Hal ini karena tim data dapat menggunakan analisis tersebut sebagai peringatan dini, di mana jika banyak orang mengalami masalah yang sama dalam waktu dekat, maka itu menandakan adanya masalah di dalam aplikasi Flip. Dari perspektif Engineer, mereka mungkin tidak menyadari adanya masalah tersebut, tetapi dengan adanya komentar-komentar pengguna di Playstore, mereka menjadi lebih waspada dan berupaya menyelesaikannya secepat mungkin.

Selain itu, project ini juga dapat meningkatkan rating aplikasi Flip. Dengan menyelesaikan masalah-masalah yang ada dalam aplikasi, secara otomatis rating aplikasi tersebut akan tetap baik atau bahkan menjadi lebih baik dari sebelumnya.

Suka Duka Bekerja sebagai Data Engineer Manager di Industri Keuangan

Menemukan sumber daya yang tepat seringkali menyulitkan Andrew. Keterbatasan sumber daya membuat Andrew kesulitan menemukan sumber daya yang tepat yang dapat mendukung pekerjaannya. Meskipun ada beberapa sumber daya yang tersedia, namun tidak semuanya relevan dengan bidang kerjanya.

Ketika ditanya tentang hal yang paling menyenangkan sebagai Data Engineer Manager, baginya adalah ketika ia berhasil menyelesaikan sebuah tugas yang awalnya sulit. Setelah melewati tantangan tersebut dan berhasil mencapai tujuannya, rasanya sangat memuaskan baginya. Mengetahui bahwa ia telah berhasil mengatasi kesulitan dan mencapai hasil yang diinginkan memberikan kepuasan yang luar biasa baginya.

Bagaimana Cara Flip Memastikan Keamanan Data Penggunanya?

Untuk memastikan keamanan data di Flip, ada beberapa hal penting yang perlu diperhatikan. Hal pertama yang perlu Andrew dan tim implementasikan data governance yang memungkinkan pengendalian keluar masuknya data melalui satu kanal. Hal ini bertujuan agar tidak sembarangan orang bisa mengakses data yang ada di dalam Flip, sehingga hanya orang-orang yang berwenang yang dapat mengaksesnya.

Selain itu, diperlukan juga sistem deteksi penipuan atau anomali (fraud detection atau anomaly detection) yang dapat mendeteksi ketidakwajaran dalam aktivitas pengguna. Misalnya, jika seseorang mencoba melakukan lupa password secara berulang-ulang atau mencoba melakukan login dari tempat yang tidak sesuai, sistem akan memberikan peringatan atau tindakan preventif.

Penerapan enkripsi data juga merupakan langkah penting dalam memastikan keamanan. Dengan mengenkripsi data, informasi yang disimpan dalam Flip akan menjadi sulit diakses oleh pihak-pihak yang tidak berwenang. Ini akan memberikan lapisan perlindungan tambahan terhadap kebocoran data atau serangan yang mungkin terjadi.

Flip juga mengadopsi program bug bounty, di mana mereka memberikan kesempatan kepada individu-individu yang ingin mencoba membobol sistem mereka. Dalam program ini, mereka memberikan hadiah atau reward kepada para peneliti keamanan yang berhasil menemukan celah atau kerentanan dalam sistem Flip. Hal ini tidak hanya membantu meningkatkan keamanan secara keseluruhan, tetapi juga meningkatkan rasa aman dan kepercayaan para pengguna terhadap platform tersebut.

Dengan menggabungkan semua langkah-langkah tersebut, Flip dapat memastikan keamanan data yang optimal, menjaga kerahasiaan informasi pengguna, dan memberikan pengalaman pengguna yang aman dan terpercaya.

Cara #JadiTalentaData yang dibutuhkan Flip

Dalam industri ini, terutama di flip, terdapat beberapa karakter data Talent yang sangat dibutuhkan atau cocok. Pertama-tama, kehausan akan ilmu menjadi salah satu faktor penting. Andrew sering menemukan bahwa banyak orang yang terlalu mudah puas dengan pengetahuan yang mereka miliki. Inilah yang menyebabkan kegagalan mereka, terutama ketika mereka tidak berhasil melewati masa percobaan atau bahkan tidak diterima dalam industri ini. Penting bagi mereka untuk terus belajar dan tidak pernah berhenti menambah ilmu.

Selanjutnya, mempelajari skill set yang relevan dengan industri menjadi hal yang krusial. Banyak orang belajar hal-hal yang mungkin tidak relevan dengan apa yang dibutuhkan dalam dunia industri data. Oleh karena itu, penting untuk fokus pada pembelajaran yang benar-benar relevan dan terus meningkatkan keterampilan yang dibutuhkan.

Selain itu, mencari materi atau referensi yang sesuai dengan dunia industri juga menjadi faktor penting. Semakin dekat dengan dunia industri, semakin mudah akses kita untuk mendapatkan kesempatan bekerja di bidang data. Oleh karena itu, penting untuk mencari materi dan referensi yang seakurat mungkin dengan situasi dunia nyata di industri ini.

Yang terakhir, jangan mudah menyerah. Andrew sendiri telah mengalami tantangan dalam belajar di dunia data yang sulit dan penuh dengan kesulitan. Namun, penting untuk tidak menyerah, karena meskipun sulit, ketika kita mencapai titik di mana kita bisa bekerja di perusahaan di dunia data, kebahagiaan yang dirasakan tak tergantikan. Jadi, meskipun perjalanan ini tidaklah mudah, kita harus tetap semangat dan tidak mudah menyerah.