Rabu, 29 Mei 2013

KESALAHAN BIRO KREDIT - MASALAH ORANG BESAR


Sebagian besar data pada sejarah kredit konsumen AS yang dikumpulkan dan dipelihara oleh tiga agen pelaporan kredit nasional: Experian, Equifax, dan TransUnion. Organisasi-organisasi ini mengumpulkan data dari berbagai sumber untuk membuat dokumen rinci dari pinjaman individu dan kebiasaan membayar tagihan. Informasi Ini membantu lender menilai kelayakan kredit seseorang, kemampuan untuk membayar kembali pinjaman, dan dapat mempengaruhi suku bunga dan persyaratan lain dari pinjaman, termasuk apakah pinjaman akan diberikan dalam tempat pertama. Ia bahkan bisa mempengaruhi kemungkinan menemukan atau mempertahankan pekerjaan: Setidaknya sepertiga dari pengusaha memeriksa laporan kredit ketika membuat perekrutan, pemecatan, atau keputusan promosi.
Biro kredit AS mengumpulkan informasi pribadi dan data keuangan dari berbagai sumber, termasuk kreditur, pemberi pinjaman, utilitas, agen penagihan utang, dan pengadilan. Data-data ini dikumpulkan dan disimpan dalam database besar yang dikelola oleh biro kredit. Biro Kredit kemudian menjual informasi ini kepada perusahaan lain yang digunakan untuk penilaian kredit.
Biro kredit mengklaim bahwa mereka tahu kartu kredit dalam dompet masing-masing konsumen, berapa banyak yang jatuh tempo pada hipotek, dan apakah tagihan listrik yang dibayar tepat waktu. Tetapi jika informasi salah masuk ke sistem mereka, apakah melalui pencurian identitas atau kesalahan dikirimkan oleh kreditur, awas! Menguraikan kekacauan dapat hampir mustahil.
Biro memahami pentingnya memberikan informasi yang akurat untuk pemberi pinjaman dan konsumen. Tapi mereka juga mengakui bahwa sistem mereka sendiri bertanggung jawab untuk banyaknya kesalahan laporan kredit. Beberapa kesalahan terjadi karena Prosedur untuk pencocokan pinjaman kepada laporan kredit perorangan.
Biro kredit jarang menerima informasi yang cocok di semua bidang dalam file kredit, sehingga mereka harus menentukan berapa banyak variasi untuk memungkinkan dan masih menyebutnya sebuah kecocokan. Data yang tidak sempurna menyebabkan kecocokan yang tidak sempurna. Seorang konsumen mungkin memberikan informasi yang tidak lengkap atau tidak akurat pada aplikasi kredit. Mungkin konsumen tidak menulis dengan jelas pada aplikasi akun. variasi Nama pada rekening kredit yang berbeda juga dapat mengakibatkan kecocokan yang kurang sempurna..
Biro kredit mengklaim itu adalah mustahil untuk mereka untuk memantau keakuratan 3,5 miliar potongan informasi rekening kredit yang mereka terima setiap bulan. Mereka harus terus bersaing dengan klaim palsu dari konsumen yang memalsukan informasi pemberi pinjaman atau menggunakan perbaikan kredit perusahaan yang curang bahwa tantangan semua informasi negatif pada laporan kredit terlepas dari validitas. untuk memisahkan yang baik dari yang buruk, biro kredit menggunakan sistem e-OSCAR (Solusi Elektronik Online otomatis untuk Pelaporan Lengkap dan Akurat) untuk sengketa konsumen ke depan kepada pemberi pinjaman untuk verifikasi.
Jika laporan kredit Anda menunjukkan kesalahan, biro biasanya tidak menghubungi pemberi pinjaman secara langsung untuk memperbaiki informasi. Untuk menghemat uang, biro mengirimkan protes konsumen dan bukti untuk menjalankan pusat pengolahan Data oleh kontraktor pihak ketiga..
Meskipun sejumlah besar perbaikan sistem ini dari kesalahan (data diperbarui atau diperbaiki selama 72 persen sengketa), konsumen memiliki beberapa pilihan jika sistem gagal. Konsumen yang mengajukan sengketa kedua tanpa memberikan informasi baru mungkin sengketa mereka dianggap sebagai "sembrono." Jika konsumen mencoba untuk menghubungi pemberi pinjaman yang membuat kesalahan pada mereka sendiri, bank tidak memiliki kewajiban untuk menyelidiki sengketa-kecuali itu dikirim oleh biro kredit.

Review Question
1.      Menilai dampak bisnis dari masalah kualitas data biro kredit untuk biro kredit, pemberi pinjaman, untuk individu.
Dampak bisnis dari masalah kualitas data biro kredit untuk biro kredit dapat menimbulkan suatu kerugian bagi biro kredit karena mereka bertanggung jawab atas kesalahan laporan kredit. Sedangkan beberapa kesalahan timbul karena prosedur untuk pencocokkan laporan pinjaman kredit perorangan. Biro kredit harus terus bersaing dengan klaim palsu dari konsumen yang memalsukan informasi pemberi pinjaman. Oleh karena itu, jika laporan kredit konsumen menunjukkan kesalahan, biro biasanya tidak menghubungi pemberi pinjaman secara langsung untuk memperbaiki informasi. Untuk menghemat uang, biro mengirimkan protes konsumen dan bukti untuk menjalankan pusat pengolahan data oleh kontraktor pihak ketiga.
Bagi pemberi pinjaman, dampak bisnis dari masalah kualitas data biro kredit yang akan timbul yaitu adanya kesulitan dalam menilai kelayakan kredit seseorang, kemampuan untuk membayar kembali pinjaman yang diberikan, dan dapat mempengaruhi suku bunga pinjaman, termasuk apakah pinjaman akan diberikan. Selain itu, jika informasi yang salah masuk ke sistem pemberi pinjaman tentang klien potensial dari Biro Kredit, maka mereka akan kehilangan klien-klien serta uang.
Sedangkan, dampak bisnis dari masalah kualitas data biro kredit untuk individu dapat menghancurkan kehidupan individu karena dapat mempengaruhi tingkat suku bunga pinjaman. Selain itu, dapat membantu dalam menemukan atau mempertahankan pekerjaan karena pengusaha memeriksa laporan kredit ketika membuat perekrutan, pemecatan, atau keputusan promosi. Adanya masalah kualitas data biro kredit juga menimbulkan kesulitan dalam mengidentifikasi informasi pribadi dalam file kredit konsumen.
2.      Apakah ada masalah etis yang diangkat oleh masalah kualitas data biro kredit? Jelaskan jawaban Anda.
Biro kredit bertanggung jawab atas konsekuensi dari tindakan mereka, kurangnya manajemen resiko dari kredit biro mengakibatkan permasalahan dalam menyelesaikan  masalah-masalah tentang kualitas data kredit biro. Keakuratan informasi yang dijadikan sebagai database merupakan bagian terpenting untuk meminimalisir kurangnya keakuratan data kredit biro serta meningkatkan kualitas data kredit biro. Tapi mereka juga mengakui bahwa sistem mereka sendiri bertanggung jawab untuk banyaknya kesalahan laporan kredit. Beberapa kesalahan terjadi karena Prosedur untuk pencocokan pinjaman kepada laporan kredit perorangan. Pengisian formulir sebagai informasi awal data kredit biro oleh pelanggan harus diisi selengkap-lengkapnya, apabila terjadi kurang lengkap data bukan merupakan kesalahan dari perusahaan tetapi kesalahan dari pelanggan itu sendiri sehingga perusahaan perlu melakukan verifikasi ulang informasi dan tidak bertanggung jawab atas kesalahan dari jeleknya kualitas data.

3.      Menganalisis manajemen, organisasi, dan faktor teknologi yang bertanggung jawab untuk masalah kualitas data biro kredit.
Manajemen merupakan salah satu faktor internal penting sebagai user dalam menginput data ke server. Sebagian besar “error” dalam penginputan data terjadi pada “human error”, singkatnya bahwa perlunya pelatihan edukasi dan instruksi cara dalam penggunaan teknologi sistem informasi dalam penginputan data.
Organisasi adalah  aspek terbesar pada strukturisasi dalam satu perusahaan. Rumit atau simplisitas struktur berdampak pada penyaluran data atau informasi keseluruh struktur. Semakin rumit atau besar struktur, berpengaruh pada jaringan sistem informasi yang perlu dibuat untuk memudahkan penyaluran informasi untuk meminimalisir “missed communication”
Teknologi  yang digunakan pada sistem perusahaan menjadikan salah faktor yang memiliki dampak besar pada sistem. Kehandalan dan keamanan suatu sistem dalam menyimpan dan menyalurkan data memberikan rasa kepercayaan user untuk menginput data informasi.
Kualitas data pada biro kredit dipengaruhi dari 3 faktor diatas, bahwa teknologi merupakan faktor awal kehandalan dan keamanan user untuk menginput data dan mengambil data. Suatu kualitas data diukur dari kelengkapan informasi dalam suatu data dan keakuratan dalam penyaluran informasi.

4.      Apa yang bisa dilakukan untuk memecahkan masalah ini?
Data berkualitas tinggi memiliki enam atribut kunci yaitu, akurasi, keandalan, kredibilitas, ketepatan waktu, kelengkapan dan kesesuaian. Tingkat dimana data yang memenuhi masing-masing kriteria menentukan kualitas. Setiap atribut didefinisikan sebagai:
Akurasi merupakan data yang benar dan tepat mencerminkan objek atau transaksi itu menjelaskan.
Keandalan merupakan data konsisten di beberapa transaksi.
Kredibilitas merupakan sejauh mana pengguna percaya baik akurasi dan keandalan data.  Data harus kredibel dalam rangka untuk itu harus dimanfaatkan untuk tujuan analisis atau pengambilan keputusan.
Ketepatan waktu merupakan data yang tersedia bagi pengguna akhir-saat diperlukan. Data yang tidak tersedia saat dibutuhkan tidak ada nilainya.
Kelengkapan merupakan semua data yang relevan atau dibutuhkan sudah tersedia untuk digunakan bila diperlukan.
Ketepatan merupakan sejauh mana data itu sendiri relevan dengan kebutuhan organisasi. Memfitnah, menghina, data ofensif, tidak relevan atau tidak pantas yang tidak menambah nilai bagi organisasi degradasi kualitas data.
Banyak organisasi memiliki masalah kualitas yang sangat signifikan . Masalah-masalah ini sering diabaikan atau tidak ditangani. Organisasi mencari bantuan dari masalah data sering berpaling kepada teknologi untuk bantuan. Ini bukan solusi yang paling efektif. Kualitas data adalah masalah perilaku, bukan masalah teknologi. Untuk mengatasi masalah kualitas data organisasi perlu mengubah perilaku pengguna. Sebuah program yang komprehensif berdasarkan pada pencegahan, deteksi koreksi, dan akuntabilitas yang diperlukan. Organisasi yang ingin menerapkan program tersebut harus mencari bantuan dari individu dengan keahlian dalam menciptakan lingkungan yang mendorong perilaku yang diinginkan. Orang-orang ini biasanya akan memiliki latar belakang dalam Pengembangan Organisasi atau bidang yang sama.

Organisasi yang tidak menangani data mereka masalah kualitas menempatkan diri mereka dalam bahaya besar. Organisasi-organisasi buang sejumlah besar uang, waktu dan sumber daya melalui inefisiensi. Mereka membuka diri terhadap risiko hukum, keuangan dan publisitas. Organisasi yang cepat untuk meningkatkan kualitas data menuai manfaat yang luar biasa. Dalam jangka panjang mereka menerima manfaat keuangan melalui peningkatan efisiensi dan efektivitas, menurunkan risiko hukum dan meningkatkan kemampuan mereka untuk menggunakan data untuk mendorong pengambilan keputusan.

Rabu, 22 Mei 2013

Bisakah Belajar Bisnis dari Text Mining?



Text mining adalah penemuan pola dan hubungan dari set besar data tidak terstruktur-jenis data kami hasilkan dalam e-mail, percakapan telepon, posting blog, survei pelanggan online, dan tweets. Konsumen saat ini memiliki lebih banyak cara untuk berkolaborasi, berbagi informasi, dan mempengaruhi pendapat dari teman-teman mereka.
Sebagai contoh, pada tahun 2007, JetBlue mengalami tingkat yang belum pernah terjadi sebelumnya dari ketidakpuasan pelanggan, ketika terjadi badai es pada Februari yang mengakibatkan pembatalan penerbangan meluas dan pesawat terdampar di landasan pacu Bandara Kennedy. Maskapai ini menerima 15.000 e-mail per hari dari pelanggan selama badai terjadi.
Untungnya, Jetblue mampu menggunakan perangkat lunak untuk menganalisis semua e-mail yang telah diterima dalam waktu dua hari, sehingga memungkinkan jetBlue untuk cepat merespon keluhan pelanggan. Perangkat lunak ini menggunakan teknologi eksklusif untuk secara otomatis mengidentifikasi fakta, opini, permintaan, tren, dan spot masalah dari respon survei teks yang tidak terstruktur, layanan catatan, pesan e-mail, forum web, blog entries, artikel berita,  dan komunikasi pelanggan lain. Teknologi ini mampu secara akurat dan  otomatis mengidentifikasi banyak perbedaan  pelanggan yang digunakan untuk memberikan umpan balik. Hal ini dapat mengungkapkan produk tertentu dan masalah layanan, reaksi terhadap pemasaran dan upaya public relations.
Gaylord Hotel dan Choice Hotel menggunakan perangkat lunak teks mining untuk mengambil informasi dari ribuan survei kepuasan pelanggan yang disediakan oleh pelanggan mereka. Gaylord Hotel  menggunakan  analisis teks Clarabridge  melalui media internet sebagai layanan perangkat lunak hosted untuk mengumpulkan dan menganalisis umpan balik pelanggan dari survei, e-mail, pesan chatting, staf call center, dan forum online yang berhubungan dengan pelanggan. Perangkat lunak  teks mining ini bisa digunakan manajer dalam pengambilan keputusan untuk membangun perbaikan.
Wendy Internasional mengadopsi software Clarabridge untuk menganalisis hampir 500.000 pesan yang dikumpulkan masing-masing tahun dari forum umpan balik berbasis web, catatan call center, pesan e-mail, survei berbasis penerimaan, dan media sosial. Rantai kepuasan pelanggan memiliki spreadsheet yang digunakan sebelumnya dan pencarian kata kunci untuk meninjau komentar pelanggan, hal ini merupakan suatu pendekatan manual yang sangat lambat. Manajemen Wendy sedang mencari untuk sebuah alat yang lebih baik untuk analisis kecepatan, mendeteksi munculnya masalah, dan menentukan daerah bisnis bermasalah di tingkat toko, regional, atau perusahaan.
Perangkat lunak analisis teks diterapkan pertama kali oleh instansi pemerintah dan perusahaan besar dengan departemen sistem informasi yang memiliki software yang rumit, tetapi Clarabridge kini menawarkan versi produk yang diarahkan untuk usaha kecil. Teknologi ini sudah diterapkan oleh penegakan hukum, interface alat pencarian, dan "mendengarkan platform" seperti Nielsen Online. Mendengarkan platform adalah alat teks mining yang fokus pada manajemen merek, yang memungkinkan perusahaan untuk menentukan bagaimana perasaan konsumen tentang merek mereka dan mengambil langkah-langkah untuk merespon sentimen negatif.
Analisis data terstruktur tidak akan dianggap usang oleh analisis teks, tetapi perusahaan yang mampu menggunakan kedua metode untuk mengembangkan gambaran yang lebih jelas mengenai sikap pelanggan mereka akan memiliki waktu lebih mudah dalam mendirikan dan membangun merek mereka dan memetik wawasan yang akan meningkatkan profitabilitas.

Review Question
1.      Tantangan apa dalam meningkatkan data tidak terstruktur dalam bisnis?
Tantangan di dalam dunia bisnis dalam menghadapi data-data yang tidak terstruktur adalah sulitnya untuk membaca dan menganalisis data yang masuk dengan begitu banyaknya. Dibutuhkan waktu yang lama untuk membaca data tersebut hingga akhirnya diperoleh kesimpulan/analsisnya dari data tersebut. Untuk itu dibutuhkan sebuah software yang bernama text mining untuk membantu. Dengan adanya text mining data-data yang dibutuhkan oleh perusahaan dapat dengan mudah diperoleh, tidak harus menunggu terlalu lama.
2.      Bagaimana teks-mining meningkatkan pengambilan keputusan?
Text mining melakukan analisis dari data-data yang masuk seperti E-mail, percakapan telepon,posting blog, memo, panggilan transkrip center, tanggapan survei,  dan laporan layanan. Dengan adanya text mining, suatu perusahaan dapat lebih cepat dalam pengambilan keputusan. Karena dengan menggunakan perangkat lunak tersebut perusahaan  dapat lebih cepat mendapat informasi dari banyaknya pelanggan. Setelah dianalisis kemudian text mining menemukan elemen kunci dari data tersebut hingga ditemukan sebuah pola-pola tertentu dan meringkas informasi. Sehingga manager dapat membuat keputusan yang lebih cepat dan tepat dari membaca pola-pola yang dilakukan oleh konsumen.
3.      Apa jenis perusahaan yang paling mungkin untuk manfaat dari perangkat lunak teks mining? Jelaskan jawaban Anda.
Perusahaan yang paling membutuhkan software text mining menurut saya adalah perusahaan besar yang bergerak di bidang jasa. Karena perusahaan di bidang jasa selalu berfokus pada konsumen sehingga saran dan masukan dari konsumen sangat dibutuhkan untuk kemajuan perusahaan tersebut. Dengan adanya text mining tersebut perusahaan dapat mengetahui komentar positif dan negatif dari konsumen yang dapat memberikan informasi bagi konsumen lain untuk menerima dan menggunakan jasa tersebut.
4.      Dalam hal apa text mining berpotensi menyebabkan erosi privasi informasi pribadi? Jelaskan!
Text mining menyebabkan erosi privasi informasi pribadi dalam hal data yang diberikan oleh pelanggan kepada perusahaan. Hal ini bisa terjadi karena pada saat perusahaan melakukan analisis teks terhadap kepuasan pelanggan untuk mengetahui timbal balik dari pelanggan mengenai perusahaannya maka pelanggan tersebut memberikan data pribadinya kepada perusahaan. dengan adanya data pribadi setiap pelanggan, perusahaan dapat melacak pelanggan dengan mudah dalam waktu yang singkat.
Namun, dalam memberikan data atau informasi tersebut dapat terjadi kemungkinan adanya manipulasi data dimana pelanggan tidak memberikan data yang sebenarnya, adanya kesalahan informasi yang diberikan, ataupun penyimpanan data yang salah yang dilakukan oleh perusahaan.

Miss in Action
·         Kunjungi situs web seperti QVC.com atau TripAdvisor.com merinci produk atau jasa yang memiliki ulasan pelanggan. Memilih produk, hotel, atau layanan lain dengan
setidaknya 15 ulasan pelanggan, dan membaca ulasan mereka, baik positif maupun negatif. Bagaimana bisa konten Web mining membantu meningkatkan penawaran perusahaan atau lebih baik memasarkan produk atau jasa? Apakah informasi ini harus disorot?


Jawab :
Karena dengan adanya web mining yang dapat menampung informasi dari pelanggan mengenai komentar positif terhadap produk atau jasa yang dihasilkan sehingga dapat menarik dan mempengaruhi pelanggan lain untuk dapat menerima, membeli, dan menggunakan produk atau jasa tersebut. Dengan demikian, web mining dapat membantu dalam meningkatkan penawaran produk atau jasa yang dilakukan oleh perusahaan. Selain itu, melalui web mining perusahaan dapat dengan mudah untuk memasarkan produk atau jasa kepada pelanggan karena perusahaan memiliki data mengenai setiap pelanggannya.
Informasi ini perlu untuk disorot karena dengan informasi yang didapatkan dari pelanggan akan membantu perusahaan untuk dapat memenuhi kepuasan pelanggan karena perusahaan akan mengetahui mengenai komentar positif maupun negatif dari pelanggannya sehingga perusahaan dapat melakukan perbaikan dan perubahan menjadi lebih baik.