Transformasi digital di sektor perbankan menuntut proses perkreditan yang lebih cepat, transparan, dan berbasis data. Salah satu kunci keberhasilan digitalisasi kredit adalah penerapan Credit Workflow System yang terintegrasi dengan Credit Scoring Automation. Sistem ini memungkinkan proses analisis, persetujuan, dan pemantauan kredit dilakukan secara efisien, mengurangi potensi human error, meningkatkan objektivitas keputusan kredit, serta memperkuat kepatuhan terhadap regulasi OJK dan prinsip risk-based lending.
Pelatihan ini bertujuan memberikan pemahaman dan keterampilan teknis kepada peserta tentang desain, implementasi, dan optimalisasi credit workflow system dan automated credit scoring sesuai dengan praktik terbaik industri perbankan.
Tujuan
- Memahami konsep, komponen, dan manfaat Credit Workflow System di perbankan.
- Mengetahui prinsip dan metode penyusunan Credit Scoring Model.
- Mempelajari cara integrasi Credit Workflow dengan Scoring Automation dan Core Banking.
- Mengidentifikasi tantangan implementasi dan strategi mitigasinya.
- Mengembangkan strategi penguatan data governance dan model governance untuk proses kredit otomatis.
Materi Pokok
- Konsep dan Dasar Credit Workflow System
- Pengertian dan tujuan Credit Workflow System (CWS).
- Tahapan utama dalam credit lifecycle: application – analysis – approval – disbursement – monitoring.
- Struktur sistem dan peran unit kerja dalam workflow.
- Integrasi workflow dengan fungsi risiko, kepatuhan, dan legal.
- Studi kasus: implementasi CWS di bank komersial dan BPD.
- Desain dan Komponen Credit Workflow System
- Arsitektur sistem kredit digital (front-end, middle, back-office).
- Pemetaan alur kerja kredit (workflow mapping).
- Pengaturan approval hierarchy dan user access control.
- Digital document management dan e-signature.
- Integrasi notifikasi dan alert system untuk SLA kredit.
- Konsep dan Metode Credit Scoring Automation
- Pengertian Credit Scoring dan perbedaannya dengan Credit Rating.
- Jenis credit scoring model: statistik, rule-based, dan machine learning.
- Data input yang digunakan (demografi, keuangan, perilaku transaksi, alternatif data).
- Langkah-langkah penyusunan model scoring otomatis.
- Evaluasi model: accuracy, precision, AUC, Gini, KS test.
- Kalibrasi model dan monitoring performa.
- Integrasi Credit Workflow dan Credit Scoring
- Arsitektur integrasi antara CWS, Scoring Engine, dan Core Banking.
- Mekanisme auto-decisioning dan auto-reject berdasarkan skor.
- Implementasi rule engine untuk parameterisasi kredit.
- Integrasi dengan data warehouse dan API scoring provider.
- Monitoring dan logging keputusan kredit otomatis.
- Data Governance dan Model Governance
- Pengelolaan kualitas dan keamanan data kredit.
- Penerapan data dictionary dan metadata management.
- Tata kelola model scoring: validasi, review, dan dokumentasi model.
- Peran Credit Risk Committee dalam pengawasan model scoring.
- Kepatuhan terhadap regulasi OJK dan prinsip transparansi model.
- Strategi Implementasi dan Change Management
- Tahapan implementasi sistem: planning – design – testing – deployment – maintenance.
- Tantangan umum (data silos, resistensi pengguna, integrasi sistem).
- Strategi komunikasi dan pelatihan pengguna.
- Pengukuran efektivitas dan efisiensi pasca implementasi.
- Rencana keberlanjutan dan evaluasi berkala sistem kredit digital.
