Audit Big Data dalam Pengambilan Keputusan Kredit dan Risiko

Audit Big Data dalam Pengambilan Keputusan Kredit dan Risiko

Audit Big Data dalam Pengambilan Keputusan Kredit dan Risiko

09 - 10 June 2026 Surabaya Hotel Santika Pandegiling

Deskripsi

Pemanfaatan big data dalam industri perbankan telah merevolusi proses pengambilan keputusan, khususnya dalam penilaian kredit dan manajemen risiko. Bank kini mengandalkan data dalam jumlah besar yang berasal dari berbagai sumber baik internal maupun eksternal seperti data transaksi, perilaku nasabah, hingga alternatif data (social, digital footprint) untuk menghasilkan insight yang lebih akurat dan cepat. Teknologi seperti advanced analytics, machine learning, dan automated decision engines memungkinkan proses credit scoring dan risk assessment dilakukan secara real-time dengan tingkat presisi yang semakin tinggi. Namun, di balik keunggulan tersebut, terdapat tantangan signifikan terkait kualitas data, transparansi model, serta keandalan hasil analisis yang digunakan sebagai dasar pengambilan keputusan strategis.

Dari perspektif audit internal, penggunaan big data menghadirkan kompleksitas baru dalam proses assurance. Auditor tidak hanya dituntut untuk memahami alur data dan sistem teknologi yang digunakan, tetapi juga harus mampu mengevaluasi validitas model analitik, mendeteksi potensi bias, serta memastikan bahwa proses pengambilan keputusan tetap sesuai dengan prinsip kehati-hatian (prudential banking) dan regulasi yang berlaku. Risiko seperti model risk, data governance yang lemah, serta kurangnya explainability dalam algoritma menjadi area kritis yang harus diaudit secara komprehensif. Pelatihan ini dirancang untuk membekali auditor dengan pemahaman konseptual dan keterampilan praktis dalam mengaudit penggunaan big data pada proses kredit dan risiko, sehingga mampu memberikan nilai tambah dalam menjaga kualitas keputusan bisnis bank.

Tujuan

Setelah mengikuti pelatihan ini, peserta diharapkan dapat:

  1. Memahami peran dan pemanfaatan big data dalam proses kredit dan manajemen risiko 
  2. Mengidentifikasi risiko utama terkait penggunaan data dan model analitik 
  3. Memahami konsep data governance dan kualitas data dalam konteks perbankan 
  4. Melakukan audit terhadap model credit scoring dan risk analytics 
  5. Mengevaluasi aspek transparansi, bias, dan validitas model 
  6. Mengembangkan pendekatan audit berbasis data (data-driven auditing) 
  7. Memberikan rekomendasi audit yang relevan untuk meningkatkan kualitas pengambilan keputusan

Materi

Hari 1: Konsep Big Data & Risiko dalam Pengambilan Keputusan

1. Pengantar Big Data dalam Perbankan

  • Definisi dan karakteristik big data (volume, velocity, variety, veracity) 
  • Sumber data: internal, eksternal, dan alternative data 
  • Peran big data dalam credit scoring dan risk management 
  • Tren penggunaan AI dan machine learning dalam analisis kredit 

2. Arsitektur dan Alur Data

  • Data lifecycle: collection, processing, storage, dan usage 
  • Data pipeline dan data integration 
  • Infrastruktur teknologi: data warehouse, data lake, dan cloud 
  • Alur data dalam proses pengambilan keputusan kredit 

3. Risiko Utama dalam Penggunaan Big Data

  • Risiko kualitas data (data accuracy, completeness, consistency) 
  • Risiko model (model risk dan overfitting) 
  • Risiko bias dan diskriminasi dalam algoritma 
  • Risiko kepatuhan dan privasi data 
  • Risiko operasional akibat otomatisasi keputusan 

4. Data Governance dan Regulatory Compliance

  • Kerangka data governance dalam perbankan 
  • Data ownership, stewardship, dan accountability 
  • Regulasi terkait perlindungan data dan penggunaan AI 
  • Prinsip kehati-hatian dalam penggunaan data untuk kredit 

Hari 2: Teknik Audit Big Data & Evaluasi Model

5. Audit Kualitas Data

  • Teknik pengujian kualitas data 
  • Data reconciliation dan data validation 
  • Identifikasi data anomaly dan outlier 
  • Audit metadata dan lineage data 

6. Audit Model Credit Scoring dan Risk Analytics

  • Pemahaman model statistik dan machine learning dasar 
  • Validasi model (model validation & backtesting) 
  • Evaluasi asumsi dan parameter model 
  • Pengujian performa model (accuracy, precision, recall) 

7. Audit Transparansi dan Explainability

  • Konsep explainable AI (XAI) 
  • Teknik interpretasi model (feature importance, SHAP, dll.) 
  • Identifikasi potensi bias dan fairness 
  • Evaluasi penggunaan model dalam keputusan bisnis 

8. Audit Berbasis Data (Data-Driven Auditing)

  • Pemanfaatan data analytics dalam proses audit 
  • Continuous auditing dan monitoring 
  • Penggunaan tools analitik untuk auditor 
  • Audit pada sistem automated decision-making 

9. Penyusunan Temuan dan Rekomendasi Audit

  • Identifikasi akar masalah (root cause analysis) 
  • Penyusunan temuan audit berbasis data 
  • Penyampaian insight yang bernilai tambah 
  • Komunikasi hasil audit kepada manajemen dan stakeholder

Peserta

Divisi Internal Audit

Divisi Risk Management

Divisi Credit Risk

Divisi Data Analytics

Divisi Model Risk Management

Divisi IT Audit

Divisi Compliance

Metode

• Pre Test 
• Presentasi Materi 
• Diskusi 
• Studi Kasus 
• Post Test 
 

Fasilitas

• Training Amenities 
• Peralatan Pelatihan (Tas, Hand Out, Flashdisk, Block Note, Pulpen, Watermark) 
• Sertifikat 
• Souvenir 
• 2x Coffee Break, 1x Lunch

Kembali ke Layanan