Pelatihan ini dirancang secara khusus untuk membekali para profesional di divisi
penyelamatan kredit (remedial & recovery) dengan kapabilitas komprehensif dalam
menganalisis, merancang, serta mengimplementasikan strategi penanganan Non-
Performing Loan (NPL) secara lebih efektif, adaptif, dan berkelanjutan dengan
mengedepankan pendekatan berbasis data serta pemanfaatan teknologi digital terkini.
Di tengah dinamika industri perbankan yang kian kompleks, di mana tingkat risiko kredit
semakin meningkat akibat ketidakpastian ekonomi, dampak berkepanjangan dari
pandemi, serta perubahan perilaku dan preferensi pembayaran debitur yang semakin
digital, pendekatan konvensional dalam penyelamatan kredit sering kali tidak lagi
memadai. Oleh karena itu, pemanfaatan data yang akurat, real-time, dan terintegrasi
menjadi elemen fundamental dalam proses pengambilan keputusan strategis maupun
operasional.
Melalui pelatihan ini, peserta akan memperoleh pemahaman menyeluruh mengenai
prinsip-prinsip dasar penanganan kredit bermasalah secara tradisional, yang kemudian
ditransformasikan dan diperkuat dengan pendekatan modern berbasis data analytics,
visualisasi melalui dashboard monitoring, hingga pemanfaatan decision engine berbasis
teknologi digital dalam proses restrukturisasi, renegosiasi, hingga tindakan akhir eksekusi
kredit bermasalah.
Selama dua hari pelaksanaan pelatihan, peserta akan diajak untuk secara aktif menggali
dan mengembangkan kemampuan dalam mengidentifikasi pola risiko kredit menggunakan
pendekatan analitik berbasis data historis dan perilaku, menyusun segmentasi portofolio
NPL secara digital berdasarkan tingkat risiko dan nilai strategis debitur, serta memahami
secara konseptual dan praktis penggunaan teknologi machine learning dasar untuk
memprediksi kemungkinan perilaku pembayaran debitur di masa depan. Pelatihan ini
juga akan membahas secara aplikatif penggunaan berbagai alat bantu digital seperti
Customer Relationship Management (CRM) khusus untuk koleksi dan penanganan NPL,
sistem collection berbasis otomasi, hingga pemanfaatan artificial intelligence (AI) dalam
mendukung proses recovery berbasis insight. Dengan menggabungkan teori terkini, studi
kasus nyata dari praktik industri, dan simulasi berbasis data, pelatihan ini bertujuan untuk
menciptakan pengalaman belajar yang praktis dan relevan, sehingga seluruh peserta tidak
hanya memahami konsep tetapi juga mampu langsung mengadaptasikannya secara
efektif dalam proses kerja di unit atau divisi masing-masing, guna meningkatkan kinerja
penyelamatan kredit secara keseluruhan.
Tujuan
- Memahami konsep dasar dan pentingnya pendekatan berbasis data dalam penyelamatan kredit.
- Menganalisis data kredit untuk mengidentifikasi risiko dan peluang restrukturisasi.
- Mengembangkan strategi recovery yang efisien dengan dukungan teknologi dan data analytics.
- Mengoperasikan tools digital dasar untuk pengelolaan NPL secara lebih akurat dan responsif.
- Mengintegrasikan data dan teknologi dalam proses komunikasi, negosiasi, dan pelaporan hasil recovery.
Materi Pokok
Hari 1: Dasar Recovery Berbasis Data & Analisis Portofolio NPL
-
Konsep Recovery Kredit Berbasis Data
- Evolusi manajemen NPL: dari pendekatan tradisional ke data-driven
- Peran teknologi dan data analytics dalam recovery modern
- Kunci keberhasilan transformasi digital dalam divisi remedial
-
Analisis Data Kredit & Segmentasi Portofolio
- Struktur dan kualitas data kredit: mengenali sumber utama data NPL
- Teknik segmentasi debitur berdasarkan risiko dan perilaku
- Identifikasi early warning signals dan prioritas penanganan
-
Dasar-Dasar Visualisasi dan Dashboard Monitoring
- Membuat dashboard pemantauan kredit bermasalah
- Indikator performa utama dalam manajemen recovery
- Studi kasus: analisis NPL berbasis data portofolio riil
Hari 2: Strategi Digital Recovery & Implementasi Teknologi
-
Strategi Recovery Kredit Berbasis Data
- Strategi restrukturisasi berdasarkan scoring dan analitik
- Penentuan strategi penagihan (soft-hard) secara digital
- Pembuatan skenario recovery berdasarkan prediksi perilaku
-
Teknologi Pendukung Recovery Kredit
- Penggunaan collection system dan CRM digital
- Pengenalan AI & machine learning dalam prediksi kolektabilitas
- Pemanfaatan automation dan decision engine dalam workflow penyelamatan kredit
-
Studi Kasus & Simulasi Digital Recovery
- Simulasi penerapan strategi recovery dengan data sintetis
- Evaluasi efektivitas strategi berdasarkan indikator performa
- Diskusi grup: rencana implementasi digital recovery di unit kerja masing-masing
