Digital Credit Scoring and Automation in Credit Evaluation Process

Digitalisasi dalam sektor keuangan telah mengubah cara lembaga keuangan
menilai kelayakan kredit. Salah satu inovasi utama adalah digital credit scoring yang
mengintegrasikan data tradisional dan alternatif, diproses menggunakan algoritma dan
kecerdasan buatan (AI) untuk menghasilkan penilaian risiko kredit yang cepat dan
akurat. Bersamaan dengan itu, automasi dalam proses evaluasi kredit memungkinkan
efisiensi operasional, pengurangan bias manual, serta akses kredit yang lebih inklusif,
terutama untuk segmen underserved.
Pelatihan ini dirancang untuk memberikan pemahaman komprehensif mengenai
konsep, arsitektur, dan implementasi digital credit scoring dan automasi proses kredit.
Peserta akan mempelajari bagaimana memanfaatkan data, memilih model algoritmik,
dan mengintegrasikan sistem scoring ke dalam proses kredit secara end-to-end.
Dilengkapi dengan praktik, studi kasus nyata, dan tren global, pelatihan ini cocok bagi
analis kredit, risk officer, data scientist, serta pengambil kebijakan di sektor keuangan
digital.

OBJECTIVE

• Memahami konsep dasar dan pentingnya digital credit scoring.
• Mengenali jenis data yang digunakan dalam digital scoring (tradisional & alternatif).
• Mempelajari cara kerja algoritma scoring (statistik & machine learning).
• Mengetahui proses otomatisasi dalam evaluasi kredit, dari aplikasi hingga persetujuan.
• Memahami arsitektur teknologi dan alur sistem end-to-end credit automation.
• Menyusun strategi penerapan digital scoring di institusi keuangan.
• Meningkatkan efisiensi, inklusi, dan akurasi dalam proses pemberian kredit.

COURSE OUTLINE

• Pengantar Digitalisasi Proses Kredit
  • Evolusi proses evaluasi kredit: manual vs digital
  • Peran teknologi dalam efisiensi dan mitigasi risiko
  • Digital lending ecosystem overview
• Dasar-Dasar Digital Credit Scoring
  • Pengertian digital credit scoring
  • Perbedaan dengan traditional credit scoring
  • Fungsi utama dalam manajemen risiko kredit
• Sumber Data dalam Digital Credit Scoring
  • Data Tradisional
    • Data keuangan, histori kredit, penghasilan
    • BI Checking / SLIK, payroll, bank statement
  • Data Alternatif
    • Data telekomunikasi dan mobile usage
    • E-commerce dan e-wallet transaction data
    • Media sosial dan perilaku digital
• Algoritma dan Metode Scoring
  • Logistic regression & decision trees
  • Random forest, gradient boosting, dan neural networks
  • Pemilihan model: akurasi vs interpretabilitas
  • Validasi model & pengujian bias
• Automasi Proses Evaluasi Kredit
  • Alur otomatis: aplikasi → verifikasi → scoring → keputusan
  • Integrasi API: verifikasi KTP, NPWP, rekening, SLIK
  • Decision engine dan rule-based system
  • E-signature dan auto-disbursement
• Arsitektur Teknologi dan Sistem
  • Komponen sistem digital credit scoring
  • Data pipeline dan machine learning pipeline
  • Interface pengguna: dashboard analis, pelanggan, dan mitra
• Tata Kelola, Regulasi, dan Keamanan Data
  • Kepatuhan terhadap OJK, BI, dan UU Perlindungan Data Pribadi (PDP)
  • Etika penggunaan data alternatif
  • Manajemen risiko teknologi & keamanan siber