 Saat ini, lembaga-lembaga keuangan di berbagai negara tengah menjalankan proyek-proyek berskala enterprise guna memenuhi Basel II Capital Accord, suatu kerangka kerja manajemen risiko kredit, yang dibuat oleh Bank for International Settlements di Basel, Swiss. Ini merupakan upaya mencegah timbulnya masalah ekonomi global akibat buruknya manajemen risiko kredit lembaga keuangan global.
Untuk pertama kalinya, berdasarkan Basel II Capital Accord, bank-bank global disyaratkan untuk menerapkan praktik-praktik manajemen risiko yang canggih, untuk melacak dan melaporkan kepada publik paparan risiko terhadap kredit, pasar dan operasional.
Sekalipun nantinya perusahaan jasa keuangan akan diuntungkan, dalam jangka pendek, mereka dihadapkan pada tantangan yang berat: mengumpulkan dan menganalisis data bisnis selama beberapa tahun terakhir (data historis). Misalnya, untuk risiko kredit dibutuhkan data historis selama paling sedikit 5 tahun terakhir, dan 3 tahun untuk risiko operasional. Yang jelas ini bukan pekerjaan ringan, apalagi tenggat waktu untuk Basel II compliance adalah 31 Desember 2006.
Kesulitan manajemen data yang dihadapi bank saat ini tetap sama ketika rancangan Basel II Accord pertama kali digulirkan. Hambatannya masih di seputar masalah pengumpulan data, pembersihan dan pemilahan data, penyimpanan data historis dalam jumlah besar, yang harus bisa tersedia secara on demand , dan bagaimana mengombinasikan data internal dengan data eksternal untuk memberikan hasil analisis yang berguna.
Tidak heran jika kini berbagai bank di belahan dunia gencar mengalokasikan anggaran khusus untuk mengejar Basel II compliance ini. Bank-bank Eropa misalnya, seperti yang dilaporkan Datamonitor membelanjakan tidak kurang dari 4 miliar dolar AS, khusus untuk penerapan TI yang terkait dengan Basel II. Inggris, Perancis dan Italia termasuk big spender , dengan pengeluaran total sebesar 1,9 miliar dolar tahun 2005 mendatang.
Bank-bank di tanah air, menurut Hengkie Kastono, Country Manager Financial Service Sector PT IBM Indonesia , juga sudah mulai menerapkan Basel II ini, meski dalam skala terbatas karena dana yang dibutuhkan untuk membangun infrastrukturnya memang tidak kecil. Penerapannya, menurut Hengkie, masih diprioritaskan pada sepuluh besar bank nasional.
Tantangan berat
Dari Risk Management Benchmarking Study 2001 dari Standard & Poor, para analis mengungkapkan bahwa 50 persen dari seluruh bank di dunia (yang berpartisipasi dalam studi ini) memiliki data historis yang benar rata-rata kurang dari tiga tahun. Melihat besarnya peran data untuk bisa memenuhi persyaratan Basel II, maka boleh dibilang permasalahan utama yang harus dibenahi dulu adalah data dan pengelolaannya. Hal ini juga dinyatakan oleh lembaga jasa keuangan Inggris, Institute of Financial Services (IFS), bahwa data merupakan perhatian utama, dan TI merupakan jawaban untuk mengatasi masalah itu.
“Untuk memenuhi tenggat waktu 2006, masalah yang paling mendesak bagi perbankan adalah untuk mendapatkan data yang layak, khususnya dalam bidang operational risk . Masalah kedua terbesar perbankan adalah menyiapkan sumberdaya TI untuk mendapatkannya,” kata IFS.
Dalam tiga pilar Basel II, yaitu credit risk , market risk dan operational risk , ada beberapa tantangan yang erat kaitannya dengan data. Untuk memahami besarnya risiko kredit, bank harus mengidentifikasi dan mengumpulkan data untuk memenuhi persyaratan validasi dan bukti-bukti yang menguatkan manajemen risiko kredit. Tanpa data ini, sulit bagi perusahaan untuk mengelola portofolio risiko kreditnya secara efektif.
Untuk mengembangkan pendekatan yang proaktif, bukan reaktif, bagi manajemen risiko operasional, perbankan perlu mengatasi kesulitan dalam masalah statistik, dengan data yang sangat langka. Sistem manajemen risiko operasional baru ini harus mempunyai akses ke data, yang memberikan lebih dari observasi risk-event semata. Dalam hal market risk , teknologi dibutuhkan untuk melakukan analisis dan menginterpretasikan hasilnya guna memenuhi syarat risk disclosure dan pengawasan minimum.
“Kuncinya adalah dengan menyediakan investasi sistem TI berkualitas tinggi dan handal. Perbankan membutuhkan arsitektur TI yang kuat untuk mengakses, mengintegrasikan, menganalisis dan melaporkan kinerja dan data risiko/kerugian, guna menyediakan risk intelligence secara cepat,” kata Ed Wrazen, vice president EMEA operations, Trillium Software , perusahaan penyedia solusi data management .
Arahnya ke Single Customer View
 |
| Hengkie Kastono, Country Manager Financial Service Sector PT IBM Indonesia |
Masalah kualitas data boleh dibilang masalah klasik, yang tidak saja dihadapi perbankan di luar, tetapi juga di tanah air. “Misalnya nasabah perbankan. Data mengenai dia punya pinjaman apa saja, dan informasi lainya itu terkadang kualitasnya buruk atau tidak ter- update . Mungkin saja, nasabah pernah punya masalah, namun tidak tercantum di database . Ketika (data) ini dicari sistem, tidak ketemu, jadi dianggap OK. Nah , disinilah pentingnya kualitas data. Disiplin untuk memperbarui data juga penting,” tutur Hengkie Kastono, country manager financial services sector , PT IBM Indonesia kepada eBizzAsia belum lama ini. Menurut Hengkie, masalah kualitas data merupakan tantangan berat yang dihadapi perbankan di tanah air saat ini. Juga, konsolidasi data, sekalipun keinginan itu sudah banyak diungkapkan.
“Kesulitannya mereka berangkat dari sistem yang mungkin tersebar. Sehingga, untuk konsolidasi dibutuhkan upaya dan waktu yang panjang. Namun, arahnya memang sudah ke sana,” ujar Hengkie.
Consolidated database , apakah itu untuk pemasaran, penjualan atau manajemen risiko, memberikan mekanisme kontrol yang lebih baik. “Jika terpisah, data bisa tidak sinkron,” kata Hengkie. “Mungkin saja data yang ada di bagian penjualan tidak bagus, tetapi karena mereka mau jualan, ya digunakan saja datanya. Akibatnya, (permohonan nasabah) diloloskan. Ujung-ujungnya bisa jadi bad loan . Semua data ini dikonsolidasi agar semua pihak sama-sama melihatnya.”
Sebagian bank, menurut Hengkie sudah mengintegrasikan datanya, meski belum sempurna. Nantinya, akan mengarah ke single customer view . Artinya, seorang pelanggan jangan sampai memiliki data ganda.
“Misalnya, karena memiliki dua perusahaan, ada dua data yang terpisah. Mungkin, data salah satu perusahaannya bagus, sementara yang lainnya dililit hutang yang besar. Jika tidak ketahuan, yang bersangkutan minta pinjaman dikasih saja. Padahal, itu untuk menutupi utang perusahaan,” jelas Hengkie.
engan single customer view , hal semacam itu bisa diantisipasi, sehingga risiko perbankan bisa dikelola dengan efektif. aa |
Menilai Kesiapan Data
Menurut Wrazen, risk model ini bisa dibuat dengan menarik data dari suatu host sistem operasional - umumnya legacy platform - yang tersebar di berbagai tempat dalam perusahaan. Ini merupakan hambatan utama bagian TI, yang mungkin saja tidak berpengalaman menangani data, dimana data terkait langsung dengan operational risk . Dengan beragamnya sistem perbankan dan data warehouse yang digunakan, sentralisasi risk data ini menjadi tantangan berat bagi perusahaan apapun.
Untuk merencanakan dan mengelola compliance project secara efektif, Wrazen menyarankan agar pihak yang berkepentingan perlu memahami data yang mereka miliki, menilai apa yang tersedia dan bagaimana kesesuaiannya dengan Basel II. Mereka, kata Wrazen, harus menentukan ukuran-ukuran data yang penting, plus melakukan penilaian konsistensi dan “kebersihan” data. Terakhir, lanjut Wrazen, mereka perlu melakukan gap analysis terhadap data yang saat ini tersedia dan dibutuhkan.
Sayangnya, cara manual tradisional untuk analisis dan profiling data masih jauh dari memadai untuk bisa memenuhi persyaratan Basel II. Perusahaan membutuhkan solusi yang bisa secara cepat menganalisis sumber data untuk mengetahui besar dan prevalensi data-data bermasalah. Menurut Wrazen, solusi apapun yang digunakan untuk mengatasi masalah data ini, evaluasi kualitas data diperlukan sebelum melakukan disclosure seperti disyaratkan Basel II.
“Bahkan, bagi perusahaan, untuk bisa dianggap sudah full compliance dengan Basel II, mereka harus mampu mengaudit datanya dan memperlihatkan bahwa datanya sudah mematuhi persyaratan Basel II,” lanjut Wrazen.
Data yang “bersih”
Dari paparan di atas, terlihat bahwa masalah kualitas dan kebersihan data merupakan faktor penting untuk mendapatkan risk data yang valid, selain konsolidasi data dan data analytics -nya. Pentingnya kualitas data ini juga ditegaskan IDC, dalam laporannya yang bertajuk “Business Analytics Implementation Challenges – Top 10 Considerations for 2003 and Beyond”. Menurut laporan itu, kualitas data menempati urutan penting kedua bagi perusahaan yang tengah menerapkan piranti lunak business analytics secara luas. Sebagian besar bank belum mengadopsi prosedur operational risk assessment mutakhir.
Menurut Sabyasachi Bardoloi, konsultan teknologi dari Pinnacle Research Group, tantangan bank dalam waktu dekat ini adalah melihat dan mencari data yang dibutuhkan dan membangun data warehouse untuk menampung data guna analisis lebih lanjut.
“Bank juga harus memastikan efektivitas integrasi berbagai jenis risiko dan menghitung secara akurat berbagai ukuran risiko,” ujar Bardoloi. Ia juga mengingatkan bahwa mekanisme pembersihan data yang ada sekarang ini kurang memadai. Berdasarkan laporan Data Warehousing Institute yang mengungkapkan bahwa perusahaan-perusahaan di AS mengeluarkan dana sekitar 600 miliar dolar untuk membersihkan data mereka.
“Artinya, bank perlu meninjau kembali teknik-teknik yang sekarang mereka gunakan dan menyiapkan perubahan modal berikutnya. Basel II sendiri merekomendasikan alokasi modal pertama kali dalam wilayah operational risk ,” ujar Bardoloi.
Sayangnya, lanjut Bardoloi, pihak bank terlambat menyadari kondisi kebersihan datanya, sampai munculnya proyek Basel II compliance . “Data-data kotor terbukti menjadi sumber masalah, khususnya ketika sistem komputer perbankan gagal menginterpretasikan informasi secara akurat dan kehilangan atau menghapus file-file penting atau kehilangan jejak pelanggannya,” ujar Bardoloi.
Untuk mempertahankan keunggulan kompetitif, Bardoloi menyarankan agar bank mengadopsi langkah-langkah untuk memantau dan membersihkan seluruh informasi yang diperolehnya, baik dari luar maupun dalam. “Prioritas tertinggi sekarang ini adalah mendapatkan data yang bersih dan berkualitas, dengan berinvestasi di sistem data collection yang memadai,” ujar Bardoloi.
Kemampuan perusahaan untuk membatasi dan mengukur risiko akan lebih besar setelah piranti data collecting dan intelligence ini diterapkan, karena hal itu akan membantu memahami posisi pelanggan secara lebih baik.
Customer intelligence yang memadai, ujar Bardoloi, akan membantu mengetahui dan menekan bad loan , yang nantinya akan membantu pembuatan strategi debt management yang lebih efektif. “Hal itu juga akan mengurangi dana yang dibutuhkan untuk alokasi modal untuk operational risk management ,” tutupnya. ss/e/aa
Foto: istimewa
|
