Penulis:Hengky MulyonoDashboard kualitas portofolio kredit untuk divisi manajemen risiko sebuah bank umum nasional. Dashboard ini memantau kualitas kredit setiap hari dan setiap bulan di seluruh bank, wilayah, cabang, dan unit. Tujuh dashboard mencakup kualitas portofolio, perpindahan kualitas kredit, penurunan kualitas, risiko kredit, dan perilaku kelompok pinjaman, dan data pendukung melewati alur maker dan approver sehingga angkanya dapat dipertanggungjawabkan.
Tabel utama menampilkan bulan berjalan, tahun berjalan, dan tahun sebelumnya dengan warna hijau, kuning, atau merah, lengkap dengan penanda ketika indikator melewati batasnya.
Halaman utama langsung mengarahkan ke dashboard yang dibutuhkan: kualitas portofolio, Was Is, downgrade, cut off, loan at risk, vintage analysis, dan mortality rate.
Grafik batang dan garis memperlihatkan arah setiap indikator dalam beberapa bulan terakhir, lengkap dengan pembanding dan batasnya.
Setiap dashboard bisa difilter menurut periode, wilayah, divisi, segmen, dan jenis produk. Klik pada angka mana pun membuka data di baliknya dengan filter yang sama.
Grafik memperlihatkan kredit yang membaik, kredit yang memburuk, dan nilai hapus buku dari bulan ke bulan.
Data penyesuaian diunggah dari Excel, diimpor di latar belakang, ditinjau, lalu disetujui sebelum dipakai dashboard. Status yang jelas dan notifikasi menjaga kedua pihak tetap terinformasi.
Matriks menunjukkan ke kategori kualitas mana kredit berpindah dari satu periode ke periode berikutnya, dengan ringkasan proporsi di sampingnya.
Tim risiko mengatur batas tiap indikator, dan perubahannya disetujui lebih dulu. Tabel bisa diekspor ke Excel atau PDF, dan setiap aktivitas tercatat di log yang bisa dicari.
Kredit dikelompokkan menurut bulan pencairan, sehingga tim melihat bagaimana kualitas tiap kelompok berkembang pada bulan-bulan berikutnya.
Ini adalah dashboard kualitas portofolio kredit yang kami bangun untuk divisi manajemen risiko sebuah bank umum nasional. Dashboard ini menggantikan pemantauan manual dengan tujuh dashboard yang menunjukkan bagaimana kredit bank berjalan, dari seluruh bank sampai satu unit.
Tulisan ini membahas alasan bank membutuhkannya, apa yang ditampilkan dashboard, bagaimana data dijaga agar bisa dipercaya, dan bagaimana pekerjaan ini dijalankan.
Seiring pertumbuhan penyaluran kredit, kebutuhan untuk memantau kualitas kredit sejak dini ikut naik, selagi masih ada waktu untuk bertindak. Divisi risiko memantaunya secara manual. Penghitungan dan penyajian data secara manual rawan salah, dan memperlambat analisis yang lebih dalam tentang di mana risiko mungkin sedang menumpuk.
Bank menginginkan alat pemantauan yang menghilangkan kesalahan manusia dalam perhitungan dan penyajian, dan yang membuat analis sampai ke jawaban lebih cepat.
Beberapa istilah muncul di seluruh dashboard. Month to date, year to date, dan year over year membandingkan sebuah angka dengan titik yang sama di bulan berjalan, tahun berjalan, dan tahun sebelumnya. Kredit mengalami downgrade ketika kategori kualitasnya memburuk. Vintage analysis mengelompokkan kredit menurut bulan pencairan dan mengikuti tiap kelompok dari waktu ke waktu. Mortality rate melihat seberapa cepat kredit dalam satu kelompok keluar dari kondisi baik seiring usianya.
| Dashboard | Pertanyaan yang dijawab |
|---|---|
| Kualitas portofolio | Bagaimana kondisi portofolio sekarang dibanding bulan dan tahun lalu, dan indikator mana yang sudah melewati batasnya? |
| Was Is | Ke kategori kualitas mana kredit berpindah dari satu periode ke periode berikutnya? |
| Downgrade | Berapa kredit yang memburuk, dan bagaimana dibanding batasnya? |
| Cut off | Bagaimana perilaku kredit ketika dikelompokkan menurut lamanya tercatat di pembukuan? |
| Loan at risk | Seberapa besar bagian portofolio yang terpapar risiko, menurut wilayah dan bulan? |
| Vintage analysis | Bagaimana tiap kelompok kredit, menurut bulan pencairan, berkembang dari waktu ke waktu? |
| Mortality rate | Seberapa cepat kredit dalam satu kelompok keluar dari kondisi baik? |
Sebagian besar data berasal dari penyimpanan data milik bank. Beberapa angka, seperti penyesuaian, kredit restrukturisasi, hapus buku, dan proyeksi, dikelola pengguna, sehingga melewati alur maker dan approver sebelum dipakai dashboard mana pun.
Batas mengikuti aturan yang sama: tim risiko bisa mengubahnya, dan perubahan disetujui lebih dulu sebelum berlaku. Setiap langkah dan setiap login tercatat di jejak audit.
| Tantangan | Cara menanganinya |
|---|---|
| Pemantauan dan perhitungan manual | Dashboard menghitung dan menyajikan angka dengan cara yang sama setiap kali. |
| Banyak sudut pandang pada data yang sama | Filter berjenjang untuk periode, wilayah, divisi, segmen, dan jenis produk. |
| Batas yang berubah | Batas bisa diatur dan disetujui sebelum berlaku. |
| Data pendukung di luar penyimpanan data utama | Unggah, tinjau, dan setujui sebelum dipakai. |
| Pertanyaan di balik sebuah angka | Klik angka mana pun untuk membuka data sumber dengan filter yang sama. |
Pekerjaan dimulai dari permintaan bank yang memuat daftar dashboard dan kebutuhan pemantauan: tampilan harian, mingguan, dan bulanan, riwayat, pembanding, batas, dan ekspor. Kami lalu menguraikan seluruh aplikasi dalam spesifikasi fungsional dan teknis yang mencakup pengaturan, master data, batas, sumber data, tujuh dashboard, dan jejak audit, dan menelaahnya dengan matriks ketertelusuran kebutuhan. Versi spesifikasi berikutnya menambahkan notifikasi pada alur maker dan approver.
Saat serah terima, bank menerima spesifikasi, kode sumber, dan panduan instalasi untuk server milik bank sendiri.
Tim risiko kini membaca angka yang sama dari satu sumber. Drill-down menggantikan pencarian di antara spreadsheet, data pendukung punya jejak persetujuan yang terlihat, dan analis bisa bergerak dari indikator merah ke kredit di baliknya dalam beberapa klik.
Kalau tim risiko atau keuangan Anda masih menyusun pemantauan di spreadsheet, halaman pengembangan software fintech kami menjelaskan cara kami mengerjakan proyek seperti ini.
DISCLAIMER:
Untuk melindungi kerahasiaan klien, seluruh data yang ditampilkan, termasuk nama, angka, pengenal, nilai, serta panjang, struktur, dan format data tersebut, telah diganti dengan data fiktif, diacak, atau disamarkan, dan tidak mencerminkan data maupun sistem asli klien mana pun. Tidak ada kesimpulan mengenai data, sistem, atau informasi bisnis klien mana pun yang dapat ditarik dari materi ini. Kemiripan dengan orang, organisasi, atau data yang sebenarnya murni kebetulan.
Lihat lebih banyak solusi digital yang dibangun untuk meningkatkan operasional, pengalaman pelanggan, dan pertumbuhan bisnis di berbagai industri.
We're ready to help you deliver high-performing websites, boost your business visibility in search engines, and build digital platforms tailored to your specific needs.
