Tim data saya sudah familiar dengan solusi AWS dari peran pekerjaan sebelumnya, jadi kami pun percaya bisa membangun infrastruktur analisis kami di AWS dalam waktu satu bulan, dibandingkan dengan infrastruktur di lapangan yang membutuhkan waktu hingga tiga bulan. Kami juga menemukan bahwa AWS mengurangi biaya Infrastruktur kami sebesar 20 persen dibandingkan dengan infrastruktur di lapangan
Azby Luthfan Head of Technology, Amartha

Amartha menawarkan kredit pinjaman untuk pengusaha di daerah pedesaan di Indonesia dalam mendanai usaha mereka. Untuk mengajukan kredit pinjaman, para pengusaha harus mengisi formulir di kantor Amartha terdekat. Formulir ini kemudian diunggah ke situs web Amartha, di mana para investor memilih usaha yang ingin mereka danai. Pembayaran kredit pinjaman kemudian dikoleksi oleh personel Amartha di lapangan.

Amartha menghadapi tantangan dalam menganalisa data kredit pinjaman agar secara cepat bisa mengidentifikasi area yang kreditnya bermasalah. Azby Luthfan, kepala bagian teknologi Amartha menjelaskan, “Analisis data dan aplikasi kredit kami bekerja di lapisan infrastruktur yang sama. Kami perlu merestrukturisasi data di database kami untuk analisis lebih detail tanpa menghambat kinerja aplikasi kredit kami. Dengan demikian, diperlukan infrastruktur analisis yang khusus didedidasikan untuk itu.”

Dari segi bisnis dianggap terlalu mahal untuk membangun infrastruktur di lapangan karena biaya pengeluaran modalnya. Karena itu, Luthfan pun melirik layanan cloud dan memutuskan untuk menggunakan Amazon Web Services (AWS). “Tim data saya sudah familiar dengan solusi AWS dari peran pekerjaan sebelumnya, jadi kami pun percaya bisa membangun infrastruktur analisis kami di AWS dalam waktu satu bulan, dibandingkan dengan infrastruktur di lapangan yang membutuhkan waktu hingga tiga bulan. Kami juga menemukan bahwa AWS mengurangi biaya Infrastruktur kami sebesar 20 persen dibandingkan dengan infrastruktur di lapangan,” kata Luthfan.

Setiap harinya sekitar 10 gigabyte data dari database kredit pinjaman dan pembayaran disimpan di Amazon Simple Storage Service (Amazon S3). AWS Glue,  layanan ekstrak, transformasi, dan beban (ETL) yang dikelola sepenuhnya, mempersiapkan dan memuat data di Amazon Redshift. Tim analisis Amartha kemudian mengoleksi data Amazon Redshift menggunakan alat intelijen bisnis open-source untuk mengidentifikasi kesalahan kredit pinjaman dengan cepat.

Luthfan mengatakan, “Kami mampu melihat dengan cepat di mana meningkatnya kesalahan terjadi dan mengirimkan staf Amartha untuk mencari solusinya. Dengan infrastruktur analisis kami yang menggunakan AWS, kami menemukan jumlah kredit macet bisa dipertahankan di bawah 3 persen - lebih rendah dari rata-rata.” 

Untuk informasi lebih lanjut, kunjungi Data Lakes dan Analisis di AWS.