Hvordan Indonesias BNPL-gigant utnytter datavitenskap for å drive innovasjon

Datavitenskap og maskinlæring er noen av de mest komplekse, men viktige forretningskonseptene i dag. Og mange selskaper, uavhengig av nisje, er avhengige av at de leverer en bedre brukeropplevelse til kundene sine.

Men hvilken rolle spiller datavitenskap og maskinlæring i utviklingen av innovative finansielle systemer, spesielt i land som Indonesia?

Mangelen på kreditthistorikk kombinert med den betydelige bruken av mobiltelefoner i Indonesia representerer et godt sted for fintech-selskaper for å levere avanserte brukervennlige økonomiske løsninger for forbrukere.

I dette episode av Data Point of View snakket Laurie Hood, Chief Marketing Officer hos Mobilewalla med Joel Samuel, VP, Head of Machine Learning Engineer, hos FinAccel, morselskapet til Indonesian Buy Now, Pay Later (BNPL)-plattformen Kredivo.

De diskuterte viktigheten av maskinlæring og datavitenskap for å oppnå forretningsmål og levere en bedre brukeropplevelse, utfordringene med å finne datavitenskapsspesialister, fintech- og e-handelsutvikling i Sørøst-Asia, og essensen av å starte i det små.

Nøkkelinnsikt fra podcasten

Det er to hovedgrunner til å tilby bedre løsninger i Indonesia

Joel og FinAccel har som mål å tilby bedre fintech-løsninger til det indonesiske markedet av to grunner.

«Den første er den lave penetrasjonen av kredittkort i Indonesia. Det er bare 17 millioner kredittkort sammenlignet med befolkningen vår, som er rundt 250 millioner i dag. Så det er bare 0.07 kredittkort per innbygger. Det er veldig lavt. Den andre er den høye penetrasjonen til mobiltelefoner.

For tiden har Indonesia mer enn 119 millioner mobiltelefoner. Det er nesten 0.8 mobiltelefoner per innbygger. Så det er et søtt sted. Du har en mobiltelefon, men du har ikke kredittkort.»

Vi tror på «feil fort og lær fort».

Joel og teamet hans har stor tro på at prosjekter bør gjøres litt etter litt. På den måten, selv om du mislykkes, har du muligheten til raskt å lære av feilen din.

"Vi kan oppdage om det er noe galt med modellen som vi presset til produksjon. Vi tror også virkelig på «feil fort og lær fort».

Vi presser alltid produksjonen litt etter litt for å se effekten og effekten av modellen. Så vi starter med de enkle tingene og de små tingene."

I følge Joel,

"E-handel blomstrer i Indonesia, og landet har tre eller fire "enhjørninger" som startet basert på e-handel. En av utfordringene med e-handel, ikke bare i Indonesia, men over hele verden, er å forlate handlevogner.

Og det problemet handler mer om betalingsalternativene eller betalingskanalene. De fleste forlater handlekurven fordi de har problemer med betalingen – det er FinAccels søte sted.»

Når det gjelder synet på datavitenskap fra seniorledelsen, delte Joel at "siden begynnelsen har vi hatt buy-in fra toppnivå, med tanke på at hvis vi ønsker å forstyrre den beste aktøren i markedet, som banken eller multifinansieringsselskapet som allerede er der, er det eneste vi kan gjøre å introdusere datavitenskapelig metodikk.

Han forklarte at de løser problemet på en bedre måte fordi selskapets toppledelse mener at datavitenskap er en stor mulighet.

"Men selv om vi allerede har definert målet vårt eller initiativet som kommer fra toppledelsen, må vi bevise at vi kan levere det initiativet eller buy-in på den aller første enheten."

En utfordring for datavitenskapsteam er å bygge tillit i organisasjonen. Hos FinAccel hadde teamet regelmessige møter med COO og CEO i løpet av de to første årene teamet var på plass for å presentere resultatene sine.

De har også en god overvåkingsarbeidsflyt og rammeverk slik at de raskt kan oppdage om det er noe galt med en modell som ble presset til produksjon.

Joel og teamet hans har bygget opp selvtillit ved å starte med et lite problem, gå raskt til produksjon og så raskt se resultatene.

På denne måten kan ledelsen umiddelbart se virkningen av deres datavitenskapelige tilnærming.

Se Mobilewallas Data Point of View-podcast med Laurie Hood og Joel Samuel her..