Masih ingatkan anda dengan film 007 James bond yang berjudul Spectre? Kalau anda masih ingat dengan tokoh villain dalam film itu adalah seorang “juragan” segala data/informasi penting dari seluruh penjuru dunia. Disitu digambarkan bahwa informasi/data adalah barang paling berharga di masa depan sehingga sang villain begitu berkuasa. Lalu, “opo hubungane karo Big data analytics?”. Beberapa hari yang lalu dalam rapat internal divisi kami, sang bos bertanya kira-kira begini, “apa sih yang mau kita tuju dengan rencana big-data ini?coba deh kita diskusi ringan saja, kira-kira apa yang bisa dikembangkan dari big-data ini?” Salah seorang rekan kami menjawab dengan berbagai contoh aplikasi yang sekarang digemari anak-anak muda, dsb. Saya sebagai seorang yang cuma tau sedikit soal teknik mesin (engsinyur mesin ndeso) tentu agak pusing juga bagaimana menjawabnya, karena memang selain bukan basic knowledge saya, pun juga bukan bidang pekerjaan saya. Maksudnya, bahwa dalam menjawab pertanyaan Pak Kadiv memang seharusnya benar-benar dengan jawaban yang berbasis pada best-practices yang sudah banyak dikembangkan oleh perusahaan-perusahaan utilities karena pada dasarnya industri penyedia energi (energy utilities) itu technology follower karena banyak simpul tali regulasi yang mengikat leher, tangan, dan kakinya. Pada akhirnya saya putuskan untuk diam, dan akan mencari tau dulu sebanyak-banyaknya.

Secara umum big-data adalah “data sek uaaakeehhh, ruwet, dan bermacam-macam tipe”. Lalu apa makna analytics disitu?ya…tak lain tak bukan adalah bagaimana seorang data scientist dengan segala macamnya tools dan infrastruktur pendukungnya mampu mengolah data-data yang banyak dan rumit itu menjadi sebuah data package yang valuable. Nah, karena package data yang sudah terolah itu memiliki nilai, maka tentu saja data itu bisa dimanfaatkan untuk meningkatkan kinerja organisasi itu sendiri, atau bahkan dijual ke organisasi lain. Big-data analytics sebenarnya bukan hal baru, sudah sejak lama banyak institusi yang bermain-main dengan hal ini dan bisa membangkitkan revenue stream yang menggiurkan bagi organisasi mereka. Organisasi-organisasi profit macam Bank, perusahaan kartu kredit, industri telekomunikasi dan media, perusahaan asuransi dan masih banyak perusahaan lain telah menjual paket-paket data dari konsumen mereka. Dari hasil estimasi Accenture, dalam lima tahun terakhir, “bakulan data” ini mengalami pertumbuhan gila-gilaan dari “cuma” $150 Juta menjadi industri dengan nilai mencapai $200 Miliyar (edan to…?, daripada jualan komoditas mulu kek negeri kita sekarang). Bahkan perusahaan macam MasterCard dan Walmart telah memiliki lini bisnis “bakulan data” yang persentase pertumbuhannya jauh melampaui core-business mereka. What the ****???.

Kalau anda membaca artikel saya sebelumnya tentang smartgrid, maka anda tentu akan penasaran, apakah energy utilities yang sudah mature saat ini sudah menerapkan smartgrid?. Terlepas dari sejauh apa jangkauan definisi anda tentang smartgrid, apakah sebatas dengan smartmeter, AMI, multi-type power generations integration, atau hingga integrasi seluruh komponen/layers dari rantai nilai bisnis ketenagalistrikan mulai dari enterprise layer hingga device layers, maka jelas akan anda dapati bahwa akan terjadi aliran data (baik data numerik maupun data teks) dalam jumlah yang luar biasa banyak. Sampai disini, kita menyebut annual data yang luar biasa banyak itu sebagai Big-data. Apa saja data itu, ok, sebagai contoh di layer pelanggan misalnya, bisa kita peroleh data penggunaan energi oleh konsumen, spending uang yang konsumen keluarkan dalam suatu periode waktu, pola konsumsi konsumen terhadap penggunaan berbagai macam alat rumah tangga (home appliances), pengaruh perubahan tarif energi listrik, bahkan kebiasaan hidup konsumen bisa kita tangkap dari pola penggunaan energi mereka diberbagai jenis/tipe pelanggan. Dari layer paling bawah ini saja, kita bayangkan betapa besarnya jumlah data yang akan masuk ke server jika itu diperoleh dari sekitar 65 juta pelanggan yang diambil mungkin setiap 30 menit atau 1 jam. Data tersebut jika dapat kita analisis dan eksplore lebih jauh maka tidak hanya penting untuk merencanakan dan forcasting kebutuhan energi di masa mendatang, merancang model bisnis baru bagi perusahaan utility di masa depan, namun juga bisa dimanfaatkan sebagai research resources untuk men-drive market perusahaan lain yang menjual produk atau jasa yang terkait dengan energi listrik. Di Amerika, berdasarkan data estimasi dari perusahaan survey, diperkirakan ada sekitar 2.8 Miliyar data points setiap hari yang masuk dari konsumen perusahaan penyedia listrik. Uaaakeehhh…

Nah sekarang tiba pada pertanyaan, “ente mau jualan data apaan???”. Kalau soal kerahasiaan data, maka bisa saja kita jual dalam dua macam klasifikasi data. Pertama, perusahaan utilitas menyediakan data pelanggan secara anonim. Data ini bisa berguna untuk keperluan penelitian dan pengembangan bisnis, produk-produk atau jasa yang terkait dengan energi listrik. Mengetahui lebih dalam karakteristik penggunaan energi dari masyarakat bisa di-monetize apabila raw data tersebut diolah sedemikian rupa menjadi sebuah informasi strategis yang memiliki value. Di market Amerika, penjualan data jenis ini diperkirakan memiliki nilai mencapai $1.3 Milyar. Jenis kedua adalah perusahaan utility meminta ijin konsumen untuk me-monetize data mereka untuk ditawarkan ke perusahaan yang memiliki kepentingan terkait. Bisnis data jenis ini bahkan diperkirakan saat ini memiliki nilai fantastis mencapai $3.3 Milyar di pasar Amerika.

Kita ambil contoh enabler dengan layer paling bawah, yaitu advanced metering infrastructure (AMI) atau infrastruktur meteran cerdas. Term infrastruktur disini tentu menyangkut hardware maupun software yang dirancang sedemikian rupa sehingga kemudian disebut dengan smart. AMI bukan hanya pasang meteran dua arah baik data maupun aliran energi saja, namun harus didukung infrastruktur hingga backend sehingga memenuhi kriteria “cerdas”. Cerdas disini pemahaman saya tentunya adalah aliran data dan energi ini harus diproses dengan dedicated algorithm dan framework khusus yang memungkinkan utility mendapatkan value dari dipasangnya meteran itu. Meteran cerdas harus mampu menghasilkan data yang detail untuk membantu perusahaan utility dalam meningkatkan kepuasan pelanggan, kehandalan dan performa jaringan, bahkan dapat secara detail memahami perilaku pelanggan dan kemudian secara personal membantu pelanggan dalam berbagai upaya untuk meningkatkan kualitas penggunaan energi mereka. Kemampuan ini akan memberikan perusahaan penyedia listrik untuk menawarkan fasilitas dan produk/jasa yang berkaitan dengan penggunaan energi listrik. Hasil analisis diatas juga dapat menjadi bernilai bagi perusahaan lainnya yang memiliki kepentingan untuk meningkatkan pengetahuan mereka mengenai perilaku dan kecenderungan pelanggan mereka. Misalnya perusahaan peralatan rumah tangga dapat mengetahui preferensi market terhadap kebutuhan spesifik atau spesifikasi produk-produk tertentu.

Dari sekian banyak perusahaan utilities di dunia, hanya perusahan-perusahaan yang memiliki top management yang kreatif yang benar-benar serius memikirkan bagaimana perusahaan mereka mampu menggunakan data-data mereka untuk menciptakan sumber-sumber revenue baru yang mulai memikirkan potensi monetisasi data. Hal ini wajar, karena sesuai nature-nya, perusahaan utilities adalah perusahaan yang bertipe follower, sangat teregulasi disisi hilir dan sangat menjaga data konsumen karena ikatan-ikatan regulasi pula. Perusahaan utilities cenderung enggan untuk spending capital expenditure diluar core business inti.

Dari segambreng uraian ngalor ngidul diatas, terdapat beberapa tantangan yang harus kita pikirkan, yaitu bahwa sumber-sumber revenue potensial lain diluar bisnis jual energi listrik bagi perusahaan utility jelas-jelas tidak bisa lagi kita abaikan. Telah kita ketahui bahwa pertumbuhan konsumsi energi listrik kita secara nasional memang masih cenderung didorong oleh pertambahan pelanggan baru seiring dengan meningkatnya rasio elektrifikasi (RE) nasional kita. Namun jika kita menatap jauh ke horizon jangka panjang, ketika RE sudah mencapai 100% dan pertumbuhan penjualan energi listrik mulai mengalami saturasi (hal ini sudah dialami TNB Malaysia yang pertumbuhan penjualan mereka di 2017 hanya 1.0 %), maka para Bos harus benar-benar serius memikirkan sumber revenue stream yang baru. Saat ini memang masih terjadi perdebatan serius soal apakah benar konsumsi spesifik pelanggan listrik Indonesia turun yang sebenarnya mudah dijawab jika ketersediaan data akurat tentang konsumsi pelanggan lama dianalisa secara spesifik dalam 10 tahun terakhir. Namun fakta bahwa seluruh dunia sedang berlomba mengembangkan teknologi yang efisien penggunaan energinya tak bisa dipungkiri.

Pikiran saya yang hanya sebagai remah-remah rengginan kroco kw-3 di perusahaan yang memiliki aset mencapai hampir 1.400 Triliyun ini adalah para top management masa depan harus mulai memikirkan beberapa hal penting sbb:

  • Nilai potensi dari suatu data dan bagaimana meng-utilize data tersebut untuk kepentingan internal (peningkatan operational excellence misalnya), mengetahui bagaimana melakukan valuasi terhadap data yang dimiliki dan sekaligus pihak/organisasi mana yang kemungkinan besar memerlukan data tersebut.
  • Big-data analytics harus dipandang sebagai upaya strategis perusahaan dalam menciptakan self-diagnostics untuk memonitor seluruh rantai nilai bisnis ketenagalistrikan yang dapat dijadikan tools/data-driven decision making untuk para eksekutif dalam membuat keputusan strategis untuk memperbaiki efisiensi proses bisnis diberbagai level dan tentu akan berakibat pada peningkatan revenue. Dimasa depan, industri utilities harus menjadi information-driven organization jika ingin secara berkelanjutan meningkatkan performa organisasi mereka.
  • Long term planning dan perjalanan perubahan proses bisnis seperti apa yang memungkinkan big-data analytics dan monetisasi data package tersebut dapat dijalankan pada berbagai level? Kemudian apakah kita akan menjual data mentah segambreng itu tanpa mengolahnya dulu? ataukah akan menggandeng pihak ketiga untuk membantu menganalisis raw data sehingga menjadi paket-paket data yang memiliki valuasi tertentu untuk perusahaan tertentu, atau bahkan hingga mencapai level end to end solution yang secara spesifik dapat membantu calon data buyer untuk me-leverage value bisnis mereka, ataukah justru kita mengembangkan data scientist talent didalam organisasi utility kita sendiri untuk mencapai target-target tersebut.
  • Kapasitas bisnis korporasi semacam apa yang diperlukan dalam jangka panjang untuk mewujudkan proses dan model bisnis baru ini?
  • Pertimbangan-pertimbangan lain yang sangat penting adalah bagaimana model bisnis ini dapat mempengaruhi regulator dalam menjawab persoalan-persoalan seperti sentiment konsumen, regulated tariff, keamanan data konsumen, keamanan data nasional dll.

Untuk memahami aspek-aspek sulit dari monetisasi data ini dan potensi impact terhadap bisnis utility sangat ditentukan oleh kemampuan top management. Kalau dari sisi genting dan penting, memang saat ini fokus kita adalah memperbaiki bottom line dengan terus menggenjot optimalisasi BPP, efisiensi disegala rantai nilai bisnis ketenagalistrikan dan terus meningkatkan stakeholders management, namun harus tetap ada orang di level top management yang secara serius dan fokus dalam membidik potensi bisnis masa depan ini. Namun lagi-lagi, pemikiran ini hanyalah datang dari kalangan kroco mumet kw 3. Tulisan selanjutnya saya akan membahas tentang value yang bisa di-generate oleh perusahaan utility dengan deep analytics dengan mengoptimalkan resources yang dinamakan big-data ini.

 

Salam udara….

 

Pradiptya

Advertisements