nadia-rahmawati
Berdasarkan data BPS, Bank Indonesia dan OJK per 30 September 2025, perekonomian Indonesia terus menunjukkan pergeseran menuju ekonomi digital. Kontribusi ekonomi digital terhadap Produk Domestik Bruto (PDB, total nilai barang dan jasa yang dihasilkan suatu negara) tercatat sebesar 4,15% pada tahun 2024, naik dari 3,88% pada tahun 2023, atau mengalami kenaikan sebesar 6,96% secara year-on-year. Di tengah tren ini, pergerakan pelanggan (churn, yaitu perpindahan atau berhentinya pelanggan dari suatu produk atau layanan ke penyedia lain) menjadi salah satu indikator yang kian diperhatikan, khususnya bagi pelaku usaha yang bergantung pada basis pelanggan untuk menjaga fundamental (kondisi dasar keuangan dan operasional suatu usaha) mereka.
Biaya Perpindahan Pelanggan bagi Pelaku Usaha
Di satu sisi, perpindahan pelanggan dapat berdampak langsung terhadap kinerja keuangan pelaku usaha. Menjaga pelanggan yang sudah ada umumnya membutuhkan biaya yang jauh lebih rendah dibandingkan dengan menarik pelanggan baru. Berbagai kajian industri menunjukkan bahwa biaya untuk memperoleh pelanggan baru dapat mencapai 5 kali hingga 7 kali lebih besar dibandingkan biaya untuk mempertahankan pelanggan yang telah ada. Hal ini berpengaruh terhadap rasio (perbandingan antara dua angka untuk menilai kinerja) efisiensi biaya, yang pada akhirnya akan menekan valuasi (penilaian atas nilai suatu aset atau usaha) perusahaan, khususnya bagi usaha berskala menengah dan kecil yang memiliki likuiditas (kemampuan untuk memenuhi kewajiban jangka pendek) terbatas. Selain itu, bagi sektor dengan basis pelanggan yang besar, seperti telekomunikasi dan perbankan digital, tingkat churn yang tinggi dapat memperlambat pertumbuhan pendapatan, sehingga menurunkan proyeksi (perkiraan atas kondisi di masa mendatang) laba secara keseluruhan.
Di sisi lain, perpindahan pelanggan juga dapat mencerminkan dinamika persaingan yang sehat dalam perekonomian. Persaingan antar penyedia layanan mendorong inovasi, peningkatan kualitas layanan, serta penyesuaian harga yang dapat menguntungkan konsumen. Berdasarkan data OJK, jumlah pengguna layanan keuangan digital di Indonesia telah melampaui 200 juta akun per Desember 2024, meningkat dari 175 juta akun per Desember 2023, atau naik sebesar 14,29% secara year-on-year. Pertumbuhan ini memperluas pilihan konsumen, sehingga perpindahan pelanggan tidak selalu menjadi sinyal kegagalan usaha, namun dapat menjadi bagian dari proses penyesuaian pasar yang wajar.
Data Science Sebagai Alat Membaca Risiko
Seiring dengan meluasnya transaksi digital, volume data yang dihasilkan oleh pelaku usaha turut mengalami kenaikan yang signifikan. Data tersebut, apabila diolah dengan tepat, dapat dimanfaatkan melalui data science (ilmu yang menggabungkan statistik, matematika dan pemrograman untuk mengekstrak informasi dari data) untuk membaca risiko perpindahan pelanggan. Salah satu pendekatan yang digunakan adalah predictive analytics (analisis prediktif, yaitu penggunaan data historis untuk memperkirakan kemungkinan terjadinya suatu peristiwa di masa mendatang). Melalui pendekatan ini, pola perilaku pelanggan dapat diidentifikasi, sehingga risiko churn dapat diperkirakan sebelum pelanggan benar-benar berhenti menggunakan layanan.
Di satu sisi, pemanfaatan analisis prediktif dapat membantu pelaku usaha untuk mengalokasikan sumber daya secara lebih terarah. Dengan menilai probabilitas (kemungkinan terjadinya suatu peristiwa) perpindahan pelanggan, usaha dapat memprioritaskan upaya pemeliharaan terhadap segmen pelanggan yang memiliki risiko tinggi, tanpa harus mengurangi sumber daya secara menyeluruh. Hal ini dapat menjaga stabilitas pendapatan, memperkuat portofolio (kumpulan aset atau sumber pendapatan yang dimiliki suatu usaha) pelanggan, serta mengurangi tekanan terhadap biaya akuisisi. Bagi sektor yang rentan terhadap capital outflow (arus keluar modal atau sumber daya ke luar suatu entitas), efisiensi tersebut dapat menjadi faktor yang turut menjaga stabilitas operasional.
Di sisi lain, penerapan data science tidak terlepas dari tantangan. Ketersediaan data berkualitas, kebutuhan akan tenaga terampil, serta biaya infrastruktur teknologi dapat menjadi hambatan, khususnya bagi usaha mikro, kecil dan menengah. Berdasarkan data BPS per Agustus 2025, sekitar 64,2 juta usaha mikro, kecil dan menengah masih beroperasi di Indonesia, namun tingkat adopsi teknologi berbasis data di kelompok ini masih beragam. Selain itu, penggunaan data pelanggan perlu memperhatikan aspek keamanan dan etika, mengingat sentimen pasar (pandangan dan ekspektasi pelaku pasar terhadap suatu kondisi) terhadap privasi data dapat memengaruhi kepercayaan konsumen secara luas.
Implikasi Jangka Panjang Terhadap Perekonomian
Tren perpindahan pelanggan yang terukur dapat memberikan sinyal makro bagi perekonomian. Di satu sisi, kemampuan pelaku usaha untuk membaca risiko churn melalui analisis data dapat meningkatkan daya tahan usaha di tengah persaingan digital. Hal ini berpotensi menjaga lapangan kerja, mempertahankan kontribusi ekonomi digital terhadap PDB, serta memperkuat fundamental sektor jasa yang terus mengalami kenaikan kontribusinya terhadap perekonomian Indonesia. Dengan indeks (ukuran statistik yang menunjukkan perubahan dari waktu ke waktu) ketahanan usaha yang lebih stabil, tekanan terhadap likuiditas sektoral dapat berkurang, sehingga ruang untuk pertumbuhan berkelanjutan dapat terjaga.
Di sisi lain, ketergantungan yang berlebihan terhadap prediksi juga perlu diwaspadai. Model prediktif bersifat probabilistik, bukan kepastian, sehingga proyeksi yang dihasilkan dapat berubah seiring dengan perubahan sentimen pasar, kebijakan, maupun kondisi eksternal. Tanpa pemahaman yang memadai mengenai batasan model, risiko kesalahan alokasi sumber daya dapat tetap terjadi. Oleh karena itu, keputusan berbasis data perlu dipadukan dengan penilaian kualitatif, khususnya untuk mengantisipasi perubahan yang tidak tercermin dalam data historis.
"Data dapat menunjukkan kemungkinan, namun konteks ekonomi dan perilaku manusia tetap menjadi penentu akhir dalam membaca risiko."
Perpindahan pelanggan merupakan fenomena yang kompleks, baik dari sisi biaya usaha maupun dari sisi dinamika persaingan. Pemanfaatan data science dan predictive analytics dapat menjadi alat untuk mengukur risiko tersebut secara lebih terukur. Namun, efektivitasnya akan bergantung pada kualitas data, kemampuan sumber daya manusia, serta keseimbangan antara pendekatan kuantitatif dan pemahaman kontekstual. Dengan dua perspektif tersebut, risiko yang selama ini terasa samar dapat dibaca secara lebih jelas, tanpa mengesampingkan dinamika pasar yang terus berubah.
Comments (0)