Batch 2· Stream Data Science

[DATA SCIENCE] PAYMENT PREDICTION

Halo Sobat Athon!

Telkom Athon adalah program yang mendukung dan memfasilitasi pengembangan karyawan untuk mengupgrade Digital Skill dan potensi yang dimiliki dengan pendekatan 4C; (Online Course, Community, Coach & Mentor, serta Competition/Challenge) sehingga dapat memberikan impact yang signifikan untuk pengembangan Digital Talent bagi perusahaan. Salah satu kompetisi pada kegiatan ini yakni Data Science Competition yang bersifat individu dan wajib diikuti seluruh student Data Science Telkom Athon.

Tujuan Kompetisi
Tujuan dari kompetisi ini diantaranya:

1. Untuk melakukan mapping digital talent ready bagi seluruh peserta Telkom Athon.
2. Untuk mengevaluasi keilmuan peserta atas pembelajaran yang sudah diberikan selama program berlangsung. 
3. Untuk melahirkan talent data science yang dapat berkontribusi pada setiap project eksisting di PT. Telekomunikasi Indonesia.

Deskripsi Use Case
Use case yang diangkat pada kompetisi ini adalah late payment prediction. Prediksi pelanggan yang akan membayar tagihan Indihome tepat waktu. Sesuai kebijakan perusahaan, disebut tepat waktu apabila pelanggan membayar sebelum tanggal 21 untuk tagihan bulan berjalan. Jika pelanggan membayar di antara tanggal 21 sampai akhir bulan, maka pelanggan akan berstatus isolir dengan konsekuensi layanan Indihome akan diputus sementara hingga pelanggan melakukan pembayaran. Adapun jika pelanggan tidak membayar hingga akhir bulan, maka pada tagihan berikutnya pelanggan akan berstatus PraCT0/PraNPC.

Prediksi pelanggan yang akan membayar tagihan Indihome tepat waktu akan bermanfaat untuk memetakan pelanggan yang low-risk dan high-risk, sehingga dapat dilakukan program loyalty yang tepat sasaran untuk meningkatkan cash collection monthly ratio (C3MR). Pada Data Science Competition TelkomAthon Batch 2, peserta melakukan predictive modeling di dalam sandbox. Data dan tools yang diperlukan untuk modeling seluruhnya tersedia di dalam sandbox. Adapun data yang tersedia adalah:

1. Data Training: Berisi variabel-variabel prediktor dan variabel outcome. Digunakan untuk membuat model prediksi. 
2. Data Testing: Digunakan untuk validasi hasil modeling. Hanya berisi variabel-variabel prediktor (tanpa outcome). Dengan menggunakan model yang dihasilkan dengan data training, peserta memprediksi outcome pada data testing (berupa nilai probabilitas untuk late payment).

Deskripsi data dapat dilihat pada leaderboard-athon.telkom.co.id. Modeling dikerjakan dengan menggunakan Python dan MySQL di sandbox yang sudah disediakan dan tidak diperkenankan untuk bekerja di luar sandbox.

Proses Kompetisi
Berikut proses Data Science Competition:

1. Peserta mengerjakan use case sesuai dengan panduan.
2. Dipilih Top 10 dengan nilai tertinggi pada leaderboard-athon.telkom.co.id.
3. Top 10 melakukan pitching atau showcase dengan parameter penilaian technical dan dihasilkan Top 3 dengan nilai tertinggi.
4. Top 3 melakukan [itching atau showcase dengan parameter penilaian non technical dengan juri Top Management.
5. Juara 1-3 diumumkan pada kegiatan Celebration dan Closing Telkom Athon.

Output Kompetisi
Terdapat 4 output yang akan dihasilkan dari setiap topik perlombaan, berikut detailnya:

1. Flow pengerjaan secara singkat dalam format ppt atau pdf (Pitch deck).
2. Script (python) dalam format .py.
3. Hasil prediksi terhadap data testing (berbentuk probabilitas) dalam format csv untuk di upload ke leaderboard.
4. Pitch Deck.

Contoh Output Kompetisi:
Berikut contoh output dari kompetisi data science: paymentdeck

Berikut Top 3 dari Data Science Competition #2: