Laporan Tahunan 2021

Tinjauan Pendukung Bisnis Laporan Tata Kelola Perusahaan Tanggung Jawab Sosial Perusahaan Data Perusahaan Lainnya Laporan Keuangan Konsolidasian PT Bank CIMB Niaga Tbk Laporan Tahunan 2021 281 Selama beberapa tahun terakhir, CIMB Niaga melakukan transformasi yang berfokus pada pembangunan berbagai infrastruktur manajemen risiko dan penguatan budaya manajemen risiko. Pada tahun 2021, CIMB Niaga berupaya mengoptimalkan implementasi dari berbagai infrastruktur manajemen risiko sejalan dengan best practise untuk dapat mengelola risiko secara efektif dan mengoptimalkan return dan pertumbuhan bisnis yang berkelanjutan. Fokus manajemen risiko Bank dituangkan dalam risk playbook dan disusun sejalan dengan fokus strategi Bank yang tertuang dalam Forward23+(F23+) . Fokus manajemen risiko ini juga disusun dengan mempertimbangkan situasi pandemi COVID-19 yang tentunya berpengaruh terhadap kondisi makroekonomi dan bisnis Bank secara keseluruhan. Secara garis besar, fokus manajemen risiko Bank dibagi menjadi beberapa area/dimensi utama yaitu: 1. Meningkatkan Kualitas Aset dan Mengelola Cost of Credit a. Memperbaiki proses (termasuk KPI), prosedur dan pelaporan untuk mendukung/memfasilitasi end-to-end credit process yang lebih baik, serta untuk mencapai CoC dan ROE yang lebih baik ( post COVID-19), antara lain dengan cara: • Mengidentifikasi gap yang masih ada dalam end-to-end credit process . • Memperkuat proses pre dan post approval yang bertujuan untuk memperbaiki kualitas aset. • Mengembangkan proses monitoring yang efektif dan efisien terhadap kredit dan collection serta recovery . • Menyusun KPI yang efektif untuk memastikan mindset yang seimbang antara pertumbuhan bisnis dan risiko, serta memasukkan leading indicator sebagai bagian dari KPI. b. Mengembangkan dashboard kualitas aset untuk mendukung manajemen risiko yang bersifat forward looking utamanya untuk segmen non retail. c. Memperbaiki dan mereview kembali kerangka dan strategi portofolio, seperti portfolio quality review, pricing & provision strategy . d. Memperkuat Early Warning . 2. Melakukan pengembangan manajemen risiko berbasis data ( data driven risk management ) termasuk mengadopsi penggunaan perangkat permodelan yang canggih seperti machine learning. Beberapa inisiatif yang dilakukan antara lain: a. Mengembangkan datamart untuk mendukung manajemen risiko segmen non retail yang berdasarkan pada data. Keluaran dari data tersebut dapat digunakan antara lain untuk analisa red flag dan early alerts untuk nasabah non retail, serta cross sell . b. Menggunakan machine learning untuk membangun model yang terbaik untuk pemeriksaan kewajaran harga ( rate) untuk mencegah potensi trading yang tidak terotorisasi, vogue trading maupun manipulasi laba/rugi dari aktivitas treasury . c. Implementasi model credit scoring untuk kategori debitur ritel yang berbasis machine learning . • Model credit scoring ini akan mendukung otomasi keputusan persetujuan kredit, sehingga turn around time dan kualitas dari credit underwriting dapat ditingkatkan. • Implementasi strategi yang mengoptimalkan score threshold agar tetap berada di level risiko yang dapat diterima, yang juga dapat memaksimalkan keuntungan Bank. 3. Pengembangan manajemen risiko operasional yang terpadu dan tepat guna. a. Data Analytic untuk mitigasi risiko yang bersifat forward looking dengan penggunaan teknologi yang dipadukandenganberbagai potensi skenario risiko operasional. Data analytic digunakan untuk menganalisa data transaksional dan operasional nasabah berbasis teknologi dalam suatu skenario tertentu ( scripting ), dimana output yang dihasilkan adalah Laporan Exception yang dapat merupakan suatu anomali tertentu untuk didalami sebagai early detection dari terjadinya suatu kesalahan atau penyimpangan dan pelanggaran ketentuan atau adanya indikasi fraud atas suatu proses operasional. b. Pemantauan Risiko Teknologi Informasi dan Risiko Siber, termasuk pengembangan sistem informasi manajemen dan teknologi yang digunakan dalam mitigasi risiko tersebut. c. Melakukan Uji Coba Quantitative Impact Study (QIS) secara berkala dalam rangka persiapan Penerapan Basel 3 – Reforms Framework dalam hal perhitungan kecukupan modal minimum risiko operasional menggunakan Pendekatan Standar. Hal ini tidak terbatas dalam memastikan Data Internal Kerugian Risiko Operasional termasuk Data Berkualitas Tinggi.