Program Magister Manajemen · Konsentrasi Kekayaan · FEB UNDIP
Strategic Analysis for Wealth Management
Pertemuan 13 — Teknologi dalam Wealth Management: Robo-Advisory & Digital Wealth Platform
RPS minggu 13 · 2×50 menit
Tujuan & Indikator Capaian
Sub-CPMK 13: menganalisis dampak teknologi terhadap strategi WM.
Indikator 1
3 model robo
Membandingkan pure robo, hybrid robo-advisor, dan human-led digital platform.
Indikator 2
Digital platform
Komponen digital wealth platform: KYC, portfolio system, reporting, custody.
Indikator 3
AI/ML
Penerapan AI/ML untuk personalisasi, risk profiling, dan product recommendation.
Mengapa Teknologi Mendisrupsi WM
Teknologi menurunkan biaya WM dan demokratisasi akses — pressure bagi bank traditional.
Robo-advisor AUM global
~USD 2,5 T
Statista 2024 (dihedge ~)
Fee robo vs traditional
0,25–0,5%
vs traditional advisor 1–2%
Bank traditional yang tidak digitalisasi akan kalah di segmen mass-affluent — customer beralih ke robo yang lebih murah dan accessible.
Bagian 1 · 1/4
Lanskap Fintech WM
Diskusi kelas: Apakah fintech WM mengancam atau justru memperluas pasar WM?
Lanskap Fintech WM (Gomber)
Klasifikasi Gomber et al. (2017) — tiga lapis utama fintech WM.
"Lanskap fintech WM mencakup robo-advisory, digital brokerage, wealth platform back-office, & AI-driven personalization; semuanya bertujuan menurunkan biaya & demokratisasi akses." (Gomber et al., 2017)
ROBO-ADVISORY
Algoritma
Alokasi otomatis berbasis MPT (Betterment, Wealthfront, Bareksa).
WEALTH PLATFORM
Back office
Salesforce FSC, Avaloq untuk reporting & portfolio management.
AI PERSONALIZATION
ML tailoring
Risk profiling & product recommendation berbasis ML per klien.
Tiga Lapis Disrupsi WM
Tiga lapis disrupsi teknologi yang mengubah industri WM dari depan ke belakang.
| Lapis | Teknologi | Segmen Dampak | Contoh |
|---|
| Front office | Robo-advisor, chatbot | Mass-affluent | Bareksa, Bibit, Siri WM |
| Middle office | Portfolio system, AI risk | HNW | Salesforce FSC, Avaloq |
| Back office | Custody digital, reporting | Semua segmen | Avaloq, Temenos, FIS |
| Dampak ekonomis | Cost-to-serve turun 30–50% | Margin bank naik | Efficiency & scalability |
Bank traditional yang digitalisasi ketiga lapis akan unggul; yang hanya front office akan kalah di economics.
Demokratisasi vs Personalisasi
Dua kekuatan teknologi yang saling memperkuat — demokratisasi akses & personalisasi massal.
- Teknologi turunkan biaya WM
- Mass-affluent dapat layanan WM
- Sebelumnya eksklusif HNW
- Contoh: robo-advisor fee 0,25%
- AI memungkinkan layanan tailored massal
- Rekomendasi unik per klien
- Bukan one-size-fits-all
- Contoh: Bibit AutoInvest
Dua kekuatan ini menyebabkan bank traditional harus naik value ke HNW/UHNW dengan complexity yang robo tidak sanggup.
HDN-1: Unit Economics Robo-Advisor
Hitung dari nol unit economics robo-advisor — mengapa skala besar kunci profitabilitas.
| Langkah | Perhitungan | Nilai |
|---|
| 1. Robo-advisor fee atas AUM | standar industri | 0,4%/thn |
| 2. AUM rata-rata per klien | mass-affluent Indonesia | Rp 50 jt |
| 3. Pendapatan per klien per tahun | 0,4% × Rp 50 jt | Rp 200 rb |
| 4. Cost-to-serve digital | skala besar | ~Rp 100 rb/klien/thn |
| 5. Margin per klien per tahun | 200 rb − 100 rb | Rp 100 rb |
| 6. Break-even klien | target Rp 100 M pendapatan | ~1 juta klien |
| 7. Skala profit | 1 juta × Rp 100 rb | Rp 100 M/thn |
Hasil Unit Economics
Skala = profit
robo butuh jutaan klien untuk profit; mass-affluent Rp 50 jt/klien viable dengan skala besar
Bagian 2 · 2/4
Robo-Advisory Model
Diskusi kelas: Mana yang cocok untuk klien HNW — pure robo, hybrid, atau human? Mengapa?
Tiga Model Robo-Advisory
Tiga model robo-advisory yang melayani segmen berbeda dengan trade-off unik.
- 100% algoritma, no human
- Fee terendah 0,25–0,4%
- Segmen: mass-affluent
- Contoh: Wealthfront, Bibit
- Algoritma + advisor manusia
- Fee menengah 0,5–0,8%
- Segmen: emerging HNW
- Contoh: Betterment Premium, Personal Capital
- Advisor manusia + platform
- Fee 1–1,5%
- Segmen: HNW, UHNW
- Contoh: UBS Wealth, Vanguard PAS
Algoritma Alokasi Modern (MPT+TLH)
Inti robo-advisor: algoritma MPT dengan tax-loss harvesting otomatis.
w* = argmax (E[Rp] − Rf) / σp · s.t. Σwi = 1
Algoritma: hitung expected return & kovarians, optimasi bobot (w*) di efficient frontier, tambah tax-loss harvesting otomatis untuk efisiensi pajak.
Mini-Kasus: Bareksa/Bibit Indonesia
Bareksa & Bibit sebagai contoh robo-advisor Indonesia yang sukses akuisisi mass-affluent.
| Dimensi | Bareksa | Bibit |
|---|
| Model | Marketplace reksadana + robo | Robo-advisor + AutoInvest |
| Fee | 0,25–1%/thn (tergantung produk) | 0,25–1%/thn + subscription |
| Target | Mass-affluent, milenial investor | Beginner investor, milenial |
| Alokasi | Manual + recommendation | Otomatis (AutoInvest) |
| Skala | Jutaan investor terdaftar | Jutaan investor terdaftar |
| Investor education | Konten edukasi investasi | Komunitas & konten viral |
Bareksa & Bibit membuktikan robo-advisor viable di Indonesia dengan skala mass-affluent milenial — edukasi investor adalah kunci akuisisi.
Bagian 3 · 3/4
Digital Wealth Platform
Diskusi kelas: Apa komponen wajib digital wealth platform? Mana yang paling sulit diimplementasi?
Komponen Digital Wealth Platform
Lima komponen end-to-end digital wealth platform modern.
Lima komponen: e-KYC onboarding, risk profiling, portfolio management, automated reporting, custody digital. End-to-end integration adalah kunci value.
Onboarding KYC & e-KYC
e-KYC — gerbang masuk digital wealth platform yang menentukan conversion rate.
| Aspek | KYC Tradisional | e-KYC Digital |
|---|
| Waktu onboarding | 1–2 minggu (cabang) | 5–15 menit (online) |
| Dokumen | Fisik KTP, KK, NPWP | Foto KTP + selfie liveness |
| Verifikasi | Manual officer | OCR + facial recognition + Dukcapil |
| Biaya per nasabah | Rp 200–500 rb | Rp 20–50 rb |
| Conversion rate | ~30% (drop-off cabang) | ~70% (instant approval) |
| Compliance | POJK KYC bank | POJK electronic KYC |
e-KYC mengubah economics onboarding — cost turun 90% dan conversion naik 2×. Kunci scale digital wealth platform.
HDN-2: Cost-to-Serve Digital vs Manual
Hitung dari nol dampak digitalisasi terhadap cost-to-serve bank WM.
| Komponen | Manual RM Bank | Digital Platform |
|---|
| 1. Onboarding KYC | Rp 300 rb/klien | Rp 30 rb/klien |
| 2. Reporting bulanan | Rp 100 rb/klien (manual) | Rp 10 rb/klien (otomatis) |
| 3. Rebalancing | Rp 200 rb (analisis RM) | Rp 20 rb (algoritma) |
| 4. Customer service | Rp 150 rb (call center) | Rp 30 rb (chatbot + email) |
| 5. Total cost-to-serve/thn | Rp 750 rb/klien | Rp 90 rb/klien |
| 6. Saving digital | — | ~88% reduction |
Hasil Cost-to-Serve
−88% biaya
digital platform menurunkan cost-to-serve dari Rp 750 rb ke Rp 90 rb per klien/thn — margin signifikan
Bagian 4 · 4/4
AI/ML & Masa Depan
Diskusi kelas: Apa potensi & risiko AI/ML dalam WM? Bagaimana menjaga human touch?
AI/ML: Personalisasi & Risk Profiling
Tiga aplikasi AI/ML yang sedang transformasi WM modern.
"AI/ML memungkinkan personalisasi massal, risk profiling lebih akurat, & product recommendation tailored — augment human advisor, bukan replace."
- Personalisasi rekomendasi per klien
- Risk profiling via ML questionnaire
- Product recommendation tailored
- Otomasi compliance & reporting
- Bias algoritma — audit teratur
- Black box — explainable AI
- Privacy data — encryption + GDPR-like
- Over-reliance — hybrid human-AI
Ringkasan & Persiapan P14
Empat pilar teknologi WM yang akan jadi toolkit advisor UHNW masa depan.
Pilar 1
Lanskap fintech
Gomber · 3 lapis disrupsi
Pilar 2
3 model robo
pure · hybrid · human-led digital
Pilar 3
Platform & AI
digital wealth platform · AI/ML personalization
Persiapan P14 — Studi Kasus Komprehensif UHNW: integrasi semua konsep P1–P13 dalam satu kasus client engagement end-to-end.
Penutup & Tugas Mandiri
Analisis strategi digital untuk kantor advisor WM hipotetis.
Tugas mandiri (kumpul minggu depan):- Pilih 1 kantor advisor WM atau bank private Indonesia hipotetis
- Identifikasi gap digital vs best practice (3 komponen platform)
- Rekomendasikan model robo (pure/hybrid/human-led) untuk 2 segmen
- Hitung impact cost-to-serve (HDN-2 style) dari digitalisasi
- Draft roadmap digitalisasi 3 tahun dengan KPI
Bawa hasil ke P14 — kita akan integrasikan strategi digital ke Studi Kasus UHNW komprehensif.