Kesalahan Umum Perusahaan Saat Menyiapkan Data untuk Aktuaris

Kesalahan paling umum perusahaan saat menyiapkan data untuk aktuaris adalah mengirim data yang tidak lengkap, tidak konsisten, atau tidak jelas asal-usulnya. Angka-angka itu mungkin terlihat rapi di spreadsheet, tetapi satu definisi yang berubah, satu periode yang hilang, atau satu klaim yang tercatat dua kali dapat mengubah hasil perhitungan kewajiban secara nyata.

Aktuaris tidak hanya membutuhkan “jumlah karyawan” atau “total klaim”. Mereka perlu tahu arti setiap kolom, periode pengukurannya, aturan pencatatannya, serta hubungan antara satu data dan data lain. Tanpa konteks tersebut, aktuaris harus menebak. Dan tebakan dalam perhitungan cadangan, imbalan kerja, atau premi biasanya berakhir dengan asumsi tambahan, permintaan revisi, dan proses yang lebih panjang.

Kesalahan apa yang paling sering terjadi saat menyiapkan data aktuaris?

Kesalahan di bawah ini muncul dalam banyak jenis pekerjaan aktuaria, mulai dari valuasi imbalan pascakerja hingga analisis klaim asuransi. Bentuk datanya berbeda, tetapi sumber masalahnya sering sama: perusahaan menganggap informasi yang sudah dipahami oleh tim internal pasti akan dipahami oleh aktuaris.

1. Definisi kolom tidak pernah dijelaskan

Kolom bernama “gaji” bisa berarti gaji pokok, gaji tetap, total penghasilan bulanan, atau penghasilan yang menjadi dasar manfaat. Aktuaris tidak bisa memilih definisi yang tepat hanya dari nama kolom.

Misalnya, perusahaan mengirimkan data dengan kolom “salary” dan “allowance”. Dalam kebijakan pensiun, manfaat mungkin dihitung dari gaji pokok ditambah tunjangan tetap. Namun, tim penggajian bisa memasukkan tunjangan transportasi ke dalam “allowance”, sementara tunjangan itu tidak termasuk dasar manfaat. Jika definisinya tidak disampaikan, angka yang masuk ke model bisa lebih tinggi daripada seharusnya.

Setiap file sebaiknya disertai kamus data atau data dictionary. Isinya tidak perlu rumit. Untuk setiap kolom, jelaskan:

• Nama kolom dan arti bisnisnya.
• Satuan yang digunakan, misalnya rupiah per bulan, rupiah per tahun, atau jumlah kasus.
• Format tanggal dan zona waktu jika data memakai waktu transaksi.
• Nilai yang boleh muncul, seperti status “aktif”, “keluar”, atau “pensiun”.
• Apakah nilai kosong berarti nol, tidak berlaku, belum tersedia, atau belum diperiksa.
• Sumber data dan pemilik prosesnya.

Penjelasan ini menghemat lebih banyak waktu daripada bolak-balik mengirim email untuk menanyakan arti satu kolom.

2. Periode data bercampur

Aktuaris membutuhkan tanggal yang jelas. Data karyawan per 31 Desember 2024 tidak boleh dicampur dengan data gaji per 31 Januari 2025 tanpa penjelasan. Data klaim yang dibayar pada 2024 juga berbeda dengan data klaim yang terjadi pada 2024.

Perbedaan tanggal sering muncul karena perusahaan mengambil data dari beberapa sistem. Sistem kepegawaian mungkin menggunakan tanggal efektif perubahan jabatan, sistem penggajian memakai tanggal pembayaran, dan sistem keuangan memakai tanggal jurnal. Ketiganya bisa menunjukkan angka berbeda untuk orang atau transaksi yang sama.

Gunakan istilah yang spesifik, seperti “tanggal kejadian”, “tanggal pelaporan”, “tanggal pembayaran”, dan “tanggal valuasi”. Hindari label seperti “tahun klaim” jika perusahaan belum menetapkan apakah label itu mengacu pada tahun kejadian atau tahun pembayaran.

3. Data historis tidak konsisten

Perubahan sistem, struktur organisasi, atau kebijakan pencatatan sering membuat data tahun berjalan tidak bisa langsung dibandingkan dengan data tahun sebelumnya. Contohnya, perusahaan mengganti kode status karyawan pada 2022. Sebelumnya, karyawan yang cuti panjang diberi kode “inactive”; setelah perubahan sistem, mereka diberi kode “leave”. Jika kedua kode itu punya perlakuan yang sama dalam model, aktuaris perlu mengetahuinya.

Masalah lain muncul saat satu sistem menyimpan tanggal dalam format hari-bulan-tahun, sedangkan sistem lain memakai bulan-hari-tahun. Tanggal 03/04/2024 bisa berarti 3 April atau 4 Maret. Kesalahan semacam ini tidak selalu memicu pesan error. Data tetap terbaca, tetapi hasilnya bisa salah.

Perusahaan perlu membuat catatan perubahan data, minimal untuk hal-hal berikut:

• Perubahan sistem atau vendor.
• Perubahan definisi kolom.
• Perubahan kebijakan manfaat atau underwriting.
• Perubahan kode jabatan, status, produk, atau jenis klaim.
• Perubahan metode pencatatan transaksi.

4. Nilai kosong diisi dengan nol

Nilai kosong dan angka nol memiliki arti yang berbeda. Gaji nol mungkin berarti seseorang tidak menerima gaji pada periode tertentu. Nilai kosong bisa berarti data belum dikumpulkan atau kolom tersebut tidak berlaku.

Dalam data klaim, nilai kosong pada tanggal pembayaran tidak sama dengan pembayaran sebesar nol rupiah. Nilai kosong dapat menunjukkan klaim masih terbuka. Jika perusahaan mengubah semua sel kosong menjadi nol sebelum mengirimkan file, aktuaris kehilangan informasi tentang status klaim.

Biarkan nilai kosong tetap kosong jika maknanya belum jelas, lalu jelaskan dalam catatan. Bila sistem membutuhkan kode khusus, gunakan kode yang konsisten seperti “N/A”, “belum tersedia”, atau “tidak berlaku”. Jangan memakai satu kode untuk tiga kondisi berbeda.

5. Duplikasi tidak diperiksa

Satu karyawan bisa muncul dua kali karena data berasal dari dua entitas hukum. Satu klaim bisa muncul lebih dari sekali karena transaksi pembayaran dan transaksi perubahan status dimasukkan ke file yang sama. Tanpa pemeriksaan, total kewajiban atau jumlah klaim dapat meningkat secara artifisial.

Gunakan pengenal unik untuk setiap entitas. Untuk data karyawan, pengenal itu bisa berupa nomor induk karyawan. Untuk data klaim, pengenal dapat berupa nomor klaim yang digabungkan dengan nomor transaksi jika satu klaim memiliki beberapa pembayaran.

Tim pengirim data perlu menjawab pertanyaan sederhana: apakah satu baris menggambarkan satu orang, satu polis, satu klaim, satu pembayaran, atau satu peristiwa? Jawaban tersebut menentukan cara aktuaris menghitung dan menguji data.

6. Data agregat dikirim tanpa data rinci

Total biaya klaim sebesar Rp10 miliar belum cukup untuk banyak pekerjaan aktuaria. Aktuaris mungkin perlu melihat jumlah klaim, tanggal kejadian, tanggal pembayaran, jenis manfaat, wilayah, usia peserta, atau status klaim.

Data rinci memungkinkan aktuaris memeriksa pola. Dua perusahaan bisa memiliki total klaim yang sama, tetapi perusahaan pertama memiliki banyak klaim kecil dan perusahaan kedua memiliki beberapa klaim besar. Kebutuhan cadangan serta pola pembayaran keduanya tidak sama.

Data agregat tetap berguna sebagai alat rekonsiliasi. Total dalam data rinci harus dapat dicocokkan dengan laporan keuangan atau laporan manajemen. Jadi, perusahaan sebaiknya mengirimkan dua hal: data rinci untuk analisis dan angka agregat sebagai pembanding.

Bagaimana perusahaan memastikan data yang dikirim benar?

Perusahaan dapat mengurangi sebagian besar masalah dengan menjalankan pemeriksaan sederhana sebelum file dikirim. Pemeriksaan ini tidak menggantikan review aktuaris, tetapi mencegah kesalahan administratif yang seharusnya bisa ditemukan dalam hitungan menit.

Mulai dengan rekonsiliasi total

Jumlah dalam file harus dicocokkan dengan sumber resmi. Untuk data imbalan kerja, perusahaan dapat membandingkan jumlah karyawan aktif dengan laporan penggajian per tanggal valuasi. Untuk data klaim, total pembayaran dalam file perlu dicocokkan dengan buku besar atau laporan pembayaran.

Selisih tidak selalu berarti data salah. Bisa saja file aktuaris hanya mencakup entitas tertentu, sedangkan laporan keuangan mencakup seluruh grup. Yang penting, selisihnya memiliki penjelasan tertulis.

Rekonsiliasi sebaiknya mencakup:

• Jumlah baris dan jumlah entitas unik.
• Total nilai finansial.
• Jumlah berdasarkan status, produk, cabang, atau kelompok karyawan.
• Jumlah data yang kosong pada kolom wajib.
• Perbandingan dengan periode sebelumnya.

Periksa nilai yang tidak masuk akal

Pemeriksaan logika dapat menemukan masalah yang tidak terlihat dari total. Contohnya, tanggal lahir tidak boleh lebih baru daripada tanggal mulai bekerja. Tanggal keluar tidak boleh lebih awal daripada tanggal masuk, kecuali perusahaan memang mencatat perpindahan antarentitas dengan cara tertentu.

Dalam data imbalan kerja, gaji bulanan Rp0 atau Rp500 miliar perlu diperiksa. Dalam data klaim, tanggal pembayaran sebelum tanggal kejadian mungkin saja terjadi karena koreksi administrasi, tetapi kondisi itu harus dijelaskan. Jangan langsung menghapus baris yang terlihat aneh. Cari sumber penyebabnya.

Beberapa aturan validasi yang bisa dipakai antara lain:

• Usia peserta berada dalam rentang yang masuk akal untuk jenis program tersebut.
• Persentase tidak kurang dari 0 persen atau lebih dari 100 persen.
• Kode status berasal dari daftar yang sudah disepakati.
• Nilai manfaat tidak negatif kecuali kredit atau pembalikan transaksi memang dicatat sebagai angka negatif.
• Setiap nomor identitas memiliki format dan panjang yang konsisten.

Bandingkan dengan periode sebelumnya

Perubahan besar perlu diperiksa sebelum file dikirim. Jika jumlah karyawan aktif turun 30 persen dalam satu tahun, perusahaan harus memastikan apakah memang terjadi pengurangan tenaga kerja atau ada masalah ekstraksi data.

Perbandingan tidak harus memakai ambang yang sama untuk semua kolom. Perubahan gaji rata-rata sebesar 8 persen mungkin masih masuk akal. Perubahan jumlah peserta usia di atas 65 tahun sebesar 400 persen perlu ditelusuri. Tim dapat menetapkan batas pemeriksaan berdasarkan karakteristik data, lalu menyimpan penjelasan untuk setiap perubahan yang disetujui.

Libatkan pemilik data dari awal

Tim keuangan sering menjadi penghubung dengan aktuaris, tetapi mereka belum tentu mengetahui aturan di sistem penggajian atau administrasi klaim. Tim HR, payroll, aktuaria internal, TI, dan pemilik produk mungkin memegang potongan informasi yang berbeda.

Rapat singkat dengan pemilik data dapat menjawab persoalan yang tidak terlihat di spreadsheet. Misalnya, tim HR tahu bahwa karyawan kontrak tertentu memiliki manfaat berbeda, sedangkan tim keuangan hanya melihat satu kode biaya. Informasi itu perlu masuk ke file atau catatan metodologi.

Satu orang juga perlu ditunjuk sebagai penanggung jawab data. Tugasnya bukan memperbaiki semua data sendirian, melainkan memastikan pertanyaan aktuaris mendapat jawaban dari orang yang tepat dan setiap perubahan tercatat.

Data seperti apa yang perlu disiapkan untuk pekerjaan aktuaria?

Jenis data bergantung pada pekerjaan yang dilakukan, tetapi aktuaris biasanya membutuhkan empat lapisan informasi: data utama, data historis, informasi kebijakan, dan rekonsiliasi. Mengirim hanya lapisan pertama sering membuat proses terhenti di tengah jalan.

Data peserta atau pemegang polis

Untuk valuasi imbalan kerja, data biasanya mencakup identitas anonim, tanggal lahir, jenis kelamin jika relevan, tanggal mulai bekerja, status pekerjaan, gaji, jabatan, lokasi, dan informasi kepesertaan. Untuk asuransi, data dapat mencakup nomor polis, tanggal mulai pertanggungan, jenis produk, premi, manfaat, usia, serta status polis.

Gunakan identitas anonim jika aktuaris tidak membutuhkan nama atau nomor identitas nasional. Namun, pengenal anonim harus tetap konsisten antarperiode agar perubahan peserta dapat dilacak. Jangan mengganti nomor anonim setiap kali mengirim file baru.

Data transaksi dan klaim

Data klaim sebaiknya memisahkan tanggal kejadian, tanggal pelaporan, tanggal pembayaran, jumlah yang dibayar, jumlah yang masih dicadangkan, dan status klaim. Satu kolom “total klaim” tidak cukup untuk menganalisis kecepatan pembayaran atau kecenderungan klaim yang belum selesai.

Perusahaan juga perlu menjelaskan apakah angka yang dikirim sudah termasuk biaya penanganan klaim, reasuransi, pajak, diskon, pemulihan, atau pembatalan. Perlakuan terhadap komponen-komponen tersebut dapat mengubah hasil analisis.

Data kebijakan dan perubahan manfaat

Angka tidak bisa berdiri sendiri. Aktuaris perlu mengetahui aturan manfaat yang berlaku pada tanggal valuasi. Informasi yang dibutuhkan dapat mencakup rumus manfaat, usia pensiun, masa tunggu, batas manfaat, perubahan formula, tanggal efektif kebijakan, dan perlakuan bagi karyawan yang mengundurkan diri.

Perusahaan sering mengirim data peserta pada akhir tahun, tetapi lupa menyampaikan bahwa formula manfaat berubah pada pertengahan tahun. Aktuaris kemudian memakai aturan lama atau meminta klarifikasi setelah model hampir selesai. Satu halaman ringkasan kebijakan yang mencantumkan tanggal efektif dapat mencegah masalah ini.

Riwayat data minimal beberapa periode

Data satu tahun mungkin cukup untuk laporan tertentu, tetapi banyak analisis membutuhkan riwayat beberapa tahun. Aktuaris menggunakan data historis untuk melihat pola keluar-masuk peserta, perkembangan gaji, frekuensi klaim, kecepatan pembayaran, dan perubahan komposisi portofolio.

Riwayat data tidak harus sempurna. Jika sistem lama tidak menyimpan salah satu kolom, sampaikan keterbatasannya dan jelaskan sejak kapan data itu tersedia. Penjelasan yang jujur lebih berguna daripada mengisi kekosongan dengan angka perkiraan yang tidak diberi label.

Bagaimana alur pengiriman data yang lebih rapi?

Alur yang baik memisahkan pengumpulan, pemeriksaan, persetujuan, dan pengiriman. Banyak perusahaan mencampur keempat tahap ini dalam satu pekerjaan mendadak menjelang tenggat, sehingga kesalahan baru diketahui ketika aktuaris sudah mulai menghitung.

1. Tetapkan kebutuhan data. Minta aktuaris mengirimkan daftar kolom, definisi, periode, format, dan tujuan setiap data. Daftar itu menjadi acuan bersama, bukan sekadar lampiran email.
2. Tunjuk pemilik setiap kolom. Tim payroll dapat bertanggung jawab atas gaji, HR atas status karyawan, dan keuangan atas rekonsiliasi. Penanggung jawab harus bisa menjelaskan asal angka tersebut.
3. Bekukan tanggal data. Sepakati tanggal valuasi dan tanggal ekstraksi. Jika perusahaan mengirim pembaruan, beri nomor versi serta catatan tentang baris yang berubah.
4. Jalankan validasi internal. Periksa duplikasi, nilai kosong, rentang angka, format tanggal, kode status, dan total terhadap sumber resmi.
5. Kirim file bersama dokumentasi. Sertakan kamus data, ringkasan rekonsiliasi, daftar perubahan, serta catatan atas pengecualian yang belum selesai.
6. Catat pertanyaan dan jawaban. Simpan keputusan dalam satu dokumen. Cara ini mencegah tim mengulang penjelasan yang sama pada setiap siklus valuasi.

Format file juga berpengaruh. CSV atau Excel dapat digunakan, tetapi nama kolom harus konsisten dan tidak berubah-ubah tanpa pemberitahuan. Hindari menggabungkan beberapa tabel dalam satu sheet, memakai warna sel sebagai satu-satunya penanda status, atau menyimpan angka sebagai teks.

File yang terlihat rapi belum tentu siap dipakai. Aktuaris lebih membutuhkan data yang dapat ditelusuri daripada spreadsheet dengan banyak warna, logo, dan format dekoratif. Setiap angka harus punya sumber dan setiap pengecualian harus punya penjelasan.

Perusahaan juga perlu memperhatikan keamanan. Data karyawan dan pemegang polis dapat berisi informasi pribadi. Kirim hanya kolom yang dibutuhkan, gunakan saluran transfer yang disetujui, batasi akses, dan jangan mengirim kata sandi di pesan yang sama dengan tautan file. Menghapus nama dari file tidak selalu cukup jika nomor identitas, alamat, atau kombinasi atribut lain masih bisa mengenali seseorang.

Persiapan data yang baik membuat pekerjaan aktuaris lebih cepat dan hasilnya lebih mudah dipertanggungjawabkan. Kuncinya bukan mengirim file sebesar mungkin, melainkan mengirim data yang definisinya jelas, periodenya konsisten, totalnya dapat direkonsiliasi, dan setiap perubahan memiliki jejak. Satu jam pemeriksaan di awal dapat mencegah beberapa putaran revisi di akhir.

Pertanyaan yang sering diajukan