Portfolio detail

CORE

Commercial Optimization & Retention Engine

AI-powered decision support system untuk membaca risiko pasar, mengoptimalkan loyalitas, dan mengarahkan keputusan komersial.

AI Decision SupportCommercial AnalyticsXGBoostSHAPILPFastAPINext.js

FR / PortfolioCORE

Tentang proyek

CORE adalah proyek pribadi yang saya kerjakan secara end-to-end, mulai dari riset, analisis data, perancangan metode, pemodelan, hingga integrasi ke platform. Beberapa kemampuan dimulai sebagai eksperimen terpisah—termasuk optimasi Integer Linear Programming (ILP)—kemudian diintegrasikan setelah metode tersebut berhasil diuji.

Platform menyatukan lima area keputusan: AEGIS untuk mendeteksi risiko dan sinyal kompetitor, loyalty management untuk pengelolaan program, ILP untuk optimasi alokasi, performance tracker untuk memantau outcome, serta ORACLE sebagai lapisan intelligence berbasis AI. Fokusnya bukan menggantikan keputusan manusia, melainkan memberi prioritas, alasan, dan skenario tindakan yang lebih jelas.

Tantangan

Data pasar, aktivitas toko, program loyalitas, dan hasil eksekusi tersebar di beberapa proses. Kondisi ini menyulitkan pengguna untuk mengenali risiko lebih awal, menentukan prioritas toko, dan mengevaluasi tindakan komersial secara konsisten.

Pendekatan

Saya membangun alur dari data menuju keputusan: menyiapkan 2,15 juta baris data dari lebih dari 20.000 toko, mengembangkan model prediktif XGBoost, menggunakan SHAP untuk menjelaskan faktor risiko, menerapkan forecasting dan segmentasi, lalu mengintegrasikan optimasi ILP/PuLP serta modul AI ke dalam aplikasi FastAPI dan Next.js.

Hasil

CORE telah melewati beberapa skenario pengujian dan seluruh alur utamanya dinyatakan berfungsi. Platform ini menghasilkan decision support end-to-end yang dapat mendeteksi sinyal, menjelaskan prioritas, menyarankan alokasi, dan memantau tindak lanjut dalam satu ekosistem.

Lima modul utama

Satu ekosistem dari deteksi hingga pengukuran hasil.

Setiap modul menangani tahap keputusan yang berbeda, tetapi seluruhnya terhubung dalam satu alur kerja komersial.

01 / Early warning system

AEGIS Market Share Defense

Mendeteksi toko yang berisiko kehilangan volume lebih awal, sehingga tim dapat melakukan intervensi sebelum penurunan terlihat pada laporan rutin.

Deteksi anomali transaksiRisk scoring tingkat tokoPeta risiko wilayahPenjelasan faktor risiko

02 / External signal layer

Competitor Intelligence

Menggabungkan sinyal internal AEGIS dengan data pasar eksternal untuk membedakan tekanan kompetitor dari faktor internal maupun pola musiman.

Triangulasi data internal-eksternalPemetaan ancaman per wilayahPrediksi market shareRekomendasi counter-strategy

03 / Mathematical optimizer

ILP Store Selection

Memilih toko prioritas secara matematis berdasarkan potensi dampak serta batasan nyata seperti anggaran, cluster, wilayah, dan hierarki sales.

Multi-criteria scoringScenario comparisonBobot prioritas dinamisOptimasi dengan multi-constraint

04 / Operational system

Loyalty Management

Menerjemahkan rekomendasi menjadi program loyalty yang dapat direncanakan, dijalankan, dan dikelola berdasarkan kondisi setiap toko.

Smart promotion engineTarget dan achievementProgram promo multi-jenisRe-enroll dan takeout

05 / Outcome monitor

Store Performance Tracker

Menutup loop keputusan dengan memantau hasil setelah intervensi, mengukur perubahan performa, dan memberi masukan untuk keputusan berikutnya.

Journey timelineVolume delta monitoringFBSI delta trackingVerdict otomatis per toko

AI di dalam CORE

Bukan satu model, tetapi beberapa kemampuan AI yang bekerja bersama.

CORE menggunakan kombinasi predictive AI, anomaly detection, explainable AI, forecasting, causal analysis, mathematical optimization, dan generative AI. Tujuannya bukan hanya menghasilkan prediksi, tetapi membantu pengguna memahami alasan, memilih tindakan terbaik, dan mengukur dampaknya.

Detect→Explain→Predict→Optimize→Execute→Measure

XGBoostPrediksi risiko dan forecasting

Isolation ForestDeteksi pola transaksi yang tidak biasa

Gaussian MixtureSegmentasi perilaku toko dan pelanggan

SHAPMenjelaskan alasan di balik prediksi

ProphetMembaca tren dan proyeksi ke depan

ILPMenentukan pilihan terbaik di bawah berbagai batasan

Causal AIMengukur dampak tindakan dan memahami penyebab hasil

LLMInsight, ringkasan, dan rekomendasi dalam bahasa natural

Galeri platform

Melihat CORE saat digunakan.

Cuplikan berikut memperlihatkan bagaimana insight, prioritas, rekomendasi, dan outcome disajikan di dalam platform.

Tampilan AEGIS Monitor pada CORE Platform — AEGIS Monitor
Early warning, proyeksi risiko, dan distribusi warning per wilayah.

Tampilan Competitor Intelligence pada CORE Platform — Competitor Intelligence
Triangulasi sinyal internal dengan perubahan kondisi pasar.

Tampilan AI Store Analysis pada CORE Platform — AI Store Analysis
Diagnosis tingkat toko, penjelasan risiko, dan rekomendasi tindakan.

Tampilan Store Performance Tracker pada CORE Platform — Store Performance Tracker
Pemantauan outcome toko setelah program dan intervensi.

Tampilan Action Center pada CORE Platform — Action Center
Antrean rekomendasi lintas modul berdasarkan tingkat urgensi.

Tampilan ORACLE Intelligence pada CORE Platform — ORACLE Intelligence
AI assistant untuk analisis, root-cause exploration, dan executive insight.

CORE

Satu ekosistem dari deteksi hingga pengukuran hasil.

AEGIS Market Share Defense

Competitor Intelligence

ILP Store Selection

Loyalty Management

Store Performance Tracker

Bukan satu model, tetapi beberapa kemampuan AI yang bekerja bersama.

Melihat CORE saat digunakan.

AEGIS Monitor

Competitor Intelligence

AI Store Analysis

Store Performance Tracker

Action Center

ORACLE Intelligence