Modernisasi data mart pelayanan menjadi arsitektur Lakehouse modern — ELT, Medallion, CDC, dan pelaporan terintegrasi dengan Teknologi Big Data untuk BPJS Kesehatan.
BPJS Kesehatan memerlukan modernisasi data mart pelayanan menjadi platform data terpadu yang lakehouse-ready — mendukung transaksi ACID, evolusi skema, beban batch & streaming, serta pelaporan dan analitik yang konsisten dan siap pakai.
Venturo Pro mengusulkan arsitektur ELT → Medallion (Bronze/Silver/Gold) di atas Apache Iceberg, dengan Data Quality di setiap lapisan, keamanan kolom (CLS), metadata & lineage, serta empat dashboard tematik.
Data lake + warehouse menyatu via open table format (Iceberg/Delta/Hudi). ACID di atas object/HDFS storage.
Pergeseran dari batch harian ke change-data-capture & streaming untuk SLA pelaporan yang lebih ketat.
CLS/RLS, masking, tokenization & lineage menjadi wajib pada data kesehatan yang sensitif (PII/PHI).
Semantic layer & dashboard tematik mendekatkan data ke pengambil keputusan tanpa rekayasa ulang.
Gold/feature layer siap pakai untuk deteksi anomali klaim & fraud, prediksi utilisasi layanan.
“By 2027, ≥ 60% organisasi data besar akan mengadopsi open lakehouse sebagai fondasi analitik enterprise.” — proyeksi industri (ilustratif).
Data lake/warehouse eksisting belum mendukung transaksi ACID & evolusi skema secara native — sulit menangani update/delete dan late-arriving data.
Penanganan error, retry, logging & alerting belum end-to-end. Beban di sistem sumber tinggi saat penarikan ±42 tabel.
Belum ada DQ otomatis berbasis dimensi DMBOK di tiap lapisan; integritas referensial & format tidak konsisten.
Strategi partisi & kompaksi small-files belum optimal; kueri analitik melambat seiring pertumbuhan volume & konkurensi.
Proteksi data tingkat kolom (PII/PHI) belum diterapkan menyeluruh; risiko paparan data sensitif peserta.
Metadata teknis/bisnis/operasional & data lineage belum terdokumentasi — menyulitkan audit dan keberlanjutan.
| Dimensi Evaluasi (per TOR) | Fokus | Status |
|---|---|---|
| Efektivitas Landing Zone | Ingestion raw → data lake | Sebagian |
| Organisasi Data & Format File | Partisi · kolumnar · kompaksi | Kurang |
| Dukungan Transaksi ACID | Hudi/Delta/Iceberg | Belum |
| Prinsip Desain Warehousing | Kepatuhan pola arsitektur | Sebagian |
| Skalabilitas & Kinerja | Volume · konkurensi · kueri | Sebagian |
| Mekanisme Ingestion & Pemuatan | Efisiensi · keandalan · SLA | Sebagian |
| Model Konseptual/Logis/Fisik | 3-layer modelling | Kurang |
| Normalisasi vs Denormalisasi | Redundansi · kinerja kueri | Sebagian |
| Desain Skema Datamart | Star/snowflake compliance | Sebagian |
| Mekanisme Pembaruan | Refresh · latensi · dampak sumber | Kurang |
| Penanganan Error Pipeline | Logging · alerting · retry | Kurang |
| Kualitas Data (DMBOK) | 6 dimensi kualitas | Belum |
Penilaian skala 1–5 mengacu pada DMBOK & maturity model lakehouse, mencakup arsitektur, kualitas, governance, dan operasional.
| Kapabilitas | BPJS (kini) | Best Practice |
|---|---|---|
| Open Lakehouse (ACID) | 30 | 92 |
| Real-time / CDC | 25 | 88 |
| Data Quality Automation | 35 | 90 |
| Governance & Security | 40 | 94 |
| Self-Service / Semantic | 30 | 85 |
| Observability | 28 | 89 |
Tanpa Iceberg, kebutuhan ACID, schema evolution, time-travel, dan kompaksi small-files tidak dapat dipenuhi pada kluster Hadoop eksisting.
Memuat raw langsung ke landing/Bronze mengurangi beban sistem sumber; transformasi terjadi di Spark pada Silver/Gold.
Pemeriksaan kualitas (DMBOK) di setiap layer mencegah propagasi data buruk hingga data mart & dashboard.
CLS via Voltage + metadata/lineage menjadikan platform auditable dan tahan terhadap kebutuhan kepatuhan masa depan.
“Setiap keputusan pelayanan didukung data yang konsisten, aman, dan real-time.”
North-Star untuk Kluster Pelayanan BPJS Kesehatan.
ACID, schema evolution, pemisahan compute/storage di atas infrastruktur eksisting.
DQ end-to-end (DMBOK) + integritas referensial pada tiap tahap ELT.
CLS, masking, tokenization, enkripsi & RLS untuk data PII/PHI peserta.
CDC + streaming berdampingan dengan batch tradisional sesuai kebutuhan.
Semantic layer + dashboard tematik (eksekutif, operasional, fraud, governance).
Naming convention, kamus data, metadata & knowledge transfer untuk keberlanjutan.
flowchart LR
classDef src fill:#171D28,stroke:#2A3340,color:#C9D1DC
classDef ing fill:#1F2733,stroke:#3a4554,color:#fff
classDef lake fill:#1a1320,stroke:#075863,color:#fff
classDef cons fill:#11161F,stroke:#0E97A8,color:#fff
subgraph SRC[Source Systems]
S1[OLTP Pelayanan]:::src
S2[Aplikasi Klaim]:::src
S3[Master Peserta]:::src
S4[File / API Eksternal]:::src
end
subgraph ING[Ingestion]
CDC[CDC]:::ing
K[Kafka Streaming]:::ing
B[Batch Talend]:::ing
end
subgraph LK[Lakehouse · Iceberg on Hadoop]
L[Landing]:::lake
BR[Bronze]:::lake
SI[Silver]:::lake
GO[Gold / Data Mart]:::lake
SM[Semantic Layer]:::lake
end
subgraph CONS[Consumption]
TR[Trino / Hive]:::cons
DSH[Dashboards]:::cons
ML[Analytics / Fraud ML]:::cons
end
S1 & S2 & S3 --> CDC
S4 --> B
CDC --> K --> L
B --> L
L --> BR --> SI --> GO --> SM
SM --> TR --> DSH
SM --> ML
flowchart TB
classDef st fill:#171D28,stroke:#2A3340,color:#C9D1DC
classDef ic fill:#1a1320,stroke:#075863,color:#fff
classDef cm fill:#11161F,stroke:#0E97A8,color:#fff
subgraph STORAGE[Storage Layer · HDFS / Object Store]
P[Parquet / ORC files]:::st
end
subgraph TABLE[Table Format · Apache Iceberg]
MD[Metadata + Manifest]:::ic
SN[Snapshots · Time Travel]:::ic
PR[Partition + Hidden Partitioning]:::ic
SE[Schema Evolution]:::ic
end
subgraph COMPUTE[Compute Engines]
SP[Spark · ETL/ELT]:::cm
TRN[Trino · Ad-hoc SQL]:::cm
HV[Hive · Batch]:::cm
end
P --> MD
MD --> SN & PR & SE
SP --> MD
TRN --> MD
HV --> MD
flowchart LR classDef lz fill:#171D28,stroke:#2A3340,color:#C9D1DC classDef bz fill:#2a1a10,stroke:#b5743a,color:#fff classDef sv fill:#1d2128,stroke:#9aa6b5,color:#fff classDef gd fill:#2a230f,stroke:#46BE6A,color:#fff LZ[Landing
raw as-is]:::lz --> BZ[Bronze
raw + audit cols]:::bz BZ -->|DQ + clean + dedupe| SV[Silver
conformed]:::sv SV -->|business rules + agg| GD[Gold
Fact & Dimension]:::gd GD --> DM[Data Mart Tematik
entitas Peserta]:::gd DQ1{{DQ Gate}} -.-> BZ DQ2{{DQ Gate}} -.-> SV DQ3{{DQ Gate}} -.-> GD
Raw immutable + kolom audit (ingest_ts, source, op). Schema-on-read, append-only.
Cleansed, deduplicated, conformed; integritas referensial & tipe data tervalidasi.
Fact & dimension, agregasi bisnis, data mart tematik peserta — siap analitik & pelaporan.
Transaksi kunjungan, rujukan, FKTP/FKRTL. Mode: CDC
Pengajuan & verifikasi klaim. Mode: CDC + batch
Data kepesertaan, segmentasi. Mode: CDC
Provider, kapitasi, kontrak. Mode: batch
ICD, INA-CBG, wilayah. Mode: batch
Data semi/unstructured. Mode: batch/stream
flowchart LR classDef a fill:#171D28,stroke:#2A3340,color:#C9D1DC classDef b fill:#1F2733,stroke:#3a4554,color:#fff classDef c fill:#1a1320,stroke:#075863,color:#fff classDef d fill:#2a230f,stroke:#46BE6A,color:#fff SRC[Source
±42 tabel]:::a --> CDC[CDC
Debezium-style]:::b CDC --> KF[Kafka
topic per tabel]:::b KF --> LND[Landing
raw]:::c LND --> BRZ[Bronze
Iceberg]:::c BRZ --> SLV[Silver
Spark transform]:::c SLV --> GLD[Gold
Fact/Dim]:::d GLD --> SEM[Semantic]:::d SEM --> DSH[Dashboard]:::d DQ{{DQ + Alert}}:::b -.-> BRZ DQ -.-> SLV DQ -.-> GLD AF[Airflow / Talend
Orkestrasi]:::b -.-> LND AF -.-> BRZ AF -.-> SLV AF -.-> GLD
sequenceDiagram
participant S as Source DB
participant L as Tx Log / Redo
participant C as CDC Connector
participant K as Kafka
participant Sp as Spark Streaming
participant I as Iceberg (Bronze→Silver)
S->>L: commit (insert/update/delete)
C->>L: read log (low impact)
C->>K: emit change event (op, before/after)
K->>Sp: consume topic
Sp->>I: MERGE / UPSERT (idempotent)
Note over Sp,I: dedupe by PK + event ts
I-->>Sp: ACK snapshot
MERGE INTO Iceberg berbasis primary key + event timestamp menjamin exactly-once semantics & late-data handling.
flowchart LR
classDef s fill:#171D28,stroke:#2A3340,color:#C9D1DC
classDef t fill:#1a1320,stroke:#075863,color:#fff
classDef g fill:#2a230f,stroke:#46BE6A,color:#fff
T1[(src.pelayanan)]:::s --> B1[bronze.pelayanan]:::t
T2[(src.peserta)]:::s --> B2[bronze.peserta]:::t
T3[(src.klaim)]:::s --> B3[bronze.klaim]:::t
B1 --> S1[silver.visit_clean]:::t
B2 --> S2[silver.peserta_conf]:::t
B3 --> S3[silver.klaim_clean]:::t
S1 & S2 --> F1[gold.fact_pelayanan]:::g
S3 & S2 --> F2[gold.fact_klaim]:::g
S2 --> D1[gold.dim_peserta]:::g
F1 & F2 & D1 --> M[mart.peserta_360]:::g
Impact analysis, audit trail, root-cause DQ, dan pemenuhan kamus data + naming convention per TOR.
Aturan kualitas dijalankan otomatis di Bronze/Silver/Gold; pelanggaran → quarantine + alert.
Standardisasi format, dedupe, perbaikan referensial otomatis bila memungkinkan.
DQ scorecard per tabel/layer → Data Governance Dashboard, dengan tren & threshold alerting.
Kontrol akses per kolom sensitif (NIK, diagnosa) sesuai peran — implementasi Voltage.
Filter baris berbasis wilayah/peran agar pengguna hanya melihat data yang berwenang.
Dynamic data masking pada display (mis. NIK 32••••••••1234) untuk non-privileged.
Format-preserving tokenization (FPE) menjaga referential join tanpa membuka nilai asli.
Enkripsi at-rest (storage) & in-transit (TLS); kunci dikelola terpusat (KMS).
Akses terbatas & terkontrol, hanya pada hari/jam kerja sesuai ketentuan operasional BPJS Kesehatan (on-site untuk akses data).
flowchart LR classDef a fill:#171D28,stroke:#2A3340,color:#C9D1DC classDef b fill:#1a1320,stroke:#075863,color:#fff classDef c fill:#2a230f,stroke:#46BE6A,color:#fff PL[Pipeline Jobs
Spark/Airflow]:::a --> MX[Metrics
latency/throughput]:::b PL --> LG[Logs]:::b PL --> DQ[DQ Results]:::b MX & LG & DQ --> COL[Collector / TSDB]:::b COL --> DASH[Monitoring Dashboard]:::c COL --> AL[Alerting Proaktif]:::c AL --> OPS[Tim Ops / On-call]:::a
KPI strategis pelayanan, utilisasi, biaya klaim, tren nasional.
Kesehatan pipeline, SLA, antrian, throughput faskes harian.
Deteksi anomali klaim, skor risiko, kasus prioritas.
DQ scorecard, lineage coverage, akses & kepatuhan.
Satu definisi metrik tepercaya (single source of truth) di Gold → konsisten lintas seluruh dashboard, melayani via Trino.
| OK | bronze.klaim | 04:12 |
| OK | silver.visit_clean | 04:31 |
| FAIL | silver.peserta_conf | 04:33 |
| RUN | gold.fact_klaim | 04:40 |
| OK | mart.peserta_360 | 05:01 |
| Faskes | Pola | Skor |
|---|---|---|
| FKRTL-0192 | Upcoding | 0.97 |
| FKTP-3320 | Phantom visit | 0.95 |
| FKRTL-0871 | Readmit loop | 0.88 |
| FKTP-1204 | Duplikat klaim | 0.84 |
| FKRTL-0455 | Unbundling | 0.81 |
Evaluasi sistem eksisting, arsitektur, pipeline & DQ. Dok. Evaluasi (bln 1–2).
Arsitektur lakehouse, model data 3-layer, CDC & pipeline ELT awal. Dok. Desain.
Medallion lengkap, DQ end-to-end, dashboard, uji performa & BAST.
Monitoring pipeline, validasi konsistensi, troubleshooting & laporan mingguan.
Workshop, pendampingan, materi referensi, stabilisasi operasional.
| Peran | Kualifikasi | Pengalaman | Jml | Durasi |
|---|---|---|---|---|
| Project Manager / Team Leader | S2 TI/terkait | ≥ 5 thn PM data | 1 | 32 hari |
| Business Analyst (Muda) | S1 TI/terkait | ≥ 3 thn data | 1 | 4 bln |
| Data Designer (Muda) | S1 TI/terkait | ≥ 3 thn data | 1 | 4 bln |
| Data Engineer (Muda) | S1 TI · ≥1 CDC · ≥1 Talend | ≥ 3 thn data | 3 | 3 bln |
| Data Engineer (maintenance) | S1 TI/terkait | ≥ 3 thn data | 1 | 1 bln |
| Quality Control | S1 TI/terkait | ≥ 3 thn QC | 1 | 4 bln |
| Tenaga Administrasi | D3 | ≥ 1 thn admin | 1 | 4 bln |
| Risiko | Dampak | Prob. | Mitigasi |
|---|---|---|---|
| Dampak penarikan ke sistem sumber | Tinggi | Sedang | Log-based CDC + incremental load + window jam kerja terkontrol |
| Jumlah tabel berubah pasca-evaluasi | Sedang | Tinggi | Pipeline metadata-driven & template reusable per tabel |
| Kualitas data sumber buruk | Tinggi | Sedang | DQ gate + quarantine + scorecard governance |
| Paparan data PII/PHI | Tinggi | Rendah | CLS/RLS Voltage, masking, tokenization, enkripsi, audit akses |
| Bottleneck kinerja kueri | Sedang | Sedang | Partisi + kompaksi Iceberg + tuning Spark/Trino |
| Ketergantungan knowledge | Sedang | Sedang | Dokumentasi lengkap + workshop + materi referensi (KT) |
| Jadwal ketat (3 bulan) | Tinggi | Sedang | Delivery iteratif per bulan + laporan bulanan + scope guard |
Penguasaan mendalam Iceberg, Spark, Trino, Airflow/Talend & CDC pada kluster Hadoop enterprise.
Pengalaman menerapkan CLS/RLS, masking & tokenization (Voltage) untuk data sensitif sektor publik.
Kerangka DQ & governance terstruktur — metadata, lineage, kamus data & naming convention.
8 tenaga ahli memenuhi seluruh kualifikasi TOR, termasuk keahlian CDC & Talend.
Metodologi iteratif & laporan bulanan menjaga 3 bulan dev + 1 bulan pemeliharaan tetap on-track.
Knowledge transfer, dokumentasi & hypercare memastikan BPJS Kesehatan mandiri pasca-proyek.