Denodo: Saatnya Indonesia Bangun Marketplace Data Nasional

Di tengah percepatan transformasi digital dan semakin besarnya peran Artificial Intelligence (AI) dalam pengambilan keputusan strategis, pemerintah maupun industri jasa keuangan dituntut untuk memiliki fondasi data yang modern, aman, dan terkelola dengan baik. Tanpa tata kelola data yang kuat, implementasi AI berisiko menghasilkan keputusan yang tidak akurat, lambat, bahkan menimbulkan kerugian besar.

Hal tersebut disampaikan Enterprise Sales Director Denodo, Zainal Abidin, dalam ajang Cloud Computing Indonesia Conference 2026. Dalam paparannya, Zainal menegaskan bahwa Indonesia saat ini memasuki fase penting dalam perjalanan transformasi digital nasional, khususnya melalui Rencana Induk Pemerintahan Digital 2025–2045 yang menjadi visi besar Kementerian Komunikasi dan Digital (Komdigi).

Menurutnya, interoperabilitas data bukan lagi sekadar fitur tambahan, melainkan fondasi utama dalam membangun pemerintahan digital yang efektif. Visi Komdigi adalah mempercepat transformasi digital di seluruh layanan pemerintahan, dan keberhasilan visi tersebut sangat bergantung pada kemampuan berbagai sistem untuk saling terhubung secara aman dan efisien.

“Interoperabilitas bukan pilihan; ini adalah prasyarat kedaulatan digital,” ujar Zainal.

Ia menjelaskan bahwa kedaulatan digital tidak hanya berarti menyimpan data di dalam negeri atau memiliki pusat data sendiri. Lebih dari itu, kedaulatan berarti kemampuan untuk menggunakan data secara terintegrasi di seluruh ekosistem, dengan akses yang terkendali, aman, dan dapat dipertanggungjawabkan.

“Memiliki data yang terpisah-pisah dalam silo bukanlah kedaulatan. Yang disebut kedaulatan adalah kemampuan mengendalikan akses data secara langsung, aman, dan terkelola,” jelasnya.

Tantangan Besar: Data Masih Terpisah-Pisah

Zainal menyoroti masih banyaknya organisasi yang menghadapi persoalan “pulau-pulau data” atau data silo. Data tersebar di berbagai sistem seperti multi-cloud, server lokal (on-premise), hingga aplikasi SaaS yang berdiri sendiri.

Kondisi ini membuat proyek AI sulit berkembang karena tidak ada satu model AI pun yang mampu melihat gambaran bisnis secara utuh. Akibatnya, banyak implementasi AI hanya berhenti pada tahap eksperimen.

Masalah berikutnya adalah fenomena halusinasi AI. AI sering menghasilkan informasi yang salah bukan karena modelnya buruk, melainkan karena data yang digunakan tidak lengkap, sudah usang, atau bahkan saling bertentangan.

“Masalahnya bukan pada model AI, tetapi pada fondasi datanya yang rusak,” kata Zainal.

Ia juga mengungkapkan bahwa sebanyak 67 persen proyek proof of concept (PoC) AI gagal masuk ke tahap produksi. Penyebab utamanya bukan pada algoritma, tetapi pada akses data, tata kelola, dan kecepatan pemrosesan yang tidak pernah benar-benar diselesaikan.

Setiap bulan yang terbuang dalam tahap uji coba, lanjutnya, berarti kerugian biaya sekaligus hilangnya kepercayaan dari pemangku kepentingan.

Belajar dari Sistem Subak Bali

Untuk menjelaskan pendekatan modern dalam pengelolaan data, Zainal mengambil contoh dari sistem Subak di Bali. Sistem irigasi tradisional ini mampu mengairi lebih dari 20.000 lahan pertanian tanpa harus memindahkan tanah.

Menurutnya, prinsip yang sama dapat diterapkan dalam manajemen data modern.

“Subak mengatur aliran, bukan memindahkan air. Data juga demikian,” ujarnya.

Pendekatan ini dikenal sebagai logical data management, yakni sistem yang memungkinkan data tersedia langsung bagi seluruh pengguna tanpa harus disalin atau dipindahkan ke tempat lain.

Keunggulan pendekatan ini antara lain virtualisasi tanpa salinan (zero-copy), sehingga data tetap aman dan sesuai aturan lokasi penyimpanan. Selain itu, query dapat dilakukan secara real-time di lingkungan multi-cloud, on-premise, maupun SaaS, melalui satu lapisan logis terpadu tanpa perlu migrasi besar-besaran.

Semantic Layer: Bhinneka Tunggal Ika dalam Data

Zainal juga memperkenalkan konsep semantic layer atau lapisan semantik terpadu. Ia mengibaratkannya seperti batik dari Solo, Pekalongan, dan Cirebon yang memiliki warna, teknik, dan pembatik berbeda, tetapi tetap dikenali sebagai motif Parang.

Begitu pula dengan data. Setiap sumber data memiliki “bahasa” yang berbeda, sehingga semantic layer dibutuhkan agar semuanya memiliki makna yang seragam dan dapat dipahami AI dengan benar.

Ia juga menekankan pentingnya metadata yang terkelola. Seperti halnya batik yang memiliki makna tersembunyi terkait pembuat, daerah asal, hingga status sosial pemakainya, data juga memerlukan metadata untuk memberikan konteks yang benar.

“Tidak semua orang bisa membacanya, tetapi maknanya sangat penting. Itulah fungsi metadata yang terkelola bagi AI,” jelasnya.

Dari Data Mentah Menjadi Produk Cerdas

Dalam model Denodo, data dibangun melalui tiga lapisan utama, yakni Bronze, Silver, dan Gold. Lapisan Bronze merupakan tahap akses data 360 derajat yang sudah selaras, terkelola, hanya-baca (read-only), dan mengikuti kebijakan keamanan.

Lapisan Silver adalah tahap kecerdasan, di mana fitur, metrik, dan embedding telah divalidasi sehingga data sudah bersih dan siap digunakan oleh AI. Sementara lapisan Gold merupakan API produksi yang telah memiliki kontrak, versi, pemantauan, dan siap dipakai untuk berbagai kebutuhan bisnis. Inilah lapisan yang digunakan oleh AI Agent dalam operasional nyata.

Dengan pendekatan ini, data tidak lagi hanya menjadi arsip pasif, melainkan berubah menjadi produk cerdas yang siap digunakan lintas organisasi.

Toko Data: Mencari Data Semudah Belanja Online

Salah satu konsep utama yang diperkenalkan adalah “Toko Data” atau data marketplace. Zainal menggambarkannya sebagai platform di mana mencari data bisa semudah berbelanja di platform e-commerce seperti Shopee.

Melalui marketplace ini, pengguna dapat menjelajahi produk data berdasarkan kategori, melakukan query menggunakan bahasa alami tanpa perlu memahami SQL, hingga memanfaatkan conversational BI dan deep query agent.

Seluruh kontrol akses juga diterapkan secara otomatis agar keamanan dan tata kelola tetap terjaga.

Bagi pengguna bisnis, manfaatnya adalah penemuan data secara mandiri (self-service), akses instan ke data yang sudah terkelola, serta kemampuan analitik berbasis percakapan tanpa perlu tiket ke tim IT.

Untuk tim AI, tersedia integrasi AI SDK dan MCP Server, konteks terpercaya untuk AI Agent, serta embedding dan fitur yang sudah terkelola.

Sementara bagi tim data, tersedia Design Studio, AI Assistant, VQL berbasis LLM, hingga publikasi dan tata kelola produk data secara lebih efisien.

Membangun Kepercayaan di Indonesia

Denodo sendiri disebut telah digunakan oleh berbagai institusi besar di Indonesia seperti Telkom Indonesia, BPJS Kesehatan, dan Bursa Efek Indonesia.

Dengan pendekatan logical data management, pelanggan Denodo diklaim mampu mengurangi waktu integrasi data hingga 75 persen, mempercepat time-to-insight tiga hingga empat kali lebih cepat, serta memperoleh pengembalian investasi dalam waktu kurang dari enam bulan.

Zainal menegaskan, saatnya organisasi di Indonesia berhenti membangun silo data dan mulai menciptakan hasil nyata.

Menurutnya, AI berbasis agen (agentic AI) membutuhkan akses terhadap data yang terpadu, dan terkelola secara real-time di seluruh sumber data—baik hybrid, multi-cloud, on-premise, SaaS, maupun pihak ketiga.

“Tempat di mana setiap instansi, setiap perusahaan, dan setiap model AI dapat menemukan, mempercayai, dan menggunakan data semudah berbelanja online—itulah Toko Data untuk Nusantara yang berdaulat dan terpercaya,” pungkasnya.