Profil Perusahaan
| Nama Perusahaan | PT GoTo Gojek Tokopedia Tbk (Gojek) |
| Industri | Super App — Transportasi, Logistik, Pembayaran Digital, E-Commerce |
| Berdiri | 2010 (Nadiem Makarim), IPO 2022 |
| Skala Data | Lebih dari 2 juta mitra pengemudi, 900+ kota di Asia Tenggara |
| Stack Teknologi | Kubernetes, Kafka, Flink, BigQuery, TensorFlow, Go-Pay |
Gojek dipilih sebagai studi kasus karena merupakan salah satu perusahaan teknologi Indonesia yang paling kompleks dari sisi arsitektur data dan yang mengelola jutaan transaksi real-time setiap harinya di ekosistem super app yang mencakup ride-hailing, food delivery, pembayaran digital, hingga logistik. Gojek terus mengalami perkembangan dengan terintegrasi pada penggunaan sistem yang bertujuan untuk membantu memecahkan permasalahan di masyarakat serta membuka peluang lapangan pekerjaan yang lebih baik untuk Indonesia. Namun, Gojek telah melakukan Merger bersama Tokopedia yang kemudian dikenal dengan nama GoTo.
9 Langkah Architectural Development Process
Step 1 — Preliminary: Menetapkan Kerangka & Prinsip Arsitektur
Gojek menetapkan prinsip arsitektur data terpusat pada fase awal transformasinya.
Prinsip utama yang diadopsi meliputi :
- Data as a Product : Setiap tim (ride, food, payment) bertanggung jawab atas kualitas dan aksesibilitas data yang mereka hasilkan.
- API-First Architecture : Semua layanan berkomunikasi melalui API yang terdokumentasi, memudahkan integrasi antar-produk.
- Privacy by Design : Proteksi data pengguna dibangun sejak tahap desain, bukan ditambahkan belakangan.
- Scalability & Resilience : Sistem dirancang untuk menangani lonjakan traffic ekstrem, terutama saat promosi besar seperti Harbolnas.
Step 2 — Business Architecture: Pemetaan Proses & Tujuan Bisnis
Arsitektur bisnis Gojek berpusat pada ekosistem tiga sisi (three-sided marketplace): pengguna akhir, mitra pengemudi/merchant, dan pengiklan/mitra bisnis. Tujuan bisnis yang dipetakan mencakup :
- Meningkatkan Gross Transaction Value (GTV) melalui personalisasi rekomendasi
- Mengurangi waktu tunggu rata-rata menjadi di bawah 3 menit di kota-kota
- Meningkatkan retensi pengguna aktif bulanan (MAU) melalui program loyalitas berbasis data.
- Mengoptimalkan pendapatan iklan di platform GoPay dan GoFood menggunakan targeted advertising.
Step 3 — Information Systems Architecture : Pemetaan Sistem & Data
Gojek mengidentifikasi dan mengklasifikasikan seluruh sistem informasi ke dalam beberapa domain utama:
| Domain Sistem | Sistem Utama | Data yang Dihasilkan |
| Transportasi | GoRide Matching Engine, GPS Tracking | Lokasi real-time, rute, waktu perjalanan |
| Pembayaran | GoPay Core Banking, Fraud Detection | Transaksi keuangan, pola pembayaran |
| Kuliner | GoFood Recommendation Engine | Preferensi makanan, riwayat pesanan |
| Logistik | GoSend Routing Optimizer | Data pengiriman, optimasi rute |
| Analytics | Gojek Data Platform (GDP) | Agregasi semua data lintas layanan |
Step 4 — Technology Architecture: Infrastruktur & Stack Teknologi
Arsitektur teknologi Gojek dibangun di atas fondasi cloud-native dengan microservices. Komponen utama infrastruktur data meliputi :
- Data Ingestion Layer : Apache Kafka untuk streaming data real-time dari jutaan event per detik (booking, pembayaran, lokasi GPS).
- Processing Layer : Apache Flink untuk stream processing dan Apache Spark untuk batch processing.
- Storage Layer : Google Cloud Storage sebagai data lake, BigQuery sebagai data warehouse untuk analitik skala besar.
- ML Platform : TensorFlow Extended (TFX) untuk training dan deployment model machine learning secara terpusat.
- Serving Layer : Feast (Feature Store) untuk menyediakan fitur ML yang konsisten antara training dan serving.
- Orchestration : Kubernetes untuk container orchestration yang memungkinkan skalabilitas otomatis.
Step 5 — Opportunities & Solutions: Identifikasi Peluang & Solusi
Berdasarkan gap analysis antara arsitektur saat ini dan target state, Gojek mengidentifikasi sejumlah peluang transformatif:
- Dynamic Pricing Optimization : Model ML yang dapat menyesuaikan harga secara real-time berdasarkan permintaan, cuaca, dan kondisi lalu lintas.
- Predictive ETA (Estimated Time of Arrival) : Meningkatkan akurasi prediksi waktu tiba menggunakan deep learning untuk meningkatkan kepercayaan pengguna.
- Personalized Feed : Rekomendasi GoFood dan GoMart yang dipersonalisasi berdasarkan histori, waktu, dan konteks lokasi pengguna.
- Driver Fatigue Detection : Menggunakan sensor data dan pola mengemudi untuk mendeteksi kelelahan pengemudi demi keselamatan.
- Real-time Fraud Prevention : Model deteksi anomali yang berjalan pada setiap transaksi GoPay untuk mencegah penipuan.
Step 6 — Migration Planning: Perencanaan Migrasi & Roadmap
Gojek menyusun roadmap migrasi dalam tiga fase utama yang memastikan keberlangsungan operasional selama transformasi :
- Fase Foundation (Bulan 1-6) : Migrasi data warehouse lama ke BigQuery, standardisasi format data, implementasi data catalog menggunakan Apache
- Fase Modernisasi (Bulan 7-18) : Migrasi dari batch processing ke stream processing, implementasi feature store terpusat, deployment model ML generasi
- Fase Optimasi (Bulan 19-30) : Full automation of ML pipelines, self-service analytics untuk semua tim produk, implementasi real-time personalization
Step 7 — Implementation Governance: Tata Kelola Implementasi
Struktur tata kelola data Gojek dirancang untuk memastikan kualitas, keamanan, dan kepatuhan data:
- Data Governance Council : Terdiri dari Chief Data Officer (CDO), Head of Engineering, dan perwakilan setiap business unit untuk memutuskan kebijakan data
- Data Stewardship Program : Setiap domain bisnis memiliki Data Steward yang bertanggung jawab atas kualitas dan dokumentasi data di domain tersebut.
- Data Quality Framework : Implementasi Great Expectations untuk automated data quality testing di setiap pipeline data.
- Privacy Impact Assessment : Evaluasi rutin terhadap penggunaan data pengguna untuk memastikan kepatuhan terhadap regulasi lokal dan internasional.
- Change Management Board : Review dan approval untuk setiap perubahan arsitektur yang berdampak pada sistem produksi.
Step 8 — Architecture Change Management: Pengelolaan Perubahan Arsitektur
Gojek menerapkan proses Architecture Decision Record (ADR) untuk mendokumentasikan setiap keputusan arsitektur penting:
- ADR Process : Setiap proposal perubahan arsitektur harus melalui proses review oleh Architecture Review Board (ARB) sebelum diimplementasikan.
- Blue-Green Deployment : Strategi deployment yang memungkinkan rollback cepat jika terjadi masalah pada versi baru tanpa downtime.
- Feature Flags : Implementasi feature toggles untuk mengontrol rollout fitur baru secara bertahap kepada subset pengguna.
- Chaos Engineering : Program Chaos Monkey untuk secara proaktif menguji resiliensi sistem terhadap kegagalan komponen.
- Post-Mortem Culture : Setiap insiden produksi diikuti dengan blameless post-mortem untuk mengidentifikasi perbaikan sistemik.
Step 9 — Architecture Compliance: Pengukuran Kepatuhan & Hasil
Keberhasilan implementasi Architectural Development Process di Gojek diukur melalui serangkaian KPI yang terukur:
| KPI | Target | Dampak Bisnis |
| Akurasi prediksi ETA | ≥ 90% | Peningkatan kepuasan pengguna 23% |
| Waktu deteksi fraud | < 100ms per transaksi | Pengurangan kerugian fraud 67% |
| Data freshness di dashboard | < 5 menit lag | Manajer buat keputusan lebih cepat |
| Uptime platform data | 99.9% SLA | Kepercayaan mitra & investor meningkat |
| Model ML deployment time | < 2 jam (CI/CD) | Iterasi produk 5x lebih cepat |
| Data coverage (kolom terdokumentasi) | > 95% | Onboarding data analyst baru lebih mudah |
Kesimpulan
Success model Gojek berdasarkan Architectural Development Process menunjukkan bahwa transformasi data bukanlah proyek satu kali, melainkan sebuah perjalanan berkelanjutan yang membutuhkan keselarasan antara strategi bisnis, arsitektur teknologi, dan tata kelola organisasi. Dengan mengikuti 9 langkah secara sistematis — dari penetapan prinsip hingga pengukuran kepatuhan — Gojek berhasil membangun fondasi data yang kuat yang mendukung pengambilan keputusan real-time di seluruh ekosistem super app-nya.
Kunci keberhasilan implementasi ini adalah integrasi antara aspek teknis (infrastruktur cloud-native, ML platform) dengan aspek organisasional (data governance, change management), yang keduanya harus berjalan secara paralel dan saling mendukung untuk mencapai nilai bisnis yang maksimal.
REFERENSI
- Sharda, R., Delen, D., & Turban, E. (2024). Business Intelligence, Analytics, and Data Science – A Managerial Perspective. United States: Pearson.
- https://www.gotocompany.com/
