|
Big data, um aliado na gestão de crédito |
| ... | Novos dados tornam a gestão de crédito mais inteligente e oferecem uma visão ampla dos riscos relacionados a cada cliente
Por Ricardo Thomaziello*
O enorme volume de dados produzidos e armazenados hoje em qualquer setor de atividade e a dificuldade de lidar com essa quantidade de informações têm colocado um imenso desafio para as empresas: como tratar e extrair dessa massa de dados insights que possam impactar positivamente os negócios — tudo isso dentro do contexto de cumprimento da Lei Geral de Proteção de Dados (LGPD)? Indiscutivelmente, um dos grandes aliados das organizações nessa jornada é que o big data associado a uma boa exploração de dados através de analytics permite reunir em um único sistema dados estruturados e não estruturados atualizados de múltiplas fontes e fazer o cruzamento dessas informações para as tomadas de decisão.
No caso em particular da concessão de crédito, o big data e analytics possibilitam a uma empresa que atua no mercado de crédito ou decisões com risco financeiro — seja um banco, seguradora, cooperativa de crédito, varejista, operadoras de telecomunicações ou fintech — não apenas analisar os dados sobre o cliente (CPF ou CNPJ, etc.), tornando a decisão mais previsível, rápida e assertiva, como também obter insights relevantes para oferta de produtos ou serviços.
Na verdade, a gestão de crédito é uma área em que já se usa dados há bastante tempo. Um escore de crédito nada mais é do que um processo de organização de dados e uso intenso de algoritmos matemáticos e estatísticos. Entretanto, hoje, ao se fazer a análise de crédito é importante não apenas analisar o histórico do cliente, mas projetar e prever o futuro. Isso porque, quando se faz uma análise de crédito, o resultado — ou seja, saber se o cliente pagou em dia ou atrasou o empréstimo — só vai aparecer após alguns meses e até anos. E se a análise envolver uma grande escala e não for feita de maneira eficiente, há até mesmo o risco de quebrar a empresa. Quanto mais for possível explorar o uso de novas técnicas estatísticas e novos dados mais haverá melhorias e maximização dos resultados dos processos tradicionais de análise.
O big data/analytics torna o sistema de gestão de crédito mais inteligente e oferece uma visão ampla dos riscos relacionados a cada perfil de cliente, com a escala e a velocidade que as empresas precisam. Ela é capaz de analisar centenas ou milhares de dados cadastrais, transacionais e até mesmo comportamentais de cada cliente para avaliar, com alto nível de precisão, diferentes riscos de inadimplência e a mudança do perfil de risco ao longo do tempo. Em termos práticos é possível, por exemplo, saber que cliente potencialmente pode atrasar o pagamento de uma prestação ou, então, se ele está tomando empréstimo em outro lugar ou se está pagando outras dívidas no mercado.
Há uma infinidade de informações e insights que podem ser obtidos a partir dessa ferramenta. Com big data é possível ainda segmentar o público potencial da empresa e desenvolver estratégias específicas para cada perfil. Verificar se o cliente é propenso, por exemplo, a contratar crédito consignado ou se não se encaixa nesse perfil. A ferramenta também vem sendo utilizada para pré-aprovação de crédito. A partir do momento que o cliente preenche a proposta do banco, por exemplo, ele é automaticamente aprovado, pois a ferramenta já faz toda a checagem e análise, valida o escore e confirma a aprovação.
Vale destacar que, para extrair o máximo de insights, os dados precisam estar acessíveis em tempo real e atualizados. Para isso, a empresa tem que contar com pessoal capacitado, uma solução de ponta e dispor de bases de dados amplas e confiáveis para poder realizar o cruzamento rápido das informações e análises precisas para a tomada de decisão. O sucesso na gestão de crédito está apoiado no tripé precisão, agilidade e segurança, pois decisões lentas e mal tomadas podem comprometer a operação.
*Ricardo Cervellini Thomaziello é diretor executivo de dados e analytics (CDO) da Quod, empresa de inteligência de dados e avaliação de crédito.
|
|
|
|
|
|