Dados são importantes para todos os setores da economia. É fato que, hoje, ser pautado por informações estruturadas é a forma mais segura de ter sucesso em um modelo de negócio – seja ele qual for. Nesse sentido, o setor financeiro já é uma referência: em termos de tecnologia, eles foram pioneiros no Brasil. Portanto, já estão habituados com a ideia de que os dados precisam ter um papel estratégico na empresa. Apesar disso, será que os bancos têm facilidade em lidar com o processo operacional?

De acordo com Elcio Santos, CEO da Always On, combinar esses dois aspectos – estratégico e operacional – é o grande desafio de muitas organizações. No caso dos bancos, devido à extensão de seus negócios, muitas vezes já existe uma visão estratégica e um planejamento a respeito do que se espera dos dados. A parte operacional, porém, não é tão simples de ser efetuada. “Essa indústria precisa de serviços especializados, capaz de fazer a organização, a limpeza e a mineração dos dados”, diz o executivo. “Isso não tem o glamour da estratégia e sabemos, devido à nossa expertise, que essas companhias ainda necessitam disso”.

Nesse sentido, ele aponta que empresas muito grandes não conseguem inovar espontaneamente – prova disso é que os maiores bancos investiram em estruturas laterais focadas em fomentar e agregar startups. “Essa é uma forma de trazer visões diferentes e as vantagens são mútuas, afinal, simplesmente por estarem plugadas aos bancos as pequenas empresas passam a valer muito mais”, afirma.

Diante disso, Santos elenca sete pontos que são essenciais para que o mercado financeiro administre bem os dados coletados.

1. Gerenciamento de dados

É fato que as grandes empresas – de bancos a administradoras de cartão de crédito – possuem variados dados sobre os consumidores. Ainda assim, como afirma Santos, as experiências oferecidas por essas companhias não são tão personalizadas quanto poderiam ser. “As startups do setor estão tendo sucesso pois entendem que o cliente quer ser tratado como único”, diz.

Dessa forma, ele argumenta que, por meio de tecnologias de Inteligência Artificial (IA), Processamento de Linguagem Natural (PNL), mineração e análise de dados e textos, é possível gerar insights e relatórios a partir da necessidade da empresa. Para isso, o ideal pode ser ter um parceiro especializado no tema – afinal, esse não é o core business do banco.

2. Prestação de serviços personalizados

Nos dias de hoje, é essencial que as empresas gerem experiências de acordo com o ciclo de vida do cliente. “Como eu municio a equipe de vendas – seja ela uma IA ou um humano – para apresentar e oferecer serviços cada vez mais personalizados?”, questiona o CEO da Always On. A resposta, ele afirma, está em 3 Ps: entender o potencial, o perfil, a predisposição do consumidor. E isso só é possível por meio do uso de dados.

3. Customização em profundidade

Além de oferecer experiências marcantes, Santos aponta que é possível, por meio do uso de dados, aumentar o relacionamento pessoal com o cliente, entender em profundidade as necessidades dele e a forma como ele se comporta financeiramente para, a partir disso, melhorar a análise do score do consumidor.

4. Conhecimento = Gerenciamento de risco

Com dados, é possível fazer previsões, entender a frequência de perda. “Unindo dados estruturados e desestruturados, é possível saber se o risco se compensa ou não”, afirma. “Os bancos fazem muito bem a modelagem da inteligência que administra a análise de risco, mas, há novas visões sobre isso, inclusive trazendo informações externas”. Com inteligência, os bancos (inclusive novas instituições) ganham potencial para oferecer crédito, diminuindo a inadimplência.

5. Possibilidade de análise acontecer em tempo real

Como aponta o CEO da Always On, o trabalho inicial, operacional, na gestão dos dados, é enorme. Afinal, a quantidade de informações cresce em progressão geométrica. É por isso, ele reforça, que muitas empresas optam por contar com parceiros como a Always On. “Para que o processo seja feito em tempo real, é preciso a organização dos dados desestruturados”, explica. É aí onde entra o Machine Learning (ML), por exemplo. “Falar em IA é muito mais do que ter um robô”, explica. Nesse sentido, fica claro que ter informações e processamento de dados em tempo real é algo complexo e demorado. Assim, em sua metodologia, a Always On define pequenas entregas que acontecem ao longo do processo e ajudam a perceber a realização do todo.

6. Negociação algorítmica

Assim como na análise de risco, é possível, por meio da aplicação de algoritmos, elaborar a melhor oferta de serviços e produtos para o cliente ideal. Santos afirma, contudo, que é essencial ter um controle sobre a quantidade de modelos que são adotados pela IA – senão, corre-se o risco de não ter os insights para isso.

7. Detecção de fraudes

Por fim, Santos afirma que, cada vez mais, haverá risco de fraudes bancárias. Apesar disso, ele reforça que os sistemas bancários são extremamente seguros – uma referência nesse sentido, inclusive. Apesar disso, ele sustenta que os dados ajudam a fazer uma análise preditiva que tende a facilitar o estudo disso. Este final, acho que precisa ser melhorado…indo na linha de melhoria dos algoritmos levou a mais precisão na detecção de fraudes onde se pode identificar padrões incomuns nos dados de negociação e fazer uma investigação mais aprofundada.