Ao longo de 20 anos trabalhando no mundo de dados e analytics, tenho acompanhado a evolução das informações utilizadas pelo mercado de crédito, e esta foi um alicerce fundamental para a evolução das análises de risco ao longo do tempo.
De forma simplificada, eu poderia resumir a história em dois fatores. O primeiro é que, hoje, sem dúvida, há muito mais dados disponíveis do que há 20 anos para se tomar decisões. O segundo é que, por outro lado, os dados estão cada vez mais disponíveis a todos, igualmente.
Nesse contexto, o modelo de análise de crédito passa por uma evolução necessária, principalmente após a onda de digitalização dos últimos anos, onde fica claro que não é mais suficiente apenas ter uma grande quantidade de informações do mesmo público, mas também é preciso conhecer a enorme parcela da população sobre a qual o mercado tem pouca ou nenhuma informação.
Análises que consideram apenas dados tradicionais, como dados cadastrais, anotações de inadimplência, registros de consultas (passagens), histórico financeiro e as próprias bases internas das instituições, são necessárias, porém não mais suficientes para buscar diferenciação competitiva, especialmente em momentos de elevação de concorrência.
Isso acontece porque existe no mercado de crédito uma divisão de três públicos, que a grosso modo, representam 1/3 da população cada. Um é considerado de alto risco, onde se dispõe de muita informação tradicional negativa, e que é geralmente reprovado. Outro é representado por um público de baixo risco, onde os dados também são abundantes e a aprovação é grande. E, por fim, o público chamado de “zona cinzenta”, que representa um grande desafio para o mercado, pois há pouca ou nenhuma informação sobre ele. Nela, estão novos entrantes, os que não tomam crédito, não bancarizados, autônomos e jovens. Pessoas invisíveis para os dados tradicionais.
A pergunta que fica é: como as empresas podem conhecer mais sobre essas pessoas?
É aí que entra a importância dos dados alternativos, como comportamento no digital, histórico de compras, geolocalização, despesas recorrentes, house hold e dispositivos. Estes dados têm grande potencial de trazer mais luz para melhorar a decisão de todos os públicos, especialmente aos da zona cinzenta.
Em um cenário de grande digitalização dos mais diversos públicos, dados estão sendo gerados o tempo todo, em diversos lugares, e conseguir aplicar inteligência sobre eles pode gerar diferenciais competitivos nos negócios de uma instituição financeira.
Na própria ClearSale, que somente em 2022 analisou a compra de 2 bilhões de itens pelo e-commerce, temos um caso de um dos maiores bancos do país, que, ao utilizar dados sobre o comportamento digital dos consumidores, tais como histórico de consumo, tipo de loja, dispositivos e produtos, viu seus indicadores melhorarem rapidamente. A instituição obteve um aumento de 17% na taxa de aprovação, com 10% de crescimento na ativação de produtos e, ao mesmo tempo, observou sua taxa de inadimplência reduzir para um patamar de 4,7%.
As melhores práticas têm demonstrado que os dados alternativos devem ser utilizados em conjunto com os dados tradicionais, em uma relação de complementaridade, afinal, não existe bala de prata quando se fala em análise de crédito, e as instituições financeiras continuarão evoluindo na utilização inteligente de dados.