Os cinco erros de análise de dados que os bancos ainda cometem

Seja uma pessoa ou um banco, o consenso é o mesmo: com finanças não existe margem de erro. Uma interpretação errada em um dado específico pode causar um enorme prejuízo no futuro. A questão é que, enquanto um cidadão comum lida com uma quantidade limitada de informações, uma instituição financeira precisa prestar atenção a um número cada vez maior e abrangente de elementos em cada operação que realiza — o que aumenta o risco de fraudes.

Isso explica, portanto, porque as soluções de Big Data encontraram espaço para crescer dentro das agências bancárias. Com a tendência cada vez maior de digitalização de documentos, os profissionais precisam de ferramentas robustas para analisar e interpretar a variedade, velocidade e volume de dados, tanto os estruturados, como os cálculos matemáticos, quanto os não estruturados decorrentes das redes sociais e análises de sentimento. Diante desse cenário, confira os cinco erros que os bancos ainda cometem em seu dia a dia.

Indicadores financeiros dos clientes — instituições financeiras têm dificuldades para processar todos os dados de forma automática e rápida e correm riscos na hora de analisar as informações de seus próprios clientes. Sem o monitoramento completo da situação financeira de seus clientes (informações de renda, movimentação da conta e seu próprio comportamento), as agências não conseguem medir o risco das operações, como empréstimos e financiamentos.

Análises estratégicas — sem as informações acuradas sobre seu público-alvo, o banco não apenas fica refém do risco inerente no negócio, como também não consegue criar um plano estratégico para a venda de seus serviços. Afinal, ele não tem uma visão do todo e não sabe quais as demandas das pessoas.

Observação enviesada — não chega a ser um erro, mas é algo que impede a otimização dos recursos. Como a maioria das instituições não conseguiam coletar a totalidade dos dados disponíveis sobre seus cliente. Ela trabalha com amostras de um determinado perfil. Assim, o relatório fica totalmente limitado à quantidade da amostragem utilizada – e não necessariamente reflete a realidade de seu mercado e segmento.

Amostragem para risco de crédito — a pratica citada no tópico anterior resulta em outro erro muito comum: a utilização da amostragem para análise de risco de crédito. Com relatórios sem a totalidade dos dados, os bancos ficam mais propensos a fraude. O ideal é trabalhar com um volume na íntegra, possibilitando uma maior precisão na análise, melhor detecção de problemas e um serviço mais seguro e com qualidade para o cliente.

Big Data — não dá mais para ignorar soluções deste tipo no dia a dia dos bancos. Esse setor possui um grande volume de informações todos os dias e, sem a ferramenta adequada, o processo torna-se burocrático. Mas com o serviço adequado, o processamento de dados fica mais barato e permite um volume maior, com mais precisão e custo baixo quando comparado às tecnologias mais tradicionais.

. Por: Leonardo Dias, CDO e co-fundador da Semantix, empresa especializada em Big Data, Inteligência Artificial, Internet das Coisas e Análise de dados. | Semantix — Líder e referência no mercado em que atua, a Semantix é especialista em Big Data, Inteligência Artificial, Internet das Coisas e Análise de dados. Fundada em 2010 com inspiração nas empresas de tecnologias open-source do Vale do Silício, a Semantix surgiu com a proposta de estar à frente das soluções inovadoras do mercado, sendo hoje a única one-stop shop no Brasil, com um modelo de negócio 360º. Com parceiros de peso, como a Cloudera, Intel, Mesosphere, Lucidworks e Datastax, e um qualificado time de cientistas e engenheiros de dados, a Semantix presta consultorias, treinamentos e suporte para tecnologias de parceiros e produtos próprios. Acumulando cases de sucesso, a Semantix se consolida como uma das principais startups em Big Data do Brasil. A Semantix colabora e possui um escritório no inovaBra habitat, espaço de co-inovação do Bradesco. | www.semantix.com.br

Enviar Imprimir