Principais conclusões da conversa com o especialista Jason Mikula: “Acompanhando as mudanças no panorama dos dados”

No mês passado, tive a oportunidade de apresentar o primeiro episódio da série “Expert Talks” da Taktile, que explorou como os líderes do setor estão se adaptando ao cenário de dados em rápida evolução.

Contei com a participação dos especialistas no assunto Jonathan Gurwitz, diretor de crédito da Plaid, Manpreet Dhot, diretor de risco da Pipe, e do consultor independente Kevin Moss, que já ocupou cargos relacionados a risco e crédito na SoFi e no Wells Fargo.

Se eu tivesse que resumir a conversa a um único tema geral, diria que o ritmo das mudanças que as organizações enfrentam hoje é mais acelerado do que nunca. Os dias da estratégia de dados do tipo “configure e esqueça”, independentemente do caso de uso específico, já acabaram há muito tempo. E embora nossa discussão não tenha se concentrado principalmente na inteligência artificial, as oportunidades de aproveitar a IA para alcançar eficiência por meio da automação e dar sentido a dados não estruturados são bem evidentes. Por outro lado, a IA apresenta riscos, incluindo questões de explicabilidade e viés, e, nas mãos de pessoas mal-intencionadas, provavelmente aumentará a ameaça de golpes e fraudes que as organizações financeiras enfrentam.

Aqui estão alguns dos principais pontos destacados em nossa discussão:

Qualquer pessoa que já tenha trabalhado com crédito ao consumidor nos Estados Unidos está extremamente familiarizada com as principais agências de crédito: Equifax, Experian e TransUnion. Essas agências, também conhecidas como agências de relatórios de crédito (CRAs), são fontes valiosas de dados estruturados sobre o histórico de cumprimento das obrigações de dívida dos consumidores.

No entanto, os dados da CRA apresentam limitações. Por definição, esses dados são retrospectivos, refletindo apenas o histórico de desempenho do consumidor. Além disso, trata-se de um indicador defasado; os credores geralmente reportam os dados mensalmente, de modo que, se um consumidor enfrentar dificuldades financeiras — como a perda do emprego —, isso pode não aparecer imediatamente nos registros da agência. Os dados da CRA também não refletem uma visão completa do balanço patrimonial do consumidor, mostrando apenas o que ele deve, sem informações sobre renda ou ativos, que muitas vezes são essenciais para a análise de crédito. Além disso, podem deixar de incluir certas dívidas, como empréstimos consignados ou com garantia de veículo, e mecanismos de crédito mais recentes, como planos do tipo “compre agora, pague depois” ou adiantamentos em dinheiro.

Os dados de transações bancárias autorizados pelos consumidores podem servir como complemento aos dados tradicionais das agências de crédito para enfrentar alguns desses desafios. Por exemplo, consumidores que estão começando a usar crédito podem ter um “histórico de crédito escasso” ou “nenhum histórico” nos registros tradicionais das agências, o que dificulta uma avaliação precisa de sua pontuação de crédito. Os dados de transações bancárias oferecem uma perspectiva alternativa sobre como os consumidores administram suas finanças e um mecanismo para avaliar sua capacidade de crédito. Na verdade, os dados de transações podem revelar a capacidade de crédito de um candidato de maneiras que os dados tradicionais das agências de crédito não conseguem. Por exemplo, os planos do tipo “compre agora, pague depois” ou adiantamentos em dinheiro por aplicativo, que normalmente não aparecem nos dados das agências de crédito , constam nos dados de transações bancárias dos consumidores.

Os dados fornecidos pelo open banking também podem ajudar as instituições financeiras a melhorar a experiência do usuário, reduzindo os obstáculos em pontos-chave da jornada de conversão. Em vez de métodos ultrapassados, como o uso de microtransações, cheques cancelados para verificação de conta bancária ou a solicitação de que os usuários enviem holerites ou formulários fiscais para comprovar renda, os consumidores podem conceder permissão de forma segura para compartilhar dados diretamente de sua conta bancária ou do provedor de folha de pagamento. Essa abordagem é mais integrada e precisa para atender a esses requisitos.

Com uma lista aparentemente interminável de novos fornecedores de dados brutos e processados, muitas organizações enfrentam dificuldades para identificar, integrar e avaliar novas fontes de dados. O primeiro passo deve ser definir qual problema ou desafio a fonte de dados visa ajudar a resolver e elaborar um caso de negócios em torno desse caso de uso. Definir uma hipótese e abordar um novo fornecedor de dados com uma mentalidade de “testar e aprender” pode ajudar a definir o que constitui sucesso para um determinado caso de uso.

A realização de uma prova de conceito, por meio da avaliação de uma amostra dos dados de um fornecedor em um ambiente de teste ou fora de produção, pode ajudar as organizações a compreender melhor se uma determinada fonte de dados é adequada para seu caso de uso. A prova de conceito deve ser projetada para imitar, na medida do possível, o ambiente de produção real, e seus resultados devem ser comparados com as premissas e metas do caso de negócios.

Especialmente quando uma fonte de dados fornece dados processados, como recursos pré-definidos, é fundamental compreender a origem e a confiabilidade dos dados subjacentes para poder apresentar as justificativas exigidas por lei, caso os candidatos sejam recusados com base nessas fontes de dados.

As considerações técnicas também podem representar um obstáculo na integração e avaliação de novas fontes de dados. É importante definir com antecedência que tipo de infraestrutura técnica já está disponível ou será necessária, bem como os recursos de produto e de engenharia necessários para integrar e utilizar uma nova fonte de dados.

A forma como a integração de uma fonte de dados afeta a jornada do cliente é um fator fundamental na avaliação de seu impacto geral sobre a taxa de conversão e a rentabilidade. Por exemplo, ao integrar e extrair dados de agências de crédito tradicionais, existem várias abordagens sobre a quantidade e o tipo de informações a serem coletadas do usuário para facilitar o acesso a esses dados. Quanto mais campos de preenchimento (e quanto mais sensíveis forem os dados), maior será a probabilidade de os usuários desistirem. Outros tipos de integração de dados, como o open banking, podem ter um impacto mais significativo na experiência e na jornada do usuário. Normalmente, nas integrações de open banking, os usuários devem completar uma série de etapas para conceder explicitamente acesso à sua conta e a tipos específicos de dados nela contidos. Embora a vantagem seja o poder explicativo adicional dos dados que os usuários compartilham, pode haver um impacto negativo na taxa de conversão.

Os riscos legais e regulatórios também são fatores essenciais na avaliação e integração de novos fornecedores de dados. No setor de crédito ao consumidor nos Estados Unidos, leis como a Fair Credit Reporting Act (FCRA) e a Equal Credit Opportunity Act (ECOA), bem como seus regulamentos de aplicação, determinam quais tipos de dados os credores podem utilizar e garantem certos direitos aos consumidores. A ECOA proíbe a discriminação ilegal contra determinadas classes protegidas, incluindo aquelas resultantes de impacto desigual. Terceiros externos, incluindo fornecedores de dados, devem ser devidamente supervisionados e gerenciados em um processo conhecido como gestão de riscos de terceiros, uma área à qual os reguladores financeiros têm dedicado cada vez mais atenção ultimamente.

A segurança da informação e a privacidade dos dados também são fatores essenciais a serem considerados ao integrar novas fontes de dados. Dependendo da fonte e do tipo de dados, as organizações podem enfrentar restrições quanto à sua capacidade de reter ou utilizar esses dados. Por exemplo, a regra 1033 recentemente finalizada nos EUA, que rege o open banking no país, impõe restrições ao chamado “uso secundário” de dados de transações com permissão do consumidor, exige que os consumidores de dados obtenham a permissão dos usuários para continuar acessando tais dados anualmente e pode exigir que as organizações excluam os dados dos usuários caso eles revoguem sua permissão.

Toda empresa, seja do setor financeiro ou não, enfrenta suas próprias necessidades e desafios específicos. Mas há um desafio comum a todas as empresas: a mudança. Seja em relação a fontes de dados novas e em constante evolução, comportamentos novos ou desconhecidos dos clientes, ou um ambiente jurídico e regulatório em constante mudança, a capacidade das organizações de se adaptarem de forma rápida e eficaz às mudanças em seu ambiente operacional determinará quem serão os “vencedores” e os “perdedores”.

Contar com a infraestrutura tecnológica adequada, que proporcione às organizações a agilidade necessária para lidar com mais eficiência às mudanças em seu ambiente, não é apenas algo “desejável”, mas sim uma necessidade imprescindível no mundo atual, em constante transformação e caracterizado pelo “novo normal”.