O desenvolvimento de um ambiente de alta performance com a utilização de analytics

No último artigo publicado aqui no OpenHub News, falamos dos princípios básicos da criação de um ambiente de alta performance com a utilização de analytics. Abordamos o processo de coleta e estruturação planejada dos dados, as dificuldades vividas na área de analytics, softwares mais utilizados e, principalmente, da importância das pessoas com capacidade analítica e conhecimento do negócio.

O uso da informação desempenha um papel crucial na tomada de decisão de risco de crédito em instituições financeiras, empresas de empréstimo, cooperativas de crédito, Fintechs e outras organizações que concedem crédito. Portanto, um plano de negócio bem desenvolvido, alinhado com a realidade e utilização dos recursos adequados e necessários, são pontos fundamentais na gestão de risco de crédito.

Te parece muito básico? Pois é, por incrível que pareça algumas instituições não estão atentas a estes princípios.

Partindo do pressuposto que tenhamos um plano com as características descritas acima, é fundamental que identifiquemos quais são os principais drivers de resultado. A identificação dos principais indicadores de sucesso, definição dos limites mínimos e máximos e uma análise de sensibilidade ou estresse do modelo de negócio é um bom começo. Ferramentas e modelos de simulação existem e podem ser aplicados.

O resultado de alguns negócios é mais sensível à taxa de juros, outros ao prazo médio das operações ou custo de aquisição e o primeiro passo para o sucesso é ter controles para monitoramento desses indicadores.

Mas vamos lá, você está pensando em como utilizar IA, Machine Learning ou outras técnicas sofisticadas e “da moda”, preciso te falar que o ideal é ter o básico bem-feitinho e um processo de governança consistente.

Abaixo vocês veem um esquema com cinco passos para a gestão de um ambiente de alta performance.

Consiste em capturar os dados e estruturá-los de forma que seja simples e segura a sua utilização e estejam disponíveis no tempo necessário, ou seja, não adianta ter informação um mês após para um processo que tenha ciclos diários que neste caso exigiria informações em D+1 ou até intraday.

Sempre que possível, a utilização de métodos objetivos de decisão será o melhor caminho em qualquer fase do ciclo de crédito, da aquisição ao processo de recuperação de crédito. Usar a ciência dos dados é uma arte e deve ser acompanhada por uma boa dose de conhecimento do negócio, uma sem a outra reduz a chance de se extrair o máximo de resultado.

As instituições financeiras usam modelos de risco de crédito que utilizam dados estatísticos e matemáticos para prever a probabilidade de inadimplência com base nas informações disponíveis. Baseados nos modelos, define-se o apetite de risco que o negócio aceita, pode-se prever qual será a taxa de aprovação média dado um determinado público-alvo, rentabilidade e custos.

O mesmo pode ser feito para o processo de oferta de produtos pelo processo de pré-aprovação de uma determinada lista, definição de quando começaremos a cobrar, como e com qual intensidade isso será feito e, por fim, podemos até precificar uma carteira de clientes atrasados baseados na probabilidade que eles repagarem a instituição.

As estratégias ou políticas baseadas em métodos objetivos são o caminho, mas só isso não é suficiente. Os modelos são o meio e não o fim, e estratégia boa é estratégia executada. Quando avaliamos uma determinada estratégia ou política a primeira pergunta que devemos fazer é, executei o que foi planejado? Se a resposta for positiva você pode então avaliar se sua estratégia foi acertada ou não.

Já vi instituições “matarem” estratégias achando que elas não eram boas, mas quando avaliamos, descobrimos que a estratégia não havia sido executada na sua plenitude.

Melhorar as estratégias e políticas de forma rotineira e com o mínimo de risco possível é um desafio. Um ambiente para testes controlados é fundamental e devem seguir alguns critérios como metodologia para extrair as amostras para teste, principalmente quando se implementa vários testes em paralelo e todo cuidado é pouco para um teste não interferir em outro.

Para um teste ser eficiente e útil deve-se passar por pelo menos quatro passos importantes: 

1) Definição clara dos indicadores de sucesso. O que se espera como resultado e os parâmetros que serão considerados para validação da hipótese/teste. “Não existe vento favorável a quem não sabe onde deseja ir “ (Seneca).

2) O teste que desejamos fazer, se confirmada a hipótese, será relevante o suficiente? Esta prática evita desperdício de tempo e dinheiro para validar hipóteses que, apesar de verdadeiras, são irrelevantes.

3) O que estabelecermos como processo para o teste será aplicável na realidade? Cuide para que o processo a ser implementado como teste possa ser implementado no futuro e que os esforços e custos estejam contemplados.

4) Governança: Ter capacidade para avaliação dos testes, discussão e decisão dos que devem seguir, dos que devem ser alterados ou que devem parar. Um teste sem avaliação é como jogar dinheiro pela janela, portanto, comece por avaliar sua capacidade neste quesito.

A cultura da utilização de analytics para tomada de decisão é conseguida através da curiosidade, disciplina e capacidade técnica. As lideranças devem valorizar e incentivar estas práticas, se vocês conseguirem implementar ou aprimorar este processo na organização em que você atua, será meio caminho para resultados crescentes e constantes. 

Quer ficar por dentro de todas as informações do Open Hub News? Acesse nosso Linkedin ou assine nossa Newsletter.

Autor