O mercado brasileiro tem noticiado aumento expressivo nos índices de inadimplência de pessoas físicas e jurídicas. Estudo recente do Serasa revela que os números saltaram de 59 milhões de devedores, em janeiro de 2018, para 70,1 milhões em janeiro de 2023. Um recorde histórico! O cenário aumenta significativamente a exigência sobre as empresas e instituições financeiras em rever à efetividade de suas análises de risco de crédito atuais e taxas de juros praticadas.

Para não cometer os mesmos erros do passado, empresas investem para criar mecanismos mais avançados de análise de risco ou "Credit Scores alternativos" turbinados por Dados e Inteligência Artificial, que fogem do padrão de mercado e são uma outra opção aos meios tradicionais para verificar e monitorar o risco de crédito com base apenas no histórico de pagamentos do passado. A prática tornou- se obrigação primordial para prevenir perdas e aumentar a boa clientela, e os resultados já repercutem diretamente na lucratividade e crescimento, não só de fintechs e bancos digitais modernos, como também, de FIDCs, cooperativas de crédito e bancos tradicionais

Em um ambiente externo de negócios incerto e de difícil compreensão e adaptação, empresas de diferentes portes e instituições financeiras modernas, que precisam de qualquer forma escalar suas receitas em operações de cessão e recuperação de crédito para provarem seu crescimento ou liderança, têm optado por investir em suas áreas de inteligência analítica e ciência de dados para obterem melhores resultados financeiros e prevenirem ou, ao menos, refrear a inadimplência em forte crescimento.

Para isso, equipes de tecnologia focadas em análise de risco de crédito perceberam que o risco é grande em confiar apenas suas operações em bureaus de crédito tradicionais - que contam o histórico de pagamento do passado dos clientes como fator excludente. A experiência não foi uma boa prática no passado e deve ser evitada a todo custo - vide os índices de inadimplência atuais. Além disso, não pode ser uma estratégia adotada para reprovar os clientes de forma exclusiva. Esse caminho da análise "segregadora" de tempos atrás tem levado empresas a grandes prejuízos financeiros e outros ainda maiores e difíceis de serem computados, como a reprovação de clientela com grande potencial econômico devido a seu baixo "score de crédito" formado por técnica arcaica e meramente reativa, que desconsidera o potencial presente e futuro daquela pessoa ou empresa.

A saída das empresas para o dilema da alta inadimplência é decidir se deve ou não ceder crédito ou cobrar determinado cliente através de seu score de crédito personalizado, obtido por meio de dados e inteligência artificial e que proporciona uma compreensão profunda do perfil da pessoa física ou jurídica que solicita seus produtos financeiros, como financiamentos, empréstimos, renegociação de dívidas ou abertura de novas contas digitais. Uma ampla gama de dados relevantes, como o ambiente socioeconômico, comportamental, reputação e, até mesmo, informações financeiras e patrimoniais são coletadas e processadas por inteligência artificial. Em menos de 20 segundos, uma "Nota de Crédito" revela a semelhança entre aquele novo cliente com bons ou maus pagadores do passado. Este “Credit Score alternativo", tem ajudado o mercado de concessão de crédito a tomar decisões mais assertivas, baseando-se não mais apenas no histórico de pagamentos daquele cliente, mas agora também usa outros 500 dados diferentes que refletem o potencial e também o risco envolvido na transação, de forma abrangente e imediata.

O mais importante dessa jornada de visão mais tecnológica da análise de risco de crédito é que, apesar de toda automação do processo, cada análise é totalmente individualizada, o que resulta em níveis altíssimos de previsibilidade, possibilitando o planejamento de campanhas massivas de cessão e de recuperação de crédito, contando com resultados que se repetem e superam-se a cada nova campanha, gerando históricos de pagamento mais atualizados que possibilitam o treinamento de novos modelos de inteligência artificial, que acertam cada vez mais em um ciclo virtuoso.

Em minhas experiências, pude vivenciar essa transformação do mercado de crédito ao longo dos últimos três anos, com o salto tecnológico trazido pela explosão do uso de dados e tecnologia. A exemplo, presenciei a transformação da área de recuperação de crédito de uma grande empresa do setor financeiro e de pagamentos, desenvolvendo um modelo de score que avalia o potencial de pequenas empresas a pagarem suas dívidas passadas. Foram analisadas mais de 500 mil empresas em apenas dois anos, levando o cliente a automatizar todo processo e gerar receita relevante com uma base de empresas devedoras que já computavam enorme prejuízo, aumentando o faturamento da área de recuperação de crédito em mais de 76%. Nesses projetos disruptivos de Credit Scoring alternativo, pude observar também que a inovação nas empresas é acelerada e os modelos de inteligência artificial evoluem de forma fantástica com a cooperação e envolvimento dos times internos de diferentes formações e experiências, contribuindo para um mesmo objetivo: a escala da operação de análise de crédito. Pude viver interações com times de diversos níveis técnicos, que trabalham em conjunto com a Startup e aprimoram os resultados a cada nova rodada de concessões de crédito, obtendo sempre novos ricos insumos como o acúmulo de histórico de pagamentos recentes e descoberta e os novos conjuntos de dados alternativos, obtidos através de insights advindos da interação entre empresa e startup, em clima de co-criação ao mesmo tempo criativo e analítico.

De posse de tais mecanismos de análise de crédito com fontes de dados alternativos, a prática mais efetiva é monitorar as possíveis variações do Score de Crédito de todos os atuais clientes de forma contínua, permitindo um nível mais alto de personalização do relacionamento. Para aqueles clientes com Score de Crédito mais alto, pode-se ofertar produtos de investimento mais vantajosos ou novas linhas de crédito, enquanto para aqueles clientes que passam a apresentar um Score mais baixo, pode-se prevenir a inadimplência oferecendo renegociação de dívidas com taxas de juros mais atrativas.

No final, todos ganham com a transparência de dados e privacidade, e os resultados operacionais e financeiros respondem às expectativas dos times gerenciais e trazem segurança para tornar real a escalada da operação de crédito, aumentando gradualmente o número de concessões e o volume de crédito recuperado.

Para concluir, acredito que as empresas do ramo financeiro, que antes reconheciam dados como o novo petróleo, hoje perceberam o quão importante é “refiná-lo”, sabendo aplicar o processo científico, escolhendo os conjuntos de dados mais relevantes e que ajudam de fato a escalar gradualmente a operação de crédito, resultando em aumento da lucratividade. No atual ambiente de negócios, conturbado pelo aumento dos índices de inadimplência, o uso inteligente da enormidade de dados que existem e de tecnologias, como a Inteligência Artificial, tornou-se a diferença entre o sucesso ou total fracasso das operações de concessão e recuperação de crédito de pessoas físicas e jurídicas. O poder de adaptação e de reinvenção de cada empresa ou instituição financeira revelará quais serão as bem-sucedidas e quais delas ficarão presas às práticas do passado, que já não trazem mais resultados.

Observemos a história do empreendedorismo no mundo e como as empresas líderes de mercado foram as mais resilientes e adaptáveis, como a Kodak - que liderava toda indústria da fotografia e viu seu império desmoronar ao não acreditar no poder da digitalização das câmeras, confiando que bastava ter seu império atual, suas práticas consolidadas e patrimônio. Da mesma forma, bancos, cooperativas de crédito e as instituições financeiras, em geral, devem estar atentas ou ao menos em franco movimento em direção a poderem entender melhor o perfil dos clientes em suas minúcias por meio de dados, e poder interpretar essas informações de forma sábia para que possam emprestar recursos ou oferecer renegociação de dívidas de maneira inteligente e inclusiva, tendo certo seu crescimento pelo controle e previsão dos resultados, que são observados constantemente por times e softwares competentes em suas funções.

Daniel Mendes: CEO da Dataholics