Quais os desafios, tendências e oportunidades para o mercado de crédito em 2022 - Perguntas e Respostas

Neurotrends - Painel Crédito - Neurotech

 

O Neurotrends reuniu grandes especialistas do segmento de crédito para discutir as inovações tecnológicas e os desafios que o setor têm pela frente, como: 

– Os novos scores de crédito baseados em múltiplas fontes de consulta;

– O desafio das fraudes: como vender mais com menos riscos?;

– A era do compartilhamento de dados e os novos modelos de negócios;

– O processo de captura e estruturação dos milhares de dados disponíveis.

Confira as perguntas realizadas no painel e respondidas pela Squad de Crédito da Neurotech. 

Pensando em desafios para 2022, como vocês enxergam a lei do supeerendividamento, pensando em validação de renda, comprometimento e não bancarizados?

Podemos falar sobre o lado da recuperação de crédito. É muito mais uma questão de quem tá concedendo crédito se preocupar e não chegar em pontos insolúveis como esse, observando o cliente de uma forma um pouco mais ampla, que é o que será permitido agora com o Open Banking, por exemplo.

Em relação a validação de renda, o Open Banking vai ser uma ferramenta muito importante, só que vai ser útil para a parcela bancarizada que a gente sabe que não é a realidade de todo varejo. E para essa outra realidade, existem dados alternativos também aparecendo de forma importante. Como os dados que a Neurotech está trabalhando junto com a B3 para o produto Gestão de Limite, que determina a capacidade de pagamento do cliente. 

Sobre o comprometimento, vamos conseguir enxergar o cliente no mercado usando os dados do cadastro positivo, os dados do open banking, além de informações sobre a capacidade de pagamento, de acordo com os comprometimentos financeiros que os clientes possuem.

Isso é uma mudança grande na forma de atribuição de crédito. Todo concessor de crédito no Brasil está acostumado a olhar o endividamento que aquele indivíduo tem com a instituição financeira e não com o mercado, e isso é algo que vai mudar.

Quanto ao não bancarizado, nessa perspectiva do endividamento, temos que buscar dados alternativos. Eventualmente o cadastro positivo pode ter dados interessantes, porque o cliente não precisa estar bancarizado pra ter tido um histórico de crédito. Agora, você tem aquele indivíduo que não tem crédito como um todo. Para os dois, você complementar as informações com dados alternativos é bem produtivo também para a tomada de decisão.

Usar de forma inteligente, o cadastro positivo, o open banking e os dados alternativos, para conseguir alcançar uma melhor atribuição de crédito nessa questão de comprometimento de renda, eu acho que é a chave. Mas sempre pensando em simplicidade e não em complexidade!

Para facilitar todo esse processo, ferramentas como machine learning, motor de decisão e analytics serão fundamentais.

Como usar a IA para corrigir discriminações estruturais históricas e dar crédito para pessoas excluídas do sistema financeiro e que são as que realmente precisam e assim movimentar a economia local?

Se a gente sempre usar os mesmos dados, a gente vai sempre tomar a mesma decisão, certo? Então, se todo mundo ignora o indivíduo que não tem informação no birô ou que a informação é não é positiva, essa pessoa não terá a oportunidade de criar uma boa informação ou melhorar seu histórico. 

Precisamos buscar dados novos que estão fora dos birôs tradicionais para conseguir discriminar dentro dessa população quem de fato possui o risco muito alto e não consegue crédito, e quem é bom pagador e teve uma questão circunstancial ou pontual.

Com base em dados alternativos oriundos de Open Finance e outras fontes de dados comportamentais, como vocês enxergam a opção do crédito para negativados? Acreditam que isso será uma opção viável para crescimento da carteira?

Sim, acreditamos no negativado. Temos um dado que mais de 40% dos cartões aptos de um varejo tinha uma restrição ativa, clientes com uma inadimplência baixíssima. Não temos dúvidas de que existe um contingente dentro do negativado que pode ser trabalhado.

Agora, para trabalhar esse contingente, você vai precisar de um dado diferente do dado que o próprio birô tem. O dado do birô também é interessante pra isso, descobrir a relevância daquela restrição em relação a que tipo de instituição é, o valor e a data que ocorreu.

Usar essas informações em um modelo, por exemplo, combinado com dados alternativos, vai ajudar a descobrir o pedaço daquela população que pode ter crédito e que vai se comportar de uma maneira saudável dentro da carteira. 

Gostaria de saber mais detalhes sobre os novos modelos de score que estão sendo estudados

A gente respeita muito que cada operação é diferente da outra e precisa de uma customização, além de uma análise aprofundada.  Podem entrar em contato conosco aqui para mostrarmos os dados disponíveis em nosso hub, como os scores são construídos e realizarmos uma POC. 

Qual a visão de curto e médio prazo para a construção de Blend de Scores com dados não estruturados/dados alternativos e não estruturados?

A visão de curto prazo é que existem muitos dados alternativos que são relevantes e incrementais mesmo com o cadastro positivo e open banking. No curto prazo, enquanto o open banking ainda não é uma realidade, o cadastro positivo já é e está ganhando forma e maturidade. 

É necessário realizar testes desses scores, desenvolvemos um algoritmo que testa diversas fontes de dados e otimiza essas soluções. Não consultando tudo pra todo mundo, mas sabendo exatamente qual a melhor fonte a consultar, pois tem um viés de custo importante, além de performance, 

No longo prazo, vai ser mandatório ter um um score construído com dados do open banking para que você transforme o seu Crediscore num Behavior Score. E com isso, ter uma discriminação muito diferenciada, poder realizar segmentações de política, sejam elas de crédito, de produto ou de preço, 

Qual o apetite para testes de vocês? Como vocês enxergam isso dentro da organização? De fato é um mindset?

Acreditamos muito no teste, na customização e a gente conseguiu desenvolver aqui tecnologias, algorítmos e plataformas que permitem testar muito rápido. Então a parte do ciclo de encurtar aqui a latência entre a tática e a estratégia, nessa parte do teste a gente já conseguiu resolver e de colocar isso em produção também. 

A nossa plataforma hoje permite, num curtíssimo espaço de tempo, entre duas semanas, realizar o teste e colocar o modelo em produção. 

O desenvolvimento da estratégia, aí já é algo que foge um pouco aqui do nosso controle. Vai depender um pouco da forma que a política está organizada. Qual é a visão que a gente tem aqui pra diminuir essa latência entre a tática e a estratégia?

A ferramenta da Neurotech dá respaldo para que você realize esses testes, mas além da ferramenta, você precisa de criatividade, nos processos de política, para saber o que desafiar. Fazer esses desafios de uma forma inteligente do ponto de vista analítico, e conseguir daí implantar essas soluções, medir, decidir quem é o melhor e fazer as evoluções.

Esse processo é simples de falar e as vezes um pouco difícil de fazer, mas ele é a chave para que a gente evolua as políticas de crédito de forma consistente, que você garanta que não vai degradar o teu portfólio ao realizar um teste.

Fazer o teste para uma massa pequena de 5%, 10% da sua operação, testando os “vizinhos”.

Testar pequeno, testar de forma inteligente, com ferramenta e uma equipe para dar o suporte e fazer essas análises, é a chave para a evolução contínua e acelerada das suas estratégias de crédito.

Na visão de vocês, quanto a LGPD tem impactado o processo de crédito, especialmente quanto à dados comportamentais de pessoas físicas?

A LGPD tem um impacto muito positivo, de escrutinar dados e de eventualmente possuir algumas questões discriminatórias nas políticas. 

A própria lei dá um respaldo para concessão de crédito e o impacto do ponto de vista de fricção da experiência do cliente foi baixo, do que sentimos até agora. 

Enxergamos que a LGPD não teve um grande impacto no processo de crédito. Do ponto de vista de informações, a LGPD trouxe mais  profissionalismo pra quem gere e quem gera essas informações e mais seriedade na relação com o cliente, além do aspecto não discriminatório. 

Assista ao painel sobre quais os desafios, tendências e oportunidades para o mercado de crédito em 2022.