Oportunidades em Data & Analytics para o setor bancário

O mercado de Data & Analytics (D&A), incluindo BIG Data, movimentou aproximadamente US$ 200 bilhões em 2020 e deve chegar a mais de US$ 600 Bilhões até o final da década, segundo alguns dos principais institutos de pesquisa. De acordo com as mesmas pesquisas, a indústria Banking, Financial, Service and Insurance (BFSI) é uma das que mais consome produtos e serviços nessa área, o que explica o nível de maturidade desse segmento quando se fala em usar dados como suporte à estratégia do negócio. Porém, será que os dados ainda devem ser suporte à estratégia? Ou será que um novo mindset exige que se passe a pensar nos dados como direcionadores dessa estratégia?

Data & Analytics como suporte

Como "data & analytics" tem sido usado até aqui? Majoritariamente como suporte à estratégia. Uma instituição financeira, especialmente do setor bancário, pode ser subdividida em centenas de funções complementares que podem, em uma maximização do poder abstração, ser reduzidas a: planejar, executar, controlar ou apoiar uma dessas quatro macro-funções:

Criar e manter produtos > Conquistar clientes e vender produtos > Operar > Gerir o Risco

Com esse pequeno mapa em mãos, pense na maioria das aplicações de D&A existentes em um banco. Provavelmente virão à sua cabeça:

Dashboards para acompanhamento de vendas, performance geográfica, etc.
Alertas operacionais para monitorar tempo de resposta da operação online, aumento inesperado do número de reclamações etc.
Inteligência geográfica para readequar continuamente as agências físicas ainda necessárias.
KPIs e seus desdobramentos para acompanhar Retorno Sobre Ativos (ROA), Empréstimo não produtivo (NPL), Liquidação baixa (NCO), entre outros
Modelos preditivos para Fraude, Crédito, Cobrança etc.

A maioria dessas aplicações nasceu como apoio a determinadas funções. Ou seja, um dashboard de acompanhamento comercial só existe porque já há uma operação comercial. Nesse caso, o dashboard provavelmente vai ser desenvolvido apenas depois de a operação comercial já estar em curso, assumindo um papel secundário. E atenção, não há erro nenhum aqui, isso é realmente necessário.

Por outro lado, grandes negócios têm sido criados a partir da disponibilidade de dados. Aplicativos de transporte como o Uber só passaram a existir depois da disponibilidade dos dados de geolocalização nos celulares das pessoas. O Airbnb só passou a existir depois que os locadores estavam capacitados a gerar dados na forma de fotos digitais de suas residências e assim por diante. No mercado financeiro não é diferente. Alguns bancos digitais nasceram da capacidade de receber dados por meios digitais na forma de formulários e de fotos dos documentos de seus correntistas, processá-los com Inteligência Artificial e automatizar decisões antes dependentes de seres humanos.

Note que todos esses grandes negócios seguem uma mesma lógica: eles surgem a partir da disponibilidade de dados e do questionamento sobre quais caminhos estratégicos são possíveis diante dessas possibilidades. Isso envolve pensar além dos formatos tradicionais, o famoso “pensar fora da caixa”.

Fatores de mudança na indústria bancária brasileira

A velocidade das mudanças é latente em todas as indústrias e é ainda mais acentuada na indústria bancária brasileira, que vem sendo provocada por múltiplos vetores de mudança:

Clientes

Os clientes querem um tratamento cada vez mais fluido e rápido. Novas plataformas elevaram a exigência e os clientes esperam por serviços integrados, rápidos e personalizados. A pandemia também está afetando as preferências do consumidor de uma forma ainda não consolidada, mas que com certeza afetará a percepção dos atributos dos produtos oferecidos.

Tecnologia

Internet das Coisas (IoT), Metaverso, BIG Data e Inteligência Artificial alteram a forma como os dados são gerados, captados, tratados e, principalmente, analisados.

Regulação

Pix, Open Banking (agora Open Finance) e novos tipos de IFs (Instituições Financeiras) são apenas algumas das mudanças promovidas pelo Banco Central que provocam um rebalanceamento de forças e novas oportunidades.

Observar essas mudanças no ambiente não é mais opcional, nem para os incumbentes e nem para os bancos que já nasceram nesse novo ambiente, pois a mudança passou a ser uma constante. Uma vitória do trimestre passado já não significa muita coisa no seguinte, pois tudo pode mudar a qualquer momento.

A estratégia que surge quando pensamos nos dados como ativos

Neste novo mundo, os dados surgem como um ativo forte, com uma grande amplitude de valoração. Quanto mais usados, mais valem. O uso de Data & Analytics por um banco pode e deve continuar a ser pensado como um grande suporte à estratégia, mas é hora de ir além. Os dados devem ser alavancados como uma ativo e pensados como tal.

Segundo estudos da consultoria Mckinsey, "apesar de Bancos firmemente estabelecidos no mercado possuírem acesso a informações valiosas de sua vasta carteira de clientes, como hábitos de consumo, informações de como o correntista usa crédito, entre outras, menos de 7% das instituições são capazes de aproveitar essa vantagem comparativa para melhorar seus negócios".

Pense nos seguintes desafios que pairam sobre a mesa de todos os bancos no momento:

"Open Banking",
"Operação zero",
"Análise raiz de fraudes",
"Melhor próxima oferta",
"Análise de risco climático (deterioração do risco de crédito por mudança nos fatores de risco de inadimplência)".

Todos esses exemplos deveriam ser produtos pensados de forma DUAL, "Question Driven:que grandes questões de negócio eles resolvem'' e "Data Driven: quais são todos os dados disponíveis para resolvê-los”. Isso deve ser feito sem limitações aos dados tradicionais e disponíveis, mas extrapolando na busca de informações para garantir que as melhores estratégias possam ser formadas a partir de novas realidades.

Focando apenas no Open Banking, podemos imaginar alguns cenários interessantes. Pense, por exemplo, em dashboards que acompanhem quantos clientes estão sendo conquistados e perdidos a partir dos pedidos dos clientes para transferirem seus dados a partir do/para o nosso banco e você acabou de pensar em como dar suporte à estratégia. Agora pense em ir além, oferecendo ao gerente um dashboard com extrato multi-instituição para que nossos eles decidam que clientes defender e com que argumentos, bem como saber exatamente o perfil daqueles que queiram entrar. Quem sabe montar algoritmos de recomendação de acordo com o perfil? Alertas de pedidos de Open Banking para os clientes que não queremos perder é algo interessante? Essas são algumas questões que podem ser levantadas de forma estratégica.

A mudança de mindset em relação a Data & Analytics

Saber que é necessário melhorar todos sabem. Mas quais seriam as respostas para transformar a realidade do uso de dados, posicionando eles como verdadeiros ativos, tanto em instituições seculares quanto naquelas que nasceram no ano passado? Abaixo listamos os principais desafios que travam o potencial de Data & Analytics.

Falta de estratégia de Data & Analytics

Data & Analytics historicamente sempre foi uma área de apoio. Quando os dados viram um dos ativos mais importantes, é necessário repensar a estratégia dessa área.

Algumas questões importantes que devem ser respondidas: qual a missão, que áreas atende e como, onde se governam e gerenciam os dados analíticos, como se distribuem as funções de carregar, catalogar e analisar os dados analíticos, quem são os donos dos ativos de dados e como se distribuem os mesmos? Se a sua área de D&A ainda está correndo atrás de um backlog para atender aos “requisitos” das áreas de negócio, uma estratégia precisa ser planejada para posicionar essa área como co-protagonista.

Falta de metodologia para construção de produtos de dados

Produtos de dados não são sistemas e não devem seguir o fluxo de vida de um projeto de sistema. Pare de captar "requisitos” e passe a co criá-los para que se alcance de fato os objetivos e não apenas os requisitos, além de orientar a verdadeira criação de ativos de dados. Data Driven Canvas, DataOps, MLOps aparecem como novas pedras no quebra-cabeças de Data & Analytics.

Falta de alfabetização de dados

Ótimos produtos de D&A naufragam na mão de pessoas que não passaram por algum processo de alfabetização de dados. Além disso, é um erro recorrente e impactante partir do princípio que as pessoas sabem tomar decisões baseada em dados. Ensinar todos a ler, trabalhar, analisar e se comunicar com dados é uma tarefa da instituição que não pode ser subestimada.

Recursos tecnológicos

No final - e nunca no início - é necessário escolher as tecnologias que dão vazão e suporte a uma estratégia de Data & Analytics. Tecnologias de dashboard e algoritmos são apenas a última peça de uma engrenagem tecnológica de Data&Analytics. Um conjunto tecnológico que permita coletar os dados em tempo real, armazenar esses dados na forma de SchemaOnWrite ou SchemaOnRead, usando o melhor de Data Warehouses e Data Lakes, boas plataformas de ETL, ELT e Virtualização de dados integrados a Catálogo de dados profissionais e acessíveis por plataformas de Self Service Business Intelligence, Data Preparation e Auto ML são peças fundamentais para o sucesso de Data & Analytics como direcionador de estratégia. Caso elas não estejam definidas e integradas a uma estratégia, cada área vai escolher a sua parafernália tecnológica para ganhar a corrida de 100 metros e diminuir a chance da equipe ganhar a corrida de 10.000 metros com revezamento.

Conclusão

Especialmente no Brasil, onde a Indústria Bancária é reconhecida mundialmente por manter uma performance sólida em meio à turbulência, o uso de Data & Analytics é amplamente difundido entre a maioria das mais de 1.500 instituições bancárias, mas novos desafios estão batendo à porta e já não é mais tempo de pensar em Data & Analytics como um suporte a reboque da estratégia. Inverta a mentalidade e coloque os dados como reais ativos em sua organização, fazendo com que eles sejam verdadeiros direcionadores da sua estratégia.

Se você deseja descobrir se sua empresa está preparada para enfrentar os desafios de data analysis de 2022, conheça o Assessment.

Assessment é uma metodologia criada pela iMaps ao longo de mais de 15 anos de atuação, que avalia a estrutura e processos de Data & Analytics das empresas de ponta a ponta. São três etapas de projeto:

1. Levantamento - entrevistas e análise de "ferramentas"

2. Análise - conclusões e documentação

3. Apresentação dos resultados - reuniões e entrega de relatório

Entre em contato e saiba mais: www.imaps.com.br/assessment