1

O Big Data em microfinanças: Como os bancos de dados ajudam na tomada de decisão e uma melhor compreensão do comportamento dos clientes

Elias Sfeir, Presidente Equifax Brasil e Vice-Presidente Sénior de Marketing Internacional e Analítico – Brasil

2

A Equifax Nos Dias AtuaisA Equifax (NYSE:EFX) é uma empresa global de soluções de informação de $2.2 bilhões e é uma das integrantes das 500 maiores empresas da S&P, com um histórico de 114 anos.

A Equifax mantém dados de mais de 600 milhões de consumidores, 81 milhões de empresas espalhadas pelo mundo e 220 milhões de arquivos de empregados.

3

Presença Global da Equifax

4

Explosão da Informação do Big Data

5

O que é Big Data?Como é uma área emergente, existem diferentes definições, porém… o mercado está se apegando aos conceitos dos 3Vs:

Volume

Digitalização, midia social, dados maquinados, dados de descarga…Terabytes à Zettabytes

Não é tanto sobre o tamanho do quadro quanto a capacidade das tecnologias existentes de manejar os dados

Variedade

Texto, voz, vídeo, imágem, baseado no local, padrões climáticos, etc.Estruturado à Não estruturado

Dados não estruturados perfazem 90% de todos os dados gerados

Velocidade

Com que velocidade os dados são produzidos e necessitam ser processados“Batch” à Real-time

Analisamos ~330,000 clicks/segundo em mercado aberto, muito mais que o visto no eBay ou no NSA

O 4º “V”…

E porque isto importa?

Valor criado pelo Big Data1. Aumento da produtividade e

Eficiência operacional2. Melhor segmentação de clientes e

prospects3. Melhor desenvolvimento de produtos4. Respostas proativas e preditivas

6

Provedores “Fin-Tech” coletando novos dados de diversas fontes e em volumes várias vezes maiores do que fontes tradicionais 8,000 a 70,000 atributos:

•Dados de mídia social

•Dados comportamentais baseados em movimento e duração de permanência no site

•Dados de localidade

•Gráfico social

•Comportamento de compras no e-commerce

•Dados de dispositivo

•Dados de celular

7

Como o Big Data está afetando nosso negócioTendências impulsionando o Big Data

Digitização de tudo, criando na maior parte dados não estruturados ou complexos

Custo muitas vezes reduzido com maior velocidade para identificar e fornecer percepções (insight)

Armazenamento barato

Computação em Clouds

Novas ofertas de “fonte aberta” à custos baixos

Potenciais Implicações

Maiores (e mais baratas) oportunidades para a inovaçãoBarreiras de entrada reduzidas / mais ingressantesAumento na oferta de substitutosFalta de talento de Big Data e analíticoAlteração da base para a criação de vantagens competitivasMudança na criação de valor

8

Amostras de Casos no Uso do Big Data

Negócio IBM-Watson para a solução de interação com o clienteAnálise de trading, midia social, relatórios analíticos, desastres da natureza, classificação de crédtio, etc. para opções de investimentos

Melhora nas decisões de riscoAnálise de 12 anos de contas bancárias / dados de cartões e birôs de crédito em nível de conta (580M de linhas) à 70x a velocidade

Cálculos de inadimplência e planejamento de cenários mais rápidos25 usuários podem puxar 30TB de dados de 8 sistemas e reduzir o tempo para o cálculo de inamdimplência, de 96 para 4 horas

Melhora na previsão de movimentações (churn) de clientesAnálise de 1.5 petabytes de dados de torres de celular, faturamento, call centers, dados sociais, etc. para a identificação de clientes em risco

Top 5 Canadian

bank

Outros Conceitos ilustram o uso de dados “não tradicionais” para a análise de risco de pagamento

Empréstimos em Curto prazo • Milhares de

indicadores

• Atividade no Web site

• Registros de pagamento de celulares

Adiantamentos de capital à comerciantes

• Dados de midia social (escore, classificação do vendedor)

• Dados de entrega da UPS

• Dados da transação

Empréstimos em Curto prazo • Atividade no Web site

• Valores da casa Online

• Mídia social

• Buscas no Google relacionados ao solicitante

Empréstimo com poucas informações (Thin Files)• Escore de crédito a partir

de dados do celular (clientes sem histórico de crédito)

• Comportamento ao telefone

• Horário/Local da chamada

• Uso estável

Empréstimos comerciais

Modelo de risco comercial empregando análítica de texto (20,000 empresas)

• Notícias, transcrições, arquivamentos, etc

• Dicionário especializado na linguagem financeira

9

Como veremos Dados e a tomada de decisão no futuro?

§ Os próximos 100 anos serão parecidos com os últimos 100 anos?

§ Seremos capazes de quebrar nossa dependência em dados estruturados e

adaptar nosso modelo de negócios para nos manter atualizados com a

paisagem de dados e informação em mudança?

§ As leis e os regulamentos governamentais para privacidade de dados estão

mantendo o passo com a evolução das novas tecnologias e nossos estilos de

vida digitais?

10

Escores de Telcos Pré-pagos – Fluxo do Processo

Consumidor solicita crédito e concede permissão à IF para utilizar dados de Telcos para classificar o risco.

A

Instituições Financeiras IF inicia a pesquisa tradicional de

crédito junto à Equifax, que inclui o no. do celular do consumidor como campo obrigatório.

B

A Equifax primeiro verifica o banco de dados de crédito tradicional, caso não seja encontrado nenhum registro questiona o banco de dados da TELCO usando o número do telefone celular para ver se há coincidência. A Equifax retorna um escore de TELCO para números que coincidem exatamente com o número do celular, calibrado para o escore de crédito do cliente.

Banco de Dados de Crédito

C

A Telco extrai um arquivo semanal de uso de telefonia pré-paga anônimo (Dados CDR) e repassa o arquivo à um servidor de Escores Pré-pagos hospedado dentro do firewall da Telco

O servidor de Escores Pré-pagos localizado dentro do firewall da Telco recebe os dados brutos CDR e os processa utilizando software proprietário de pontuação, criptografando os dados.

3Atributos para dados criptografados e pontuados são carregados do servidor de escores Pré-pagos co-localizado dentro do firewall na Telco para o servidor do banco de dados de produção de Escores Pré-pagos da OPERADORA que está fora do firewall . NOTA: Nenhum dado bruto CDR é exportado – somente dados de atributos criptografados

Banco de Dados CDR da Telco

Servidor de Escores Pré-pagos

2

1

Fluxo de DadosFluxo do Produto

BD Escores Pré-pagos Escores TELCO

11

Escores Psicométricos• Escores Psicométricos envolvem uma série de perguntas cujas respostas são

utilizadas como dados de entrada em técnicas clássicas para se obter um escore final.

• Historicamente tem sido utilizados pelos Departamentos de RH de grandes bancos para a filtragem de candidatos a o alinhamento de cargos.

• O princípio por detrás de um escore psicométrico é que não somente mede a Capacidade de Pagar, mas também a Vontade do indivíduo de fazê-lo:

Ética e HonestidadeHabilidades em Negócios

Inteligência Ffluída

VontadeCapacidadeVontade e Capacidade de Pagar

12

Escore da Mídia Social• Ajuda a classe média emergente a usar suas conexões sociais para construir uma

sólida reputação creditícia e a acessar serviços financeiros locais.

• Um conceito de comunidade onde os membros podem utilizar suas reputações em redes sociais tais como Facebook, Linkedin, Twitter e Yahoo! para obter empréstimos de melhora de vida, os empregando na educação, na saúde, em melhorias no lar ou em pequenos negócios.

• A comunidade possui dezenas de milhares de membros em mais de 35 países e o crescimento da quantidade de membros continua a dobrar a cada 60-90 dias.

• Sendo utilizado por Emprestadores com capital próprio e o dos seus investidores e sócios.

13