Skip to main content

Language: PTBR

Cinco benefícios do uso de novas fontes de dados e IA para o setor de crédito, segundo a Provenir

Cinco benefícios do uso de novas fontes de dados e IA para o setor de crédito, segundo a Provenir

Especialistas da empresa projetam aumento na busca por tecnologias no segmento como medida contra fraudes e inadimplência

São Paulo, 03 de abril de 2023: A Provenir, especializada em tecnologia para tomada de decisão de risco, vem assistindo a uma crescente demanda global por soluções capazes de aprimorar decisões para concessão de crédito – no ano passado, a base de clientes da companhia saltou 57% somente na América Latina. E, de acordo com especialistas da empresa, a tendência é que o emprego de novas fontes de dados e Inteligência Artificial se intensifique ainda mais neste ano como resposta ao aumento de fraudes e da inadimplência.

“O mercado de crédito como um todo tem se transformado profundamente nos últimos anos. A chegada de novos players não tradicionais, como as fintechs e instituições financeiras não bancárias, e o emprego de uma série de inovações demandam soluções e processos de decisão capazes de ir além dos recursos tradicionais”, afirma Jose Luis Vargas, Vice-Presidente Executivo para a América Latina da Provenir.

“Sabemos, por exemplo, que os scores de crédito podem não refletir necessariamente a saúde financeira atual de um consumidor, porque a pontuação dá um grande peso ao comportamento de crédito passado, o que tende a levar a uma avaliação imprecisa. Dados alternativos e Inteligência Artificial resolvem esse problema. Além disso, ao se levar em conta a evolução e as demandas do mercado, entendemos que o emprego da tecnologia no segmento de empréstimos seguirá em expansão porque atua na raiz de uma questão fundamental para o setor: a redução de fraudes e da inadimplência”, pontua Vargas.

De acordo com especialistas da Provenir, são cinco os principais benefícios obtidos pelo emprego de novas fontes de dados e Inteligência Artificial para as instituições que oferecem crédito:

  1. Automatização do processo de tomada de decisão: uma plataforma baseada em IA permite fluxos de trabalho de decisão totalmente automatizados em tempo real. Com isso, é possível avaliar rapidamente o risco de crédito com modelos preditivos que podem ser carregados e implantados na lógica de negócios sem recodificação.
  2. Integração de dados: as ferramentas de integração de dados fazem com que o acesso e o uso dos dados seja mais rápido e fácil. Desta forma, sistemas existentes e uma ampla variedade de fontes de dados podem se conectar para criar um hub de dados centralizado capaz de potencializar todas as necessidades de tomada de decisão e insights.
  3. Melhora da experiência do cliente: uma solução que integra dados em tempo real, análises avançadas, inteligência artificial e aprendizado de máquina (IA/ML) e automação de decisões acelera a transformação digital para uma experiência mais voltada para o cliente. Entre os benefícios para os usuários estão respostas imediatas, experiências simplificadas e expansão de relacionamento por meio de ofertas personalizadas.
  4. Expansão da base de clientes: como permitem uma avaliação precisa do histórico financeiro dos consumidores, as novas fontes de dados combinados com Inteligência Artificial possibilitam às instituições financeiras maior aprovação, atraindo mais clientes.
  5. Prevenção de fraudes e redução de perdas: as tecnologias permitem a identificação de fraudes em tempo real e com alta precisão, já que em sua maioria não utilizam processos manuais. Além disso, reduzem perdas ao diminuir falsos positivos em relação a fraudadores. 

“Os mutuários, inclusive os consumidores desbancarizados e os sub-bancarizados, também obtêm benefícios do processo de decisão de riscos baseado em IA. Entre eles, destacam-se o retrato mais preciso da condição financeira e da capacidade de pagamento, a personalização das necessidades de empréstimo atuais e futuras e preços ideais”, destaca o vice-presidente executivo para a América Latina da Provenir.

“Com o diferencial competitivo proporcionado pela IA, as decisões de empréstimo são mais precisas, produzem mais receitas, reduzem a perda com empréstimos e favorecem a inclusão financeira”, finaliza Vargas.

Confira a matéria completa aqui

De volta ao futuro: 8 recursos da tecnologia de “compre agora, pague depois”, rápida e pronta para o futuro

Baixe o e-Book

ÚLTIMAS NOTÍCIAS

Boom de identidades fake ameaça segurança na Black...

Com a chegada da Black Friday, a Provenir destaca o aumento de fraudes com identidades ...

Três verdades fundamentais sobre as tecnologias pa...

Jose Luis Vargas, VP da Provenir, aponta três verdades essenciais sobre a tecnologia de decisão ...

Plataforma de aluguel social, Alpop investe em IA ...

Com a tecnologia da Provenir, a fintech Alpop facilita a locação de imóveis para clientes ...

As tendências para os provedores de serviços finan...

Com a tecnologia da Provenir, a fintech Alpop facilita a locação de imóveis para clientes ...

Continue lendo

Fraudes de identidade sintética ameaçam fintechs e players do sistema financeiro

Fraudes de identidade sintética ameaçam fintechs e players do sistema financeiro

Um dos principais alvos dos cibercriminosos no mundo, o Brasil tem assistido a um aumento no número de ocorrências que envolvem fraudes de identidade sintética, quando uma nova identidade é criada a partir da combinação de informações falsas e verdadeiras. 

Nesse cenário, o setor financeiro, que passa por um momento de expansão, com a chegada das fintechs e das instituições financeiras não bancárias, demanda uma plataforma de decisão baseada em Inteligência Artificial para fazer a verificação de identidades com rapidez e precisão para detectar qualquer sinal de fraude em tempo real. Jose Luis Vargas, Vice-Presidente Executivo para a América Latina da Provenir, analisa o tema em artigo publicado pelo Security Report.

Confira o artigo aqui

15 empresas que estão mudando o cenário de “compre agora, pague depois” – BNPL

Leia o blog

ÚLTIMAS NOTÍCIAS

Boom de identidades fake ameaça segurança na Black...

Com a chegada da Black Friday, a Provenir destaca o aumento de fraudes com identidades ...

Três verdades fundamentais sobre as tecnologias pa...

Jose Luis Vargas, VP da Provenir, aponta três verdades essenciais sobre a tecnologia de decisão ...

Plataforma de aluguel social, Alpop investe em IA ...

Com a tecnologia da Provenir, a fintech Alpop facilita a locação de imóveis para clientes ...

As tendências para os provedores de serviços finan...

Com a tecnologia da Provenir, a fintech Alpop facilita a locação de imóveis para clientes ...

Continue lendo

O guia definitivo para motores de decisão

BLOG

O guia definitivo para motores de decisão

Os motores de decisão, às vezes chamados de árvores de decisão, são plataformas de software que automatizam regras ou decisões comerciais — ajudando você a otimizar os processos comerciais que exigem tomada de decisão sem ter que pensar nisso. Um motor de decisão automatiza essas decisões comerciais com base em suas necessidades comerciais e nos critérios específicos estabelecidos pelo proprietário da plataforma, poupando você do trabalho manual e centralizando o processo de tomada de decisão.

O que um motor de decisão precisa para funcionar? Além do conjunto de regras (lógica), também conhecido como fluxo de decisão, os motores de decisão precisam de dados. Muitos e muitos dados. Acesse e integre dados de várias fontes aplicando essas “regras” de acordo com seus critérios… pronto — você já pode automatizar a tomada de decisões. No mundo financeiro, em especial, os motores de decisão são frequentemente usados para ajudar você a decidir para quem emprestar e determinar que tipos de produtos você pode oferecer a seus clientes. Os motores de decisão automatizados também podem permitir preços e ofertas personalizados (ou seja, condições financeiras e taxas de juros), todos personalizáveis de acordo com suas necessidades exclusivas. Alguns exemplos populares no mundo dos serviços financeiros e fintechs incluem: empréstimos ao consumidor, originação de empréstimo, aprovações de cartão de crédito, financiamento de automóveis, empréstimos no ponto de venda como compre agora, pague depois (BNPL), empréstimos para PMEs, aprovações de apólices de seguro, ofertas de maximização/vendas cruzadas, estratégias campeão/desafiante, auditorias, cobranças e muito mais.

Como um motor de decisão pode ajudar a informar as decisões comerciais?

Os motores de decisão podem ajudar a informar vários tipos de decisões comerciais — desde operações básicas do dia a dia até decisões comerciais estratégicas de alto nível.

  • Decisões estratégicas: As decisões estratégicas pertencem ao nível mais alto e tendem a ser mais complexas, afetando uma parte muito maior da organização e muitas vezes aplicáveis a um prazo mais longo (ou seja, mudanças nas estruturas de custos ou planejamento para o crescimento organizacional de longo prazo). Os motores de decisão e os processos de decisão automatizados podem agilizar e simplificar vários processos, melhorar a eficiência e permitir que você tome decisões mais inteligentes em geral. No caso de serviços financeiros, isso pode significar uma mudança na decisão de para quem você deve emprestar para expandir sua base geral de clientes e planejar o crescimento. Lembre-se de que a execução de decisões mais complexas normalmente exige um grande volume de dados, fornecidos por várias fontes. O uso de motores de decisão e processos de decisão automatizados pode ajudar uma organização a acessar, analisar e agir com vários tipos de dados, permitindo uma tomada de decisão mais inteligente.
  • Decisões táticas: As decisões táticas são muito mais focadas nos processos comerciais e tendem a ser de curto prazo e menos complexas. Os exemplos incluem o lançamento de novos produtos, alteração de preços de produtos, gestão de controle de estoque e cadeia de suprimentos e logística. Com os motores de decisão, você pode analisar os dados de desempenho com mais facilidade e ajudar a determinar novas estratégias de preços para seus produtos de serviços financeiros ou analisar estrategicamente que dados demográficos ou região segmentar em seguida.
  • Decisões operacionais: Focadas nas operações diárias de uma empresa, as decisões operacionais são mais reduzidas em escala. Elas tendem a estar relacionadas à produção diária geral e geralmente são executadas de forma alinhada à visão estratégica geral de uma organização. Nos serviços financeiros, os motores de decisão podem melhorar a eficiência e ajudar a automatizar ou simplificar várias decisões cotidianas, incluindo aprovações de empréstimos, ofertas de taxas de juros, orientação sobre cobranças, integração de comerciantes, otimização de preços, processos de conformidade, verificação de identidade, prevenção de fraudes e muito mais.
Estrutura do motor de decisão

Então, como um motor de decisão funciona de fato? E como os motores de decisão ajudam em uma empresa? Embora caiba a cada organização individual decidir como suas decisões serão executadas (e todas as regras que as compõem), existem algumas etapas básicas que são aplicáveis a todos os aspectos.

  1. Defina os resultados desejados: Veja quais são seus objetivos. Quais são as regras comerciais específicas que você precisa que seu motor de decisão ou fluxos de trabalho executem?
  2. Determine os critérios de decisão: Quais são os padrões ou exigências que influenciam suas avaliações ou decisões? Por exemplo, no caso de muitos pedidos de crédito, critérios específicos geralmente incluem renda, situação profissional, idade, estado civil, índice de endividamento, etc.
  3. Organizar fontes de dados: Para processar essas decisões comerciais com base nos resultados desejados e nos critérios determinados, de que tipo de fontes de dados você precisa? Você precisa de dados tradicionais de bureaus de crédito, fontes de terceiros, dados alternativos, como informações de aluguel, presença de mídia social e dados da web e outros?
  4. Criar fluxos de trabalho de decisão: Quais são as etapas necessárias no seu processo de decisão? Use as ferramentas de configuração em seu motor de decisão para definir seus fluxos de trabalho e regras comerciais e permitir decisões automatizadas.
  5. Teste e faça iterações: Crie, teste e implemente seus scorecards de modelagem e processo de decisão e veja o que acontece quando um cliente típico é colocado em seu sistema. Por exemplo, se um cliente solicita um cartão de crédito, suas informações são colocadas no motor de decisão, que então coleta os dados necessários (verificação de identidade, KYC, verificação de renda, fraude) e rejeita ou aprova com base nos critérios iniciais determinados. Está faltando algo? Seu processo comercial poderia ser mais simples? Faça iterações!
  6. Determine os passos seguintes: Qual é o seu limite para aplicações complexos? Quais aplicações precisam de intervenção manual? O processamento direto permite decisões instantâneas para solicitações de crédito e empréstimos mais simples, enquanto um processo de decisão orientado por regras ajuda a identificar e redirecionar as exceções que exigem mais intervenção manual.
  7. Controle e otimize: Seu motor de decisão está oferecendo valor comercial real? Mantenha controle sobre seu desempenho de decisão usando as informações que seu motor de decisão fornece a você. Identifique oportunidades para aprimorar ainda mais seu processo e ferramentas de decisão e permita uma tomada de decisão mais eficiente — e o crescimento dos negócios.

Dados, dados e mais dados

Apesar de todas as maneiras maravilhosas de melhorar os processos comerciais com motores de decisão, a execução da decisão automatizada não pode ocorrer sem dados completos. Dados, de preferência variados e de uma ampla gama de fontes de dados, são críticos para o processo de tomada de decisão. Todas as organizações de serviços financeiros usam dados para tomar decisões informadas em todo o ciclo de vida do cliente, mas ter que acessar e integrar manualmente as fontes de dados pode ser um pesadelo. O consumo de dados evoluiu, juntamente com os motores de decisão aos quais os dados são alimentados. É impossível tomar decisões precisas com base nas necessidades comerciais sem os dados corretos que se alinhem aos critérios específicos estabelecidos. Pense nos exemplos discutidos anteriormente — onde você obtém informações sobre pagamentos de empréstimos, scores de crédito, relação renda/dívida, verificação de idade etc.? São as suas fontes de dados.

Atualmente, mais e mais financiadores estão procurando uma diversidade cada vez maior de fontes, incluindo dados alternativos, como pagamentos de aluguel, interações de mídia social, informações de sites, dados de viagens e muito mais, para garantir:

Atualmente, mais e mais financiadores estão procurando uma diversidade cada vez maior de fontes, incluindo dados alternativos, como pagamentos de aluguel, interações de mídia social, informações de sites, dados de viagens e muito mais, para garantir:

  • Uma visão mais precisa da verificação de identidade
  • Uma visão mais holística de risco e credibilidade
  • Melhor prevenção de fraudes

Todos esses dados devem ser acessados, analisados e acionados apropriadamente para garantir decisões automatizadas mais precisas que agreguem valor comercial. Como disse o The Financial Brand: “Os dados, por si só, não são um ativo valioso. É o que se faz com eles que conta.” Ter uma diversidade de dados disponíveis sob demanda é essencial para aprimorar suas decisões. Provedores de dados de terceiros, conectados por meio de uma plataforma ou marketplace centralizado com uma única API, podem facilitar esse consumo de dados, oferecendo a você a capacidade de acessar e integrar várias fontes de dados em minutos. Use esses dados para testar seus fluxos de trabalho de tomada de decisão e, em seguida, faça iterações e adapte facilmente.

Tomada de decisão baseada em IA

O uso de inteligência artificial e aprendizagem de máquina está crescendo. Nos serviços financeiros a IA é vista como uma oportunidade de US$ 450 bilhões. Mas como você pode usar a IA de forma mais eficaz em seus motores de decisão? O uso de IA/ML para impulsionar seu processo de decisão permite:

  • Maior precisão da decisão
  • Detecção de fraude superior
  • Relacionamento com o cliente mais rico
  • Melhor relacionamento com o cliente
  • Expansão da base de clientes
  • Otimização de preços
  • Aumento da receita

A McKinsey destacou que “Os avanços contínuos em big data, digital e analytics estão criando oportunidades para os bancos melhorarem os modelos de decisão de crédito que sustentam seus processos de empréstimo… os bancos (e as fintechs) que implementaram novos modelos aumentaram a receita, reduziram os índices de perda de crédito e obtiveram ganhos significativos de eficiência graças a uma tomada de decisão mais precisa e automatizada”.

Pode parecer assustador tentar implementar a IA em seus processos de decisão, mas você não precisa necessariamente de cientistas de dados em sua equipe para tornar a IA impactante. Com uma plataforma de tecnologia que incorpora fontes de dados e aprendizagem de máquina avançada em seu motor de decisão, você pode fazer uso de decisões avançadas — e obter todos os benefícios acima.

A IA permite que você faça coisas que podem ser desafiadoras para os motores de decisão tradicionais, incluindo permitir mais aprovações para consumidores sem contas bancárias, adaptar-se a tendências de mercado que mudam rapidamente e demandas dos consumidores sem sacrificar a experiência do cliente e encontrar conexões em seus dados (está vendo? Os dados são sábios!) que poderiam ser invisíveis. Se você tiver a sorte de ter cientistas de dados internos e precisar descobrir uma maneira de utilizar todo o conhecimento deles em seu motor de decisão ou aplicações comerciais, procure um parceiro de tecnologia que possa migrar facilmente modelos existentes para uma plataforma simples de usar.

Qual é a vantagem?

Enquanto estamos falando de integrações de dados, fluxos de trabalho automatizados, cientistas de dados, aprendizagem de máquina… por que se dar ao trabalho de fazer tanta coisa? Há um imenso valor em usar motores de decisão em serviços financeiros em vez de tentar tomar decisões manualmente a respeito de seus processos comerciais. Veja algumas das vantagens:

  • Melhor desempenho: tome decisões de forma mais rápida e eficaz, com um desempenho comercial otimizado
  • Mais lucratividade: empreste para mais clientes, sem aumentar seu risco, permitindo melhores margens de lucro
  • Eficiência aprimorada: economize tempo e recursos, com menos intervenções humanas necessárias e a capacidade de tomar decisões mais rapidamente
  • Flexibilidade: altere seus critérios de decisão sem ter que refazer todo o seu fluxo de trabalho
  • Escalabilidade: adicione facilmente mais integrações de dados e novos critérios ou parâmetros de decisão aos seus fluxos de trabalho, à medida que sua empresa cresce ou as necessidades de seus consumidores/mercado mudam
  • Recursos concentrados: economize a atenção de seus solicitantes e a intervenção manual para casos mais complexos
  • Consistência: assegure consistência e estabilidade em seus processos decisórios, possibilitando melhor relacionamento com os clientes e confiabilidade no desempenho comercial
  • Transparência: obtenha visibilidade total do que o seu motor de decisão está fazendo e meça o desempenho para otimizar facilmente
  • Obtenha informações: a solicitação manual exige que as informações sejam obtidas manualmente — com um motor de decisão automatizado, você pode manter facilmente informações sobre seus clientes, suas decisões e seu desempenho geral, e podem ser retroalimentados em seu motor de decisão para mais otimização ainda

A experiência do cliente é mais crítica do que nunca. Em uma época de ter tudo disponível sob demanda (programas de TV, passeios, entrega de comida, treinos), seus consumidores esperam velocidade. Além disso, eles valorizam a personalização. Queremos que a Netflix saiba exatamente que tipo de programa nós queremos ou aprecie quando nosso f

O futuro dos motores de decisão

O que o futuro reserva para os motores de decisão? Do nosso ponto de vista, as perspectivas são brilhantes. Você sabia que a Forrester recentemente adicionou plataformas de decisão digital ao relatório Wave? De acordo com a Forrester, as plataformas de decisão digital (Digital Decisioning Platforms – DDP) são “uma evolução de sistemas especialistas, sistemas baseados em conhecimento, sistemas de gestão de regras comerciais e de decisões”. É muita coisa, mas é muito claro que a trajetória é positiva se você automatizar suas decisões comerciais. Com a crescente aceitação da inteligência artificial e do aprendizado de máquina, as formas de automatizar as decisões só ficarão mais empolgantes (e lucrativas).

Você está pronto para descobrir como uma plataforma de decisão baseada em IA pode ajudar no seu processo de tomada de decisão? Confira nosso e-book.

Para leitura complementar (em inglês):

Você está pronto para descobrir como uma plataforma de decisão baseada em IA pode ajudar no seu processo de tomada de decisão?

Confira nosso e-book

LATEST BLOGS
Hyper-Personalization - FeatureIMG-PTBR

Da Personalização à Hiperpersonalização

Da Personalização à Hiperpersonalização:Um Manual Executivo Resumo Executivo As instituições financeiras que utilizam a hiperpersonalização ...
Série Mito da Hiperpersonalização #2

Série Mito da Hiperpersonalização #2

Série Mito da Hiperpersonalização #2:A Armadilha do Scorecard: Como os Modelos Tradicionais Estão Deixando Dinheiro ...
Hyper-personalization

Série O Mito da Hiperpersonalização #1

Série O Mito da Hiperpersonalização #1:Por que os Bancos Pensam que Fazem Hiperpersonalização (Mas Não ...
Além das Regras Estáticas

Além das Regras Estáticas

Além das Regras Estáticas:Como os Sistemas de Aprendizado Aprimoram a Tomada De Decisões em Serviços ...

Continue lendo

Ficha Técnica: Provenir para Bancos

Ficha Técnica: Provenir para Bancos

Tome decisões de risco mais rápido que a concorrência sem sacrificar sua estratégia de risco.

A forma como os clientes interagem com os produtos de serviços financeiros está mudando rapidamente – os consumidores esperam mais decisões imediatas, ofertas personalizadas e experiências digitais automatizadas. Com o rápido aumento da concorrência nos serviços financeiros, os bancos precisam pensar em atualizar sua tecnologia de tomada de decisões para se tornarem mais ágeis, inovadores e flexíveis, a fim de conquistar novos negócios.

Você está lutando para se manter à frente da concorrência? Descubra como levar sua estratégia de risco de crédito para o próximo nível com a plataforma de tomada de decisões e dados baseada em IA da Provenir. Desde a interface de usuário ágil, fácil de usar e com pouco código, até a poderosa tecnologia de automação e integração de dados, a Provenir oferece à sua equipe as ferramentas necessárias para se antecipar e permanecer à frente da concorrência.

Deseja obter mais informações sobre o upgrade de sua decisão?

Entre em Contato

FICHA TÉCNICA

Provenir para Fraude

Provenir para Fraude em Aplicações

Provenir para Fraude em Aplicações Orquestração de Dados Otimizada. Uma Plataforma Holística para Fraude e ...
fraud for telco

Fraude no Onboarding para Telcos

Provenir: Fraude no Onboarding para Telcos Detecção Holística de Fraude com uma Visão Integral do ...

Datasheet: Provenir para Gestão de Clientes

Leve a gestão de clientes ao próximo nível com a plataforma da Provenir. Tome decisões ...

Ficha Técnica: Provenir para Bancos

Dificuldades para se destacar nos serviços financeiros? Leve sua estratégia de risco de crédito ao ...

Continue lendo

Dez fintechs que estão revolucionando a oferta de crédito ao consumidor

Dez fintechs que estão revolucionando a oferta de crédito ao consumidor

Com o cenário em constante evolução da tecnologia financeira, o crédito ao consumidor nunca foi tão acessível e eficiente – em grande parte, devido à inovação das fintechs. Com o tamanho do mercado global de crédito ao consumidor de US$ 110 bilhões, o rápido crescimento da classe média nos mercados emergentes e a incerteza econômica que afeta a todos nós, a oportunidade para os credores aproveitarem a necessidade de crédito dos consumidores é imensa. 

Em todo o amplo espectro de empréstimos ao consumidor, as fintechs estão respondendo ao chamado e revolucionando o tradicional. Você não tem score de crédito? Não tem problema. Você se preocupa com pagamentos perdidos? Você está protegido. De uma empresa que apoia trabalhadores em todo o mundo a um cartão de crédito para quem gosta de comer, essas dez fintechs estão revolucionando o crédito para automóveis, BNPL, cartões de crédito, imóveis e varejo/PDV.

Financiamento de Automóveis
  • Lendbuzz – USA
    Se você é novo no crédito, pode ser difícil obter aprovação para financiamento de automóveis. A Lendbuzz está aqui para mudar isso. A fintech oferece um processo de solicitação simples e rápido que avalia a capacidade de crédito com dados que vão além do seu score de crédito. Trabalhando diretamente com concessionárias de automóveis, a Lendbuzz oferece financiamento personalizado e decisões imediatas, conduzindo os clientes do início ao fim do processo.
  • Moove – EMEA and India
    Fundada na Nigéria em 2020, a Moove é uma startup global que visa democratizar o acesso à propriedade de veículos para “empreendedores de mobilidade” em toda a África, Oriente Médio, Europa e Índia. Para enfrentar a alta barreira ao financiamento de veículos que milhões de pessoas enfrentam, especialmente em mercados emergentes, a Moove usa um modelo de financiamento baseado em receita para oferecer financiamento de carros que os motoristas pagam por meio de seu aplicativo de compartilhamento de viagens.
BNPL (Compre Agora, Pague Depois)
  • ShopBack (anteriormente Hoolah) – Sudeste Asiático e Austrália
    A ShopBack, fundada em Cingapura, é uma fintech que proporciona melhores experiências de compras aos consumidores e maior alcance e envolvimento dos compradores para marcas e varejistas. Operando em toda a APAC, seu serviço BNPL integrado permite que você pague as compras em três parcelas, que podem ser combinadas com recursos como cashback e vouchers de varejo pré-pagos. A ShopBack espera tornar as compras “mais gratificantes, agradáveis e acessíveis”.
  • Nelo – Mexico
    Se você quiser comprar agora e pagar depois nos principais estabelecimentos comerciais do México, faça o download do aplicativo mais bem avaliado da Nelo – é o primeiro desse tipo na região, permitindo que os compradores paguem em parcelas com um cartão virtual gerado no checkout. E, por meio da parceria da empresa com a Mastercard, você pode usá-lo em qualquer estabelecimento comercial online. Você também pode usá-lo para financiar despesas diárias, como serviços públicos e outras contas, uma marca da inovação do BNPL e um sinal de como o segmento provavelmente evoluirá.
Cartão de Crédito
  • Cred.ai, USA
    O Cred.ai é um cartão de crédito com tecnologia de IA projetado para ajudar os usuários a criar crédito e, ao mesmo tempo, reduzir a perda de pagamentos. A fintech estabelece limites de gastos automatizados, ajudando você a gastar dentro de suas possibilidades, e seu modelo de subscrição proprietário significa que você não precisa de uma pontuação para se inscrever. O cartão em si é de metal, com tema de unicórnio e gratuito para candidatos aprovados. Ele funciona melhor com seu produto bancário digital e vem com recursos como um cheque de pagamento antecipado (chamado capacitor de fluxo) e cartões digitais de “autodestruição” chamados stealthcards.
  • Yonder, London
    Um cartão de crédito de recompensas “ótimo para expatriados e imigrantes”, o Yonder é um cartão de crédito que não possui taxas de câmbio, seguro de viagem global e você pode solicitá-lo sem ter uma pontuação de crédito no Reino Unido. Aproveitando a tecnologia open banking, o cartão de crédito é capaz de se concentrar na inclusão financeira e, ao mesmo tempo, recompensar os usuários pelas experiências que enriquecem suas vidas, sejam elas viagens ou jantares nos restaurantes parceiros do Yonder em Londres.
Financiamento Imobiliário
  • Hypofriend, Germany
    A Hypofriend foi fundada para simplificar e personalizar o processo de obtenção de uma hipoteca para os alemães. Eles usam tecnologia avançada para analisar sua estratégia financeira ideal e prever decisões bancárias para conectar você a uma oferta imobiliária personalizada de um credor que atenda às suas necessidades. A equipe do Hypofriend também está à disposição para aconselhar seus clientes do início ao fim, desmistificando o processo complexo e proporcionando transparência para apoiar uma maior educação e compreensão financeira.
  • HomeCrowd, Malaysia
    Focada em ajudar a geração do milênio na Malásia a realizar o sonho de ter uma casa própria, a HomeCrowd usa pontuação de crédito holística e orientada por dados para combinar candidatos a hipotecas com credores peer-to-peer (P2P) em uma plataforma Web3 alimentada por blockchain. A empresa é a primeira no país a ser licenciada e regulamentada pelo governo para empréstimos P2P especificamente para hipotecas e financiamento ao consumidor.
Varejo/Ponto de Venda (PDV)
  • Blnk, Egypt
    Você sabia que menos de 4% dos egípcios têm acesso a cartões de crédito? A maioria dos egípcios precisa contar com a poupança ou financiar compras com empréstimos a juros altos. A Blnk veio para mudar isso: ela permite que qualquer consumidor receba crédito imediato no ponto de venda. Sua rede atual de comerciantes inclui mais de 300 empresas e a fintech já desembolsou mais de US$ 20 milhões em empréstimos.
  • Acima, USA
    A Acima, sediada nos EUA, oferece aos consumidores soluções de leasing como uma alternativa ao financiamento tradicional de varejo. Você não precisa de crédito para se candidatar e seu score de crédito não é afetado. Basta selecionar os móveis, eletrônicos ou qualquer outro item que você queira comprar e “alugá-los” até que o custo do item seja coberto ou pagar antecipadamente com desconto. Se você não quiser mais o item, basta devolvê-lo! A Acima permite que você faça compras online e na loja física e oferece condições de pagamento flexíveis.

Blogs mais recentes

Hyper-Personalization - FeatureIMG-PTBR

Da Personalização à Hiperpersonalização

Da Personalização à Hiperpersonalização:Um Manual Executivo Resumo Executivo As instituições financeiras que utilizam a hiperpersonalização ...
Série Mito da Hiperpersonalização #2

Série Mito da Hiperpersonalização #2

Série Mito da Hiperpersonalização #2:A Armadilha do Scorecard: Como os Modelos Tradicionais Estão Deixando Dinheiro ...
Hyper-personalization

Série O Mito da Hiperpersonalização #1

Série O Mito da Hiperpersonalização #1:Por que os Bancos Pensam que Fazem Hiperpersonalização (Mas Não ...
Além das Regras Estáticas

Além das Regras Estáticas

Além das Regras Estáticas:Como os Sistemas de Aprendizado Aprimoram a Tomada De Decisões em Serviços ...

Continue lendo

Ficha Técnica: Provenir para Crédito ao Consumidor

Ficha Técnica: Provenir para Crédito ao Consumidor

Experiência do cliente de classe mundial. Aprovações imediatas. Tomada de decisões mais inteligente.

O crédito ao consumidor é um mercado amplo, com uma grande variedade de casos de uso para você escolher, mas o segredo do sucesso permanece o mesmo para cada um deles: proporcionar uma experiência de classe mundial aos seus clientes e fazer isso em um instante, ao mesmo tempo em que minimiza os riscos e reduz as fraudes.

Veja como você pode simplificar os processos de solicitação, automatizar decisões e aprovar clientes para ofertas personalizadas em tempo real com o ecossistema de dados e decisões orientados por IA da Provenir. Atenda a seus clientes, supere a concorrência e amplie seus negócios com nossa poderosa tecnologia preparada para o futuro.

Descubra mais segredos para o sucesso dos empréstimos ao consumidor:

Explore o e-book

livro eletrônico

2025 survey

Pesquisa Global sobre Tomada de Decisão de Risco 2...

Livro eletrônico Pesquisa Global sobre Tomada de Decisão de Risco 2025 Quais são os principais ...

Além do Onboarding: Guia do Comprador para Platafo...

Descubra como a IA, dados no momento certo e os recursos certos garantem sucesso desde ...

Pesquisa sobre Decisão de Risco LATAM 2024

A Provenir entrevistou mais de 150 líderes de serviços financeiros da América Latina para identificar ...

Ebook: O Segredo para o Sucesso do Crédito ao Cons...

Entre a concorrência acirrada, regulamentações em evolução e uma economia volátil, prosperar no crédito ao ...

Continue lendo

O papel da tecnologia na promoção da inclusão financeira das mulheres

BLOG

O papel da tecnologia na promoção da inclusão financeira das mulheres

Para celebrarmos o Dia Internacional da Mulher, Gabriela Herrera, executiva de vendas sênior para América Latina da Provenir, reflete sobre o papel da tecnologia na promoção da inclusão financeira das mulheres em artigo publicado no portal brasileiro TI Inside.

“A tecnologia vem se colocando como um potencial catalisador para uma mudança. Existem inúmeras maneiras pelas quais as fintechs e o uso de aprendizado de máquina, inteligência artificial e dados alternativos podem criar um ambiente mais igualitário para mulheres e outras populações”, afirma Gabriela.

Confira o artigo na íntegra

Descubra os benefícios de uma plataforma unificada com IA + Dados para a tomada de decisões.

Deseja ganhar agilidade?

Baixe o e-Book

LATEST BLOGS

Boom de identidades fake ameaça segurança na Black...

Com a chegada da Black Friday, a Provenir destaca o aumento de fraudes com identidades ...

Três verdades fundamentais sobre as tecnologias pa...

Jose Luis Vargas, VP da Provenir, aponta três verdades essenciais sobre a tecnologia de decisão ...

Plataforma de aluguel social, Alpop investe em IA ...

Com a tecnologia da Provenir, a fintech Alpop facilita a locação de imóveis para clientes ...

As tendências para os provedores de serviços finan...

Com a tecnologia da Provenir, a fintech Alpop facilita a locação de imóveis para clientes ...

Continue lendo

Datasheet: Solução Unificada da Provenir

Solução Unificada da Provenir

Criada Nativa em Nuvem

No mundo em que tudo está disponível imediatamente e sob demanda, sua solução de decisão precisa acompanhar. Descubra como a solução unificada da Provenir oferece tecnologia nativa e agnóstica em nuvem, projetada para crescer junto com sua empresa.

Veja como nossa solução nativa em nuvem e orientada por API aberta pode agregar valor a qualquer cliente ou processo de negócios do cliente em todo o ciclo de vida do crédito, incluindo Compre Agora, Pague Depois (BNPL), financiamento ao consumidor, empréstimos para PME, pagamentos, fraude, identidade e muito mais.

Pronto para decisões mais inteligentes?

Baixe o e-Book e descubra como uma solução unificada pode ajudá-lo a mudar a forma como você pensa sobre sua estratégia de risco.

Baixe o e-Book

FICHA TÉCNICA

Provenir para Fraude

Provenir para Fraude em Aplicações

Provenir para Fraude em Aplicações Orquestração de Dados Otimizada. Uma Plataforma Holística para Fraude e ...
fraud for telco

Fraude no Onboarding para Telcos

Provenir: Fraude no Onboarding para Telcos Detecção Holística de Fraude com uma Visão Integral do ...

Datasheet: Provenir para Gestão de Clientes

Leve a gestão de clientes ao próximo nível com a plataforma da Provenir. Tome decisões ...

Ficha Técnica: Provenir para Bancos

Dificuldades para se destacar nos serviços financeiros? Leve sua estratégia de risco de crédito ao ...

Continue lendo

Provenir: Tomada de Decisão Inteligente para Aquisição de Clientes e Otimização do Valor do Ciclo de Vida

Provenir: Tomada de Decisão Inteligente para Aquisição de Clientes e Otimização do Valor do Ciclo de Vida

Flexível. Inteligente. Estratégica.
Tecnologia de tomada de decisão que apoia seus objetivos de negócios.

Esteja você procurando expansão global e novas linhas de produtos ou hiperpersonalização e desempenho maximizado do portfólio, nossa plataforma de decisão dinâmica e estratégica pode ajudar. Permita aprovações em tempo real, serviços inclusivos, crescimento de clientes e ofertas de produtos mais inovadores – sem o incômodo de tecnologia legada, dependência de fornecedores, acesso limitado a dados, regras codificadas, modelos imprecisos e longos tempos de construção.

Descubra porque a Provenir é a decisão mais fácil que você pode tomar.

FICHA TÉCNICA

Provenir para Fraude

Provenir para Fraude em Aplicações

Provenir para Fraude em Aplicações Orquestração de Dados Otimizada. Uma Plataforma Holística para Fraude e ...
fraud for telco

Fraude no Onboarding para Telcos

Provenir: Fraude no Onboarding para Telcos Detecção Holística de Fraude com uma Visão Integral do ...

Datasheet: Provenir para Gestão de Clientes

Leve a gestão de clientes ao próximo nível com a plataforma da Provenir. Tome decisões ...

Ficha Técnica: Provenir para Bancos

Dificuldades para se destacar nos serviços financeiros? Leve sua estratégia de risco de crédito ao ...

Continue lendo

Como impor restrições a modelos de decisão de crédito com machine learning (ML)

Como impor restrições a modelos de decisão de crédito com machine learning (ML)

Giampaolo Levorato, Senior Data Scientist, Provenir & Dr. Mark Thackham, Head of Data Science, Provenir

Como obter explicabilidade e transparência com modelos complexos de ML

Um número cada vez maior de financiadores tem adotado modelos avançados de aprendizagem de máquina (ML) para decisões de crédito. Os modelos de ML (como Random Forest, XGBoost, LightGBM e redes neurais) são mais preditivos e precisos quando comparados à regressão logística utilizada como padrão em análises de crédito tendo em vista sua capacidade de capturar relações não lineares altamente complexas. Sem uma configuração cuidadosa durante o treinamento, contudo, tanto a explicabilidade quanto o poder de generalização do modelo podem ser afetados. Isso é crucial, uma vez que os modelos de decisão de crédito devem atender a dois critérios:

  • Explicabilidade: os mecanismos do modelo devem ser transparentes para os usuários e prover conclusões acionáveis para clientes com crédito recusado; e 
  • Generalização: os modelos não devem sobreajustar os dados de treinamento e devem apresentar um alto poder de generalização, i.e., devem alcançar alta performance em novos dados (de produção).

Este artigo explica a importância de se aplicar restrições monotônicas e de interação ao treinar modelos de ML a fim de atender a esses critérios.

Transparência e acionabilidade

Muitas jurisdições exigem que os financiadores expliquem como e por que uma solicitação de crédito foi recusada, estipulando que os financiadores forneçam códigos de ação adversa com os principais motivos da recusa. Explicações corretas sobre por que a previsão de um modelo levou um financiador a recusar o crédito torna os modelos de ML transparentes (não há a imprecisão de uma “caixa preta” quanto aos mecanismos de previsão do modelo) e acionáveis (o crédito recusado do cliente tem ações claras e tangíveis sobre as medidas que podem ser tomadas para melhorar suas perspectivas de obter crédito). Vejamos um exemplo concreto de explicabilidade: se o atributo em um modelo cujo impacto mais negativo para quem tem crédito recusado for o “número de buscas de crédito nos últimos seis meses”, então o código de ação adversa poderiaser “o número de buscas de crédito nos últimos seis meses é muito alto”. Isso mostra transparência e indica uma ação clara para os clientes que, para melhorarem sua credibilidade, precisam reduzir suas buscas de crédito. Assim, os solicitantes podem se conscientizar mais facilmente dos fatores que os impedem de ter melhores pontuações e melhorar sua credibilidade.

A transparência garante ainda aos financiadores que as decisões de crédito sejam baseadas em atributos explicáveis e defensáveis e não usem atributos protegidos por lei como sexo, religião ou etnia. 

Há diversos métodos de explicabilidade para interpretar decisões de modelos complexos. Dois dos mais populares são:

  1. Local Interpretable Model-Agnostic Explanations (LIME)
  2. SHapley Additive exPlanation (SHAP)

O LIME aproxima modelos complexos de ML com um modelo local mais simples e fácil de explicar. Como o LIME utiliza um modelo proxy com foco no impacto local dos atributos, não se pode empregá-lo na geração de códigos de ação adversa, os quais devem ser gerados com o modelo de ML adotado para decisão de crédito (e não um proxy).

O SHAPquantifica a contribuição de cada atributo para uma previsão feita por um modelo de ML (atributos com maiores contribuições para a previsão do modelo têm um SHAP superior), tornando as previsões do modelo transparentes. Todavia, a transparência não leva diretamente à ação necessária para uso em códigos de ação adversa. Para usar os valores SHAP na derivação de códigos de ação adversa é necessário impor as seguintes restrições ao treinamento do modelo:

  1. restrições de não-interação e
  2. restrições de monotonicidade.

Por que as restrições do modelo são necessárias?

Para entender a necessidade de tais restrições, é útil observar um gráfico de dependência SHAP que mostra o efeito de um único atributo nas previsões feitas pelo modelo (o gráfico abaixo foi produzido a partir de uma árvore de decisão com gradient boosting treinada em um conjunto de dados de risco de crédito com o objetivo de estimar a probabilidade de inadimplência dos solicitantes de empréstimos).

Os cartões de crédito alternativos são cartões projetados para consumidores recém-chegados ao crédito (NTC) com histórico de crédito reduzidos ou nulo, inclusive estudantes universitários, imigrantes e pessoas de baixa renda, para ajudar a criar crédito e melhorar a credibilidade. Diferentemente dos cartões de crédito tradicionais, estes não requerem uma investigação de crédito e, muitas vezes, vêm acompanhados de recursos como educação financeira, pagamentos automáticos e recompensas para ajudar os usuários a criar crédito e, ao mesmo tempo, promover o uso responsável do cartão. Os cartões de crédito alternativos podem ser um ótimo ponto de entrada para os 1,4 bilhão de adultos que não têm conta bancária em todo o mundo.

Por que são populares:

Os cartões de crédito alternativos oferecem aos credores uma oportunidade de atrair novos usuários que normalmente não se qualificariam para os cartões de crédito tradicionais devido a um histórico creditício limitado ou inexistente ou baixo score de crédito. Ao oferecer cartões que ensinam os usuários a construir crédito, com limites de gastos baixos e pagamentos automáticos, os credores podem ajudar os consumidores a estabelecer um bom crédito e criar um relacionamento com eles para futuros produtos financeiros.

Como oferecê-los:

Talvez não seja surpreendente o fato de que os dados alternativos sejam a chave para os cartões de crédito alternativos. Dados alternativos referem-se a todas as informações financeiras que não estão incluídas em um relatório de crédito, como contas de serviços públicos, pagamentos de aluguel, histórico de emprego e, às vezes, até mesmo mídias sociais. Como esses cartões são criados para consumidores sem os dados tradicionais dos bureaus, os credores podem criar seus próprios modelos de pontuação de crédito integrando uma grande quantidade de dados alternativos em seus motores de decisão. Se você tem dados alternativos, você tem a base para cartões de crédito alternativos.

Figura 1 – Gráfico de dependência SHAP para o Atributo 1

A primeira observação é que o padrão é não monotônico: à medida que os valores do Atributo 1 aumentam, a qualidade de crédito melhora, até que se preveja uma deterioração.

A primeira ação necessária é aplicar restrições de monotonicidade, que impõem previsões de modelo para aumentar ou diminuir monotonicamente em relação a um atributo quando todos os outros atributos permanecem inalterados. No exemplo acima, valores mais altos do Atributo 1 correspondem a mais qualidade de crédito. Desvios da monotonicidade (que podem ocorrer frequentemente quando as restrições de atributos monotônicos não são aplicadas) raramente representam um padrão genuíno, e sim geralmente indicam um sobreajuste excessivo aos dados de treino, comprometendo o poder de generalização do modelo.

A aplicação de restrições de monotonicidade não é suficiente para que os valores SHAP retornem códigos de ação adversa. De fato, os atributos podem ser correlacionados até certo ponto: quando os recursos interagem entre si em um modelo de ML, a previsão não pode ser expressa como a soma dos efeitos dos atributos, porque o efeito de um atributo depende do valor de outros.

O gráfico de dependência SHAP a seguir mostra como o efeito de Atributo 1 depende do Atributo 2: a interação entre ambos aparece como um padrão vertical distinto de coloração.

Figura 2 – Gráfico de dependência SHAP mostrando interação entre Atributo 1 e Atributo 2

A segunda ação que precisa ser tomada é impor restrições de não-interação, que permitem isolar o comportamento do modelo em relação a cada atributo independente de todos os outros atributos, fornecendo uma imagem clara de como um atributo individual prediz o risco. Assim, a previsão do modelo corresponde à soma de cada efeito individual.

Quando as restrições de monotonicidade e denão-interação são aplicadas, os valores SHAP podem ser usados para retornar códigos de ação adversa (alguns benefícios adicionais são processos de treinamento mais rápidos, maior poder de generalização do modelo e cálculos de importância de atributos mais fáceis de interpretar). O gráfico de dependência SHAP a seguir mostra o efeito do Atributo 1 na previsão do modelo após a aplicação de ambas as restrições: pode-se notar que há uma relação monotônica de um para um entre os valores do atributo e os valores SHAP.

Figura 3 – Gráfico de dependência SHAP do Atributo 1 depois com restrições monotônicas e de interação aplicadas

Mantenha a conformidade com o Provenir AI

O Provenir AI adota uma abordagem cuidadosa para o desenvolvimento do modelo de ML, prevenindo o sobreajuste e fornecendo modelos totalmente transparentes e acionáveis, favorecendo o acesso dos consumidores ao financiamento e, simultaneamente, permitindo que os financiadores cumpram as regulamentações financeiras.

Quer saber mais sobre como o Provenir AI permite transparência e capacidade de ação?

Agende uma demonstração!

Blogs mais recentes

Hyper-Personalization - FeatureIMG-PTBR

Da Personalização à Hiperpersonalização

Da Personalização à Hiperpersonalização:Um Manual Executivo Resumo Executivo As instituições financeiras que utilizam a hiperpersonalização ...
Série Mito da Hiperpersonalização #2

Série Mito da Hiperpersonalização #2

Série Mito da Hiperpersonalização #2:A Armadilha do Scorecard: Como os Modelos Tradicionais Estão Deixando Dinheiro ...
Hyper-personalization

Série O Mito da Hiperpersonalização #1

Série O Mito da Hiperpersonalização #1:Por que os Bancos Pensam que Fazem Hiperpersonalização (Mas Não ...
Além das Regras Estáticas

Além das Regras Estáticas

Além das Regras Estáticas:Como os Sistemas de Aprendizado Aprimoram a Tomada De Decisões em Serviços ...

Continue lendo