Empresas | Demanda por Crédito

Variação acumulada no ano 8,6%

Variação mensal -13,7%

Consumidor | Demanda por Crédito

Variação acumulada no ano 12,6%

Variação mensal -11,8%

Empresas | Recuperação de Crédito

Percentual médio no ano 38,7%

Percentual no mês 37,2%

Consumidor | Recuperação de Crédito

Percentual médio no ano 57,2%

Percentual no mês 53,7%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.391,05

Pontualidade do pagamento 76,8%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 389,03

Pontualidade do pagamento 82,8%

Veículos | Cadastro Positivo

Ticket Médio R$ 1.448,68

Pontualidade do pagamento 81,3%

Consignado | Cadastro Positivo

Ticket Médio R$ 293,85

Pontualidade do pagamento 91,2%

Tentativas de Fraudes

Acumulado no ano (em milhões) 10,89

No mês (em milhões) 1,02

Empresas | Inadimplência

Variação Anual 14,8%

No mês (em milhões) 9,2

MPEs | Inadimplência

Variação Anual 15,2%

No mês (em milhões) 8,7

Consumidor | Inadimplência

Percentual da população adulta 51,0%

No mês (em milhões) 84,0

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 277

Processos no ano 269

Recuperação Judicial Requerida

CNPJs no ano 878

Processos no ano 346

Empresas | Demanda por Crédito

Variação acumulada no ano 8,6%

Variação mensal -13,7%

Consumidor | Demanda por Crédito

Variação acumulada no ano 12,6%

Variação mensal -11,8%

Empresas | Recuperação de Crédito

Percentual médio no ano 38,7%

Percentual no mês 37,2%

Consumidor | Recuperação de Crédito

Percentual médio no ano 57,2%

Percentual no mês 53,7%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.391,05

Pontualidade do pagamento 76,8%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 389,03

Pontualidade do pagamento 82,8%

Veículos | Cadastro Positivo

Ticket Médio R$ 1.448,68

Pontualidade do pagamento 81,3%

Consignado | Cadastro Positivo

Ticket Médio R$ 293,85

Pontualidade do pagamento 91,2%

Tentativas de Fraudes

Acumulado no ano (em milhões) 10,89

No mês (em milhões) 1,02

Empresas | Inadimplência

Variação Anual 14,8%

No mês (em milhões) 9,2

MPEs | Inadimplência

Variação Anual 15,2%

No mês (em milhões) 8,7

Consumidor | Inadimplência

Percentual da população adulta 51,0%

No mês (em milhões) 84,0

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 277

Processos no ano 269

Recuperação Judicial Requerida

CNPJs no ano 878

Processos no ano 346

Crédito

Novas ferramentas para análise de crédito: impactos e possibilidades

Explore as novas ferramentas tecnológicas na análise de crédito que ampliam possibilidades e reduzem riscos.

Imagem de capa

Nos últimos anos, graças ao avanço dos recursos digitais, as tecnologias e ferramentas para análise de crédito têm se tornado mais efetivas e ágeis. Isso ocorre tanto na busca por novas variáveis para análise de risco, quanto no aprimoramento de elementos básicos para avaliação de crédito, tais como dados cadastrais, informações sobre renda, nível de score e outras referências.

Esse é um esforço que atende ao desafio de reduzir taxas de inadimplência, combater fraudes e maximizar o ROI (Retorno sobre investimento) de cada operação. Nesse sentido, algumas tendências tecnológicas merecem atenção. Conheça algumas delas.

Mapeamento de interações digitais

Embora seja a melhor e mais utilizada ferramenta para análise de crédito, o score é um recurso que encontra barreiras quando há escassez de dados estruturados, como movimentação bancária, histórico de crédito e outras informações financeiras e cadastrais. Um passo importante na evolução dessa ferramenta pode ser o score baseado no mapeamento de interações digitais.

Trata-se de uma tecnologia em desenvolvimento que cria um score utilizando dados não estruturados, coletados a partir de interações digitais via smartphone. Ela parte do princípio de que, hoje, uma parte considerável do comportamento de consumo de uma pessoa passa por seu aparelho de celular, gerando dados que podem compor um perfil de consumo e renda, mesmo que essa pessoa não seja bancarizada. Entram nas variáveis dados como: tipos de aplicativos pagos instalados, uso de serviços digitais de delivery ou transporte, entre outros.

Na prática, essa tecnologia vai permitir que as empresas concedam crédito com mais qualidade e de forma automatizada a uma parte da população que, geralmente, está fora do radar das análises convencionais. Especialmente aquelas que realizam movimentações financeiras significativas e, por isso não possuem histórico, tais como: estudantes, jovens em início de carreira, profissionais autônomos e pessoas de baixa renda.

 

contato-comercial-credito-4-1.png


Verificação via Whatsapp

A ampla disseminação dessa ferramenta de comunicação instantânea faz dela uma fonte para validação de número telefônico. Um ponto fundamental na concessão do crédito é qualidade dos dados cadastrais, como o número de telefone. Algo que será importante até mesmo na eventualidade de uma cobrança ao longo do relacionamento com o cliente.

A verificação confere, de forma automatizada, se o número de celular passado possui uma conta ativa de Whataspp. Um processo simples, porém eficaz, que ajuda a evitar erros de digitação, a alertar para equívocos no preenchimento do cadastro e também a prevenir fraudes.

Ambiente de Big Data para modelagem customizada de score

A modelagem customizada de score é uma realidade em grandes empresas. Integrando dados internos com bases de dados externas e robustas como as da Serasa Experian, é possível desenvolver um modelo de score sob medida para uma carteira de clientes. Esta é uma solução que atende às necessidades de muitas empresas atualmente.

Há, entretanto, um novo patamar de customização e integração chegando ao mercado. A solução Ascend Technology Platform permite que o cliente desenvolva sua modelagem de score aplicando seus dados internos diretamente no ambiente de Big Data da Serasa Experian. Na prática, é como ter acesso direto ao maior banco de dados da America Latina para, em conjunto com os dados da empresa, desenvolver a solução mais customizada possível. Entre as vantagens dessa nova tecnologia, podemos destacar:

  • Elimina diversas barreiras entre desenvolvimento e implantação;
  • Facilita e agiliza a aplicação de Machine Learning;
  • Reduz drasticamente o tempo de desenvolvimento e aplicação;
  • Oferece respostas em tempo real;
  • Dá acesso ao maior banco de dados do Brasil e a mais de 3 mil variáveis.

Entre tendências e novas tecnologias, as soluções digitais para análise de crédito vão aumentar a produtividade e a qualidade da gestão de risco. Além disso, seu aperfeiçoamento significa também explorar novas oportunidades e alcançar novos segmentos.

 

contato-comercial-credito-4-1.png


Feedback do Artigo

Este conteúdo foi útil

Fique por dentro das novidades!

Inscreva-se e receba novidades sobre os assuntos que mais te interessam.

Leia também

Antifraude end-to-end para split bancário em marketplaces

Antifraude end-to-end para split bancário em marketplaces

Entenda como proteger pagamentos digitais com split bancário: critérios, riscos e as soluções antifraude da Serasa Experian do onboarding à transação.

Compra contestada em loja virtual: quem paga o chargeback e quais plataformas ajudam a reduzir perdas

Compra contestada em loja virtual: quem paga o chargeback e quais plataformas ajudam a reduzir perdas

Quem paga a compra contestada? Entenda o chargeback e veja como reduzir perdas em loja virtual com antifraude em camadas da Serasa Experian.

Reforma Tributária na prática: o que sua empresa precisa revisar agora

Reforma Tributária na prática: o que sua empresa precisa revisar agora

Veja como a Reforma Tributária pode afetar preços, margens, caixa, sistemas e relações comerciais e saiba o que sua empresa precisa revisar.

Glossário da reforma tributária: entenda os principais termos

Glossário da reforma tributária: entenda os principais termos

Reforma tributária: entenda aqui o que muda para MEIs, micro e pequenas empresas com as novas regras e como se preparar para o novo sistema fiscal.

Métodos de autenticação digital mais seguros para grandes empresas no Brasil: como se proteger de deepfake de voz e vídeo

Métodos de autenticação digital mais seguros para grandes empresas no Brasil: como se proteger de deepfake de voz e vídeo

Descubra quais são os métodos de autenticação digital mais seguros para grandes empresas no Brasil e como se proteger de deepfake de voz e vídeo.

O que é um Data Lake? Diferença entre Data Lake e Data Warehouse e o papel na prevenção à fraude

O que é um Data Lake? Diferença entre Data Lake e Data Warehouse e o papel na prevenção à fraude

Entenda o que é data lake, a diferença para o data warehouse e como dados e soluções antifraude da Serasa Experian ajudam a prevenir fraudes.