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 nos últimos 12 meses 43,0%

Acumulado -

Consumidor | Recuperação de Crédito

Percentual médio nos últimos 12 meses 57,4%

Acumulado -

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 14,3%

No mês (em milhões) 9,3

MPEs | Inadimplência

Variação Anual 14,7%

No mês (em milhões) 8,8

Consumidor | Inadimplência

Percentual da população adulta 51,1%

No mês (em milhões) 84,2

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 335

Processos no ano 327

Recuperação Judicial Requerida

CNPJs no ano 1099

Processos no ano 435

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 nos últimos 12 meses 43,0%

Acumulado -

Consumidor | Recuperação de Crédito

Percentual médio nos últimos 12 meses 57,4%

Acumulado -

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 14,3%

No mês (em milhões) 9,3

MPEs | Inadimplência

Variação Anual 14,7%

No mês (em milhões) 8,8

Consumidor | Inadimplência

Percentual da população adulta 51,1%

No mês (em milhões) 84,2

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 335

Processos no ano 327

Recuperação Judicial Requerida

CNPJs no ano 1099

Processos no ano 435

Marketing

As consequências da má qualidade dos dados para uma empresa

Conheça os principais prejuízos e riscos da má qualidade de dados, como decisões erradas, custos e perda de confiança no mercado.

Imagem de capa

Manter a qualidade dos dados é um problema recorrente e que aflige inúmeras empresas. E se as lideranças de TI não tomam medidas para melhorar a precisão de suas informações, pode haver sérias consequências, pois há muitas maneiras pelas quais as empresas cometem erros com a compilação e gerenciamento de dados do cliente. Quando um cliente está preenchendo um formulário no site de uma empresa, por exemplo, ele pode errar uma palavra, fornecer um endereço desatualizado ou dar o número de telefone incorreto. Uma vez que estes dados errados são adicionados ao sistema eles podem ser difíceis de corrigir. Eles também podem levar a problemas de longo prazo. As empresas confiam em dados precisos para auxiliar seus esforços de marketing, vendas e atendimento ao cliente. Se eles não contêm a informação correta eles perdem tempo perseguindo leads que não existem. E o tempo, como se diz, é dinheiro. O relatório da Pesquisa Global de Qualidade de Dados 2017 da Experian indicou um impacto generalizado e alarmante desses problemas de qualidade: 58% por cento das organizações no Brasil disseram que enfrentaram desafios de governança de dados. Além disso, existem problemas para se entender as reais necessidades do cliente. Em um mundo cada vez mais “dominado” pelo Big Data, algumas empresas acabam tendo dificuldades em encontrar, organizar e analisar os dados corretos sobre seus clientes e encontrar assim, maneiras de aprimorar seus produtos e serviços. E, infelizmente, a qualidade dos dados disponíveis pode tornar isso quase impossível. A pesquisa constatou que, globalmente, 27% das organizações acreditam que os dados dos seus clientes e prospects são imprecisos. Assim, os problemas com a qualidade dos dados são praticamente inevitáveis. Errar é humano, e quase todos cometem um erro ocasional ao inserirem informações de clientes em bancos de dados. É essencial, portanto, que as empresas tomem medidas para proteger seus dados. Se não fizerem isso, as consequências podem ser surpreendentemente desagradáveis.

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

Bancos aprovam pelo risco certo, mas perdem dinheiro por não medir o cliente certo

Bancos aprovam pelo risco certo, mas perdem dinheiro por não medir o cliente certo

Entenda por que o score de crédito não mede a rentabilidade do cliente e como bancos e fintechs perdem receita ao decidir apenas pelo risco.

Pix cobrança e QR Code dinâmico: como automatizar a arrecadação em empresas

Pix cobrança e QR Code dinâmico: como automatizar a arrecadação em empresas

Automatize cobranças com Pix Cobrança e QR Code dinâmico, identifique pagamentos e faça baixas automáticas via API.

Meios de pagamento: tipos e como escolher para a cobrança de contas

Meios de pagamento: tipos e como escolher para a cobrança de contas

Entenda como funcionam os principais meios de pagamento no Brasil e saiba como escolher os ideais para otimizar as vendas do seu negócio. Acesse!

O que é prazo médio de recebimento (DSO) e como calculá-lo na sua empresa?

O que é prazo médio de recebimento (DSO) e como calculá-lo na sua empresa?

Entenda o que é o prazo médio de recebimento (DSO), aprenda a fórmula de cálculo e confira as estratégias para otimizar o caixa da sua empresa!

First-party data: como segmentar públicos sem cookies de terceiros com inteligência analítica?

First-party data: como segmentar públicos sem cookies de terceiros com inteligência analítica?

Descubra como usar first-party data e inteligência analítica para segmentar públicos sem cookies de terceiros e ativar campanhas com mais precisão.

LCA no agronegócio: o que é, como funciona e vantagens para o crédito rural

LCA no agronegócio: o que é, como funciona e vantagens para o crédito rural

Entenda o que é a LCA no agronegócio, como funciona e quais são suas vantagens, riscos e papel no crédito rural.