Empresas | Demanda por Crédito

Variação acumulada no ano 7,5%

Variação mensal 4,2%

Consumidor | Demanda por Crédito

Variação acumulada no ano 13,1%

Variação mensal -5,4%

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) 83,9

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 234

Processos no ano 224

Recuperação Judicial Requerida

CNPJs no ano 602

Processos no ano 268

Empresas | Demanda por Crédito

Variação acumulada no ano 7,5%

Variação mensal 4,2%

Consumidor | Demanda por Crédito

Variação acumulada no ano 13,1%

Variação mensal -5,4%

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) 83,9

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 234

Processos no ano 224

Recuperação Judicial Requerida

CNPJs no ano 602

Processos no ano 268

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

O que é sangria de caixa e como aplicar com segurança!

O que é sangria de caixa e como aplicar com segurança!

Entenda o que é sangria de caixa, como aplicar o procedimento com segurança e melhorar o controle financeiro do varejo.

PCP na indústria: como planejar produção eficiente!

PCP na indústria: como planejar produção eficiente!

Entenda o que é PCP, suas etapas e benefícios para reduzir custos, controlar estoques, cumprir prazos e crescer com eficiência na indústria.

Ramp Up: o que é, para que serve e como funciona essa etapa do processo produtivo?

Ramp Up: o que é, para que serve e como funciona essa etapa do processo produtivo?

Entenda como o ramp-up escala a produção da sua PME com segurança. Aprenda a evitar gargalos, integrar times e usar dados para crescer.

O que é data literacy? Por que essa é uma das habilidades mais exigidas pelas empresas?

O que é data literacy? Por que essa é uma das habilidades mais exigidas pelas empresas?

Entenda o que é data literacy e por que saber ler, analisar e argumentar com números pode ser uma opção para o seu futuro profissional.

RAG e LLMs corporativos: como empresas usam IA generativa com seus dados

RAG e LLMs corporativos: como empresas usam IA generativa com seus dados

Saiba aqui como RAG e LLMs corporativos promovem inovação ao integrar IA generativa e dados próprios com governança e respostas de qualidade.

Como identificar um comprovante de Pix falso e proteger o caixa da sua loja virtual?

Como identificar um comprovante de Pix falso e proteger o caixa da sua loja virtual?

Aprenda como identificar um comprovante de Pix falso e proteja seu e-commerce de fraudes. Acesse e confira dicas práticas para evitar prejuízos!