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

Melhor ferramenta para vender mais nas datas do varejo

Melhor ferramenta para vender mais nas datas do varejo

Qual a melhor ferramenta para vender mais nas datas do varejo? Veja como dados e segmentação da Serasa Experian ajudam a ativar quem tem mais chance de comprar.

Como estruturar um plano de marketing com dados para o varejo em 2026

Como estruturar um plano de marketing com dados para o varejo em 2026

Aprenda a estruturar um plano de marketing com dados no varejo em 2026! Personalize campanhas, otimize resultados e impulsione suas vendas no setor.

Inteligência Artificial no Marketing: como IA² ajuda a conhecer clientes e identificar oportunidades

Inteligência Artificial no Marketing: como IA² ajuda a conhecer clientes e identificar oportunidades

Saiba como a IA² ajuda a identificar públicos com maior propensão de compra e a direcionar campanhas e investimentos para aquisição, ativação e retenção.

O Lucro Presumido muda com a Reforma Tributária?

O Lucro Presumido muda com a Reforma Tributária?

Descubra o que muda no Lucro Presumido com a Reforma Tributária e entenda os impactos de IBS e CBS na tributação das empresas.

IA² no Agronegócio: como dados e inteligência apoiam decisões no campo

IA² no Agronegócio: como dados e inteligência apoiam decisões no campo

Entenda como dados confiáveis, Inteligência Analítica e Inteligência Artificial podem ampliar a visão sobre produtores, propriedades e territórios para avaliar

Background check na contratação: como verificar candidatos e respeitar a LGPD

Background check na contratação: como verificar candidatos e respeitar a LGPD

Entenda o que é background check, veja como a LGPD orienta a checagem cadastral no RH e adote processos seletivos mais seguros para a empresa.