Empresas | Demanda por Crédito

Variação acumulada no ano 6,3%

Variação mensal -3,6%

Consumidor | Demanda por Crédito

Variação acumulada no ano 9,2%

Variação mensal 1,2%

Empresas | Recuperação de Crédito

Percentual médio no ano 38,7%

Percentual no mês 38,4%

Consumidor | Recuperação de Crédito

Percentual médio no ano 57,3%

Percentual no mês 57,8%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.280,32

Pontualidade do pagamento 77,9%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 402,57

Pontualidade do pagamento 82,6%

Veículos | Cadastro Positivo

Ticket Médio R$ 1.340,29

Pontualidade do pagamento 80,7%

Consignado | Cadastro Positivo

Ticket Médio R$ 268,95

Pontualidade do pagamento 92,0%

Tentativas de Fraudes

Acumulado no ano (em milhões) 6,94

No mês (em milhões) 1,15

Empresas | Inadimplência

Variação Anual 21,3%

No mês (em milhões) 8,4

MPEs | Inadimplência

Variação Anual 22,0%

No mês (em milhões) 8,0

Consumidor | Inadimplência

Percentual da população adulta 49,2%

No mês (em milhões) 80,4

Atividade do Comércio

Variação acumulada no ano 3,6%

Variação mensal -1,2%

Falência Requerida

Acumulado no ano 236

No mês 61

Recuperação Judicial Requerida

Acumulado no ano 638

No mês 167

Empresas | Demanda por Crédito

Variação acumulada no ano 6,3%

Variação mensal -3,6%

Consumidor | Demanda por Crédito

Variação acumulada no ano 9,2%

Variação mensal 1,2%

Empresas | Recuperação de Crédito

Percentual médio no ano 38,7%

Percentual no mês 38,4%

Consumidor | Recuperação de Crédito

Percentual médio no ano 57,3%

Percentual no mês 57,8%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.280,32

Pontualidade do pagamento 77,9%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 402,57

Pontualidade do pagamento 82,6%

Veículos | Cadastro Positivo

Ticket Médio R$ 1.340,29

Pontualidade do pagamento 80,7%

Consignado | Cadastro Positivo

Ticket Médio R$ 268,95

Pontualidade do pagamento 92,0%

Tentativas de Fraudes

Acumulado no ano (em milhões) 6,94

No mês (em milhões) 1,15

Empresas | Inadimplência

Variação Anual 21,3%

No mês (em milhões) 8,4

MPEs | Inadimplência

Variação Anual 22,0%

No mês (em milhões) 8,0

Consumidor | Inadimplência

Percentual da população adulta 49,2%

No mês (em milhões) 80,4

Atividade do Comércio

Variação acumulada no ano 3,6%

Variação mensal -1,2%

Falência Requerida

Acumulado no ano 236

No mês 61

Recuperação Judicial Requerida

Acumulado no ano 638

No mês 167

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.

As consequências da má qualidade dos dados para uma empresa

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

Análise preditiva e fraude: previna perdas na sua loja virtual antes que aconteçam!

Análise preditiva e fraude: previna perdas na sua loja virtual antes que aconteçam!

Análise preditiva no e-commerce: antecipe fraudes, reduza chargebacks e proteja sua receita sem travar o checkout! Confira mais no nosso blog.

Desvio produtivo do consumidor: evite erros que geram prejuízo de tempo e ações judiciais

Desvio produtivo do consumidor: evite erros que geram prejuízo de tempo e ações judiciais

Entenda o conceito de desvio produtivo do consumidor, como afeta PMEs e as melhores práticas para evitá-lo, protegendo sua empresa de ações judiciais.

O varejo já tem tudo para criar seu próprio meio de pagamento. Falta só começar.

O varejo já tem tudo para criar seu próprio meio de pagamento. Falta só começar.

Transforme dados em produtos de crédito e fortaleça seu negócio com autonomia e inteligência analítica.

Repetição do indébito: entenda os riscos de cobrar uma dívida já paga!

Repetição do indébito: entenda os riscos de cobrar uma dívida já paga!

Entenda o conceito de repetição do indébito, os riscos legais de cobrar uma dívida já paga e boas práticas para evitar esses erros.

Datatech e LGPD como alinhar inovação com privacidade de dados

Datatech e LGPD como alinhar inovação com privacidade de dados

Saiba como datatechs unem tecnologia e LGPD para criar soluções inovadoras sem abrir mão da privacidade.

Comunicação Não Violenta: como aplicar no contexto corporativo

Comunicação Não Violenta: como aplicar no contexto corporativo

Saiba como a Comunicação Não Violenta cria relações mais humanas no trabalho e como avaliar seus impactos com indicadores claros.