Blog da Gesplan

Big Data como ferramenta de apoio na gestão de risco

Escrito por Gesplan S/A | 27/11/2019 10:22:01

Os avanços tecnológicos mudaram o jeito de se trabalhar e de administrar uma empresa. Uma inovação em particular, que pode ajudar na gestão de risco, é o Big Data. Em uma tradução literal, a expressão em inglês significa “grandes dados”, mas é mais do que isso.

O conceito também inclui ferramentas para análise e interpretações de informações que podem trazer insights interessantes para negócios, ajudar a diminuir inadimplência e acelerar o processo de tomada de decisão. Ele se apoia na quantidade massiva de informação produzida diariamente no mundo, nos padrões que ela pode ajudar a identificar e na aplicação desse conhecimento. Grandes empresas como Google, Netflix, Amazon e Rolls Royce, por exemplo, usam essa ferramenta para diminuir gastos, acelerar escolhas, conhecer hábitos de consumo dos seus clientes, otimizar campanhas de marketing e melhorar a oferta de produtos.

Para a área financeira, a maior contribuição dada pelo Big Data é na gestão de riscos. Com a quantidade massiva de informação que essa técnica abarca, é possível gerar análises cada vez mais rápidas e precisas para a sua empresa e evitar ser usada para lavagem de dinheiro, alvo de fraudes e todos os prejuízos que esses problemas podem acarretar. Isso é possível graças à geração e verificação de múltiplos cenários permitida pelos algoritmos alimentados pela Big Data.

A análise de Big Data ajuda a identificar riscos e acelera a reação

Em posse de dados de qualidade, abre-se um mundo de possibilidades sobre as suas utilidades. Uma delas, é realizar análises preditivas, que vão apontar quais são os cenários mais prováveis para o futuro da empresa com base em modelos estatísticos criados previamente. Isso permite que você analise o presente e tome decisões cada vez mais rápido e se prepare para o que está por vir.

   Fraudes

O uso mais comum é a análise de comportamento do consumidor para redução de riscos de fraudes. Administradoras de cartão de crédito têm usado essa técnica para analisar padrões de gastos de clientes para identificar usos fraudulentos. São utilizadas informações do histórico de compras anteriores combinadas com outros bancos de dados para ter certeza se aquela compra é real ou não. A rapidez no processamento permite que você evite problemas, enquanto a sua precisão impede o bloqueio de compras reais.

  Inadimplência

Outra possibilidade é usar grandes bases de dados para calcular melhor o fornecimento de crédito para diminuir a chance de inadimplência. Empresas financeiras podem cruzar o histórico do cliente com dados da economia para saber se mudanças próximas terão impactos negativos.

Lavagem de dinheiro

O Big Data também pode ser utilizado para análises internas que evitam riscos internos à empresa. Equipes de compliance de grandes bancos estão utilizando Big Data para identificar operações de lavagem de dinheiro, podendo evitar essa prática.

Deixar o processamento massivo de dados à cargo de algoritmos reduz a possibilidade de erro humano na análise de operações e diminuindo o tempo de investigação. Além disso, o Big Data também pode ajudar a se preparar para enfrentar riscos externos com apoio das previsões e análises da conjuntura atual, permitindo que você crie estratégias para enfrentar o que está por vir.

Qual tipo de informação é usada em Big Data?

Para que a análise seja a mais acertada possível, é preciso tomar cuidado com os dados que serão utilizados. As técnicas de Business Intelligence mais tradicionais utilizam dados estruturados nas suas leituras (informação já organizada e sem ruído). No Big Data, são utilizados também dados não-estruturados (posts de mídias sociais, imagens e arquivos de texto), que entram no cálculo para garantir maior chance de acerto.

Para fazer a análise, todo o processo deve respeitar cinco características essenciais, também chamadas de 5V’s do Big Data: veracidade (todos os dados são verdadeiros e refletem a realidade), velocidade (tanto na atualização dos dados e na análise deles), volume (a grande quantidade de informação permite leituras mais acertadas da situação), variedade (múltiplas fontes e diferentes tipos de dados ajudam a construir a interpretação mais correta) e valor (o que essas informações pode adicionar ao seu trabalho). Respeitando esses parâmetros, é possível fazer análises rápidas e aprofundadas para garantir um gerenciamento de riscos mais efetivo.