Um olhar sobre a transformação digital no setor financeiro
Scott Chastain, Líder Global de Práticas de Tecnologia do SAS.
O mercado financeiro vem passando por diversas transformações em um curto período de tempo. E será assim nas próximas décadas, seguindo o ritmo contínuo de desenvolvimento das novas tecnologias e a demanda crescente dos novos clientes, sempre ávidos por novidades - principalmente aquelas que facilitem seu dia a dia e a maneira com a qual lidam com suas finanças.
Atualmente, o setor tem se beneficiado com o uso de soluções específicas nas áreas de risco e fraude, com as quais a análise de dados vem sendo aplicada para observar padrões de comportamento dos clientes e detectar (ou não) indícios de atividades fraudulentas. Isso é necessário pelo simples fato de que não vivemos mais em um mundo que aceita esperar dias ou semanas para identificar atos ilícitos, uma vez que eles ocorrem em tempo real e exigem respostas imediatas.
Hoje, é possível perceber uma demanda cada vez maior por todo tipo de tecnologia que dê resultados em tempo real, o que inclui soluções com foco em customer intelligence. Estas ferramentas buscam melhorar cada vez mais a experiência dos clientes, na medida em que os aplicativos móveis vão se popularizando e a transformação digital segue avançando.
Como prosperar na era da economia analítica?
Assim como a internet resultou na evolução para uma economia digital, a inteligência analítica está criando uma nova economia, na qual ações e decisões de negócios são baseadas na análise sistemática dos dados.
Nos últimos anos, as empresas do setor financeiro passaram a lidar com um volume crescente de dados, dos quais extraíam pouco ou nenhum valor. Até então, os dados estavam atrelados apenas a informações transacionais, limitando e muito o potencial ali existente. Com o auxílio de big data analytics, bancos e outras empresas do setor conseguem detectar insights valiosos para tomar decisões mais eficazes, baseadas não apenas nos dados demográficos dos clientes, mas também em seu padrão de comportamento.
Nesse cenário, os bancos fazem uso dos dados não apenas para calcular melhor os riscos na hora de conceder um empréstimo, por exemplo, ou melhorar a experiência dos clientes. Eles também visam os ganhos obtidos em termos de aprendizado, que levem a oferta de novos serviços e produtos, além da geração de novas receitas.
Em diversos países, a demanda por novos produtos e serviços é, em grande parte, resultante da pressão gerada com o surgimento das fintechs. Há uma transformação digital em curso que obriga as grandes empresas do setor a se adaptar à nova realidade. Do contrário estarão fora do mercado em pouco tempo, nocauteadas pela forte concorrência.
Na região do Ásia-Pacífico, por exemplo, houve um processo de maturidade muito rápido e diversos países. Atualmente, eles são considerados nativos digitais, com um grande número de dispositivos móveis em detrimento dos aparelhos fixos.
No Brasil, isso depende também de outros fatores, entre eles a desburocratização do setor e o compartilhamento de infraestruturas que permitam uma melhor comunicação entre os bancos. Scott Chastain Líder Global de Práticas de Tecnologia SAS
Além disso, o comportamento dos usuários se mostra prioritariamente orientado para o ambiente digital, o que favorece a inovação nessa área. Isso está relacionado também à pouca idade dos novos clientes. Grande parte deles está abrindo uma conta pela primeira vez, iniciando a vida profissional e, provavelmente, nunca entraram em uma agência bancária. E 85% das grandes empresas do setor têm todas as suas interações feitas em modo digital, em decorrência da maior presença do mobile.
Na Europa, alguns avanços também já são observados no que diz respeito à inovação, principalmente se considerarmos o pioneirismo diretamente atrelado à adoção das novas regras da Regulação Geral de Proteção de Dados (GDPR), em vigor desde o final de maio. Vale destacar também os chatbots, que vêm ganhando força entre os bancos e, no futuro, serão cada vez mais intuitivos, com o uso cada vez mais forte da inteligência artificial e de técnicas de deep learning.
Para que esse desenvolvimento ocorra em larga escala, ele vai continuar dependendo do perfil de cada região e do quanto o setor financeiro local estiver avançado em relação à adoção das novas tecnologias. No Brasil, isso depende também de outros fatores, entre eles a desburocratização do setor – o que implica em menos interferência de agentes regulatórios - e o compartilhamento de infraestruturas que permitam uma melhor comunicação entre os bancos, por exemplo – algo já bem disseminado em outros países.
Cabe a nós, profissionais de tecnologia, investirmos em um trabalho intenso que resulte em rotinas e transações cada vez mais rápidas e simplificadas para os clientes – algo que, com o uso frequente dos dispositivos móveis como meios de pagamento e também dos wearable devices, não será tão difícil de acontecer. O futuro das instituições financeiras no ambiente digital, especialmente os bancos, já está trilhado. Resta saber quando ele será uma realidade verdadeiramente presente na vida das pessoas.
Leia também
- Containing health care costs: Analytics paves the way to payment integrityTo ensure payment integrity, health care organizations must uncover a broad range of fraud, waste and abuse in claims processing. Data-driven analytics – along with rapid evolutions in the use of computer vision, document vision and text analytics – are making it possible.
- Analytics: A must-have tool for leading the fight on prescription and illicit drug addictionStates and MFCUs now have the analytics tools they need to change the trajectory of the opioid crisis by analyzing data and predicting trouble spots – whether in patients, prescribers, distributors or manufacturers. The OIG Toolkit with free SAS® programming code makes that possible.
- IFRS 9 and CECL: The challenges of loss accounting standardsThe loss accounting standards, CECL and IFRS 9, change how credit losses are recognized and reported by financial institutions. Although there are key differences in the standards for CECL (US) and IFRS 9 (international), both require a more forward-looking approach to credit loss estimation.