Três formas de democratizar os dados podem melhorar o pagamento de contas para empresas e seus clientes

Diga olá ao yottabyte, que representa 1024 bytes, ou a quantidade de dados que caberia em DVDs empilhados da Terra a Marte. Até a década de 2030, espera-se que o mundo gere um yottabyte de dados por ano.

Que utilidade tem esse vasto oceano de dados, no entanto, a menos que possa ser acessado, analisado e utilizado de forma expedita para informar decisões atuais e futuras? Essa questão tem suscitado uma crescente conversa em torno do valor de “democratizar os dados” ou tornar os dados mais acessíveis a todas as partes de uma organização. Quando os dados são democratizados, podem ser usados para entender a saúde do negócio, prever resultados e desenvolver estratégias para reduzir despesas operacionais e aumentar o lucro. Parte da “democratização” não é apenas obter acesso aos dados, mas permitir que pessoas de diferentes formações técnicas possam usar esses dados para informar decisões empresariais.

As empresas de fintech e seus clientes, como os cobradores, estão especialmente prontas para participar do movimento de democratização porque da vasta quantidade de dados de pagamentos disponíveis – se esses dados puderem ser tornados acessíveis a todos os interessados na organização de cobrança. Neste artigo, discutiremos as principais barreiras à democratização dos dados – silos de dados e guardiões de TI – e como obter acesso a esses dados pode transformar os pagamentos para os cobradores e seus clientes.

Silos e o Guardião de TI

Nos últimos 50 anos, os dados têm sido controlados em grande parte por técnicos de TI e analistas que possuem conhecimentos e formação especializados. Os dados de pagamentos, em particular, estão tipicamente bloqueados em plataformas de pagamentos, das quais as equipes de engenharia dos fornecedores compilam relatórios padrão para seus clientes trimestralmente e criam relatórios personalizados sob solicitação.

Os dados de pagamentos não devem estar nas mãos de poucos. Existem bilhões de pontos de dados que vivem dentro das plataformas de pagamento. Esses dados de pagamento são essencialmente a forma como os clientes se comunicam com suas instituições de crédito a cada mês. Quando os cobradores podem acessar e aplicar esses dados de novas e inovadoras maneiras, podem ser utilizados para ajudar todos na sua organização a tomar decisões mais informadas e impulsionar melhorias operacionais.

A democratização dos dados abre um tesouro de insights acionáveis que podem ser aplicados de maneiras novas e inovadoras. Aqui estão três maneiras pelas quais os cobradores podem usar esses insights para aumentar a eficiência operacional e capacitar a tomada de decisões:

2.      

### Identificar e melhorar áreas de fraqueza e direcionar prioridades de acordo

Ter dados e estatísticas de pagamentos à sua frente é uma coisa, mas isso muitas vezes leva a mais perguntas do que respostas. Esses números são bons? Ruins? Você deve agir? E se sim, onde?

Quando seu fornecedor de pagamentos permite que você meça e compare seus dados de pagamentos e clientes com dados agregados da indústria, você pode acompanhar as tendências de pagamentos e consumidores à medida que se desenrolam em vários mercados e locais e prever o impacto em seu negócio.

Os dados de referência revelam outliers – áreas onde você está visivelmente acima ou abaixo da média – e ajudam você a ter uma noção de para onde a indústria está se movendo.

Por exemplo, você pode examinar as taxas de pagamentos recusados e chargebacks e, em seguida, determinar o que pode ser feito para alinhar seus números com, ou acima, da média da indústria. Você também pode estudar as comunicações de engajamento agregadas, perguntando: “Quais são as taxas típicas de cliques para SMS em comparação com e-mail, e quão rapidamente isso leva a um pagamento para o nosso negócio em comparação com a indústria como um todo?” Você pode notar lugares onde poderia ajustar regras ou parâmetros de negócios, introduzir novos tipos de pagamento ou mover mensagens de engajamento para outro dia ou horário para impulsionar mais pagamentos pontuais.

Os dados de referência também ajudam a identificar tendências emergentes de pagamentos para que você possa se adaptar rapidamente para resolver problemas ou atender a novas demandas. Você pode notar um tipo de pagamento específico ganhando tração ou pagamentos automáticos diminuindo em um demográfico específico. Quando você pode ver seus dados em um nível granulado, empilhados contra as médias da indústria, pode reagir e se adaptar, definir KPIs realistas e focar em melhorias de processos que gerem verdadeiras eficiências operacionais.

3.      

### Prever o que está por vir para permitir um melhor planejamento

Limitar a análise de dados a fontes internas e até mesmo fontes de indústria pode deixar lacunas na compreensão. É por isso que muitas empresas estão incorporando dados externos em suas análises; estão buscando uma lente mais ampla para entender como o que está acontecendo no “mundo exterior” pode impactar o comportamento de pagamento hoje e no futuro.

À medida que mais fornecedores de plataformas de pagamento se aprofundam na democratização dos dados, isso pode abrir oportunidades para transmitir dados de pagamento para o ecossistema do cobrador. Quando combinados com outros pontos de dados, como pontuações de crédito, o índice de preços ao consumidor ou informações do censo, podem ajudar seu fornecedor de pagamentos a determinar o perfil de risco de um indivíduo ou grupo demográfico, o que ajuda você a prever melhor os padrões de pagamento, direcionar comunicações de engajamento e automatizar regras de negócios conhecidas por incentivar pagamentos pontuais.

Dados econômicos de fontes governamentais podem revelar áreas onde o aumento do desemprego ou a queda do PIB podem impactar a fortaleza financeira de um grande grupo de clientes. Mesmo dados de previsões meteorológicas podem ser úteis. Por exemplo, o Furacão Ian causou estragos na economia de todo o estado da Flórida, à medida que empresas fecharam, residentes fugiram e consumidores investiram dinheiro em se preparar e se recuperar da tempestade, deixando-os com muito menos capacidade de pagar contas.

Quando você tem dados facilmente disponíveis para fazer previsões baseadas em fatos, pode preparar seu negócio para os impactos de pagamento antes que eles aconteçam. Você também pode trabalhar com seu fornecedor de pagamentos para automatizar o contato com os pagadores proativamente antes que pagamentos perdidos criem um problema maior e mais caro. Você pode ser capaz de oferecer soluções como dividir pagamentos, alterar datas de vencimento para coincidir com o dia de pagamento ou enviar lembretes de pagamento mais frequentes.

4.      

### Automatizar a tomada de decisões para lidar com fraudes e outros problemas

A indústria de pagamentos gera uma enorme quantidade de dados que podem ser úteis para sinalizar problemas potenciais – mas apenas se os cobradores tiverem uma maneira de analisar esses dados em tempo real, prever resultados e automatizar respostas. Seu fornecedor de pagamentos deve ser capaz de utilizar inteligência artificial (IA) e aprendizado de máquina (ML) para alcançar esses objetivos, tornando possível detectar e prever de forma confiável e econômica atividades fraudulentas, pagamentos atrasados, retornos de ACH e mais, e iniciar correções proativamente por meio de regras de negócios automatizadas.

O ML e a IA estão interligados no mesmo ecossistema – sistemas de IA são construídos usando ML, bem como outras técnicas. Com o ML, as máquinas aprendem com conjuntos de dados em vez de terem que ser programadas. Elas podem classificar dados, reconhecer padrões e criar modelos preditivos. Programas de IA aproveitam essas capacidades para realizar tarefas complexas, emulando capacidades e ações humanas. Chatbots, assistentes inteligentes como a Amazon Alexa e carros autônomos são todas aplicações de IA.

Um exemplo de um modelo de ML no setor de pagamentos que é projetado para alcançar IA é identificar um padrão de altos chargebacks para um certo grupo de clientes e aplicar automaticamente uma regra de negócio para remover cartões como opção de pagamento uma vez que um cliente inicie seu terceiro chargeback dentro de um período de seis meses. O ML torna essa resposta imediata, específica e automática, eliminando qualquer necessidade de entrada manual ou tomada de decisão.

A IA também pode ajudar a melhorar a experiência do cliente e reduzir despesas operacionais. Por exemplo, um modelo de ML pode estar por trás de tal aplicação de IA para identificar e direcionar clientes com históricos de pagamento confiáveis para opções de pagamento self-service usando IVR, chatbot ou capacidades de mensagens de texto combinadas com links de pagamento personalizados. Ele também pode enviar a esses clientes mensagens especiais de engajamento para incentivar a inscrição em pagamento automático, incluindo links personalizados para facilitar e simplificar esse processo.

Aqueles com um padrão de pagamentos perdidos ou retornos de ACH, por outro lado, podem receber comunicações com opções de como reconciliar. Por exemplo, gostariam de ter seu pagamento perdido dividido em múltiplos pagamentos e adicionado a futuras contas? Encontrariam útil mudar a data de pagamento para coincidir com o dia de pagamento? Ou prefeririam fazer pagamentos semanais em vez de um pagamento mensal? Os clientes poderiam então clicar em links para implementar suas decisões de forma independente, em vez de depender de uma chamada telefônica com um agente. Esse tipo de tomada de decisão automatizada e dirigida por dados leva os clientes à experiência de pagamento mais expedita e adequada para eles enquanto reserva o tempo dos representantes de serviço para os casos que precisam de atenção especial.

Enquanto isso, os dados das decisões desses clientes e seus padrões de pagamento futuros entram no treinamento do modelo de ML para oferecer aos futuros clientes as opções mais propensas a levar a pagamentos pontuais e independentes no futuro.

Como Democratizar Dados em Sua Organização

A democratização dos dados não acontece organicamente ou de forma independente. Primeiro, requer um compromisso por parte do fornecedor do seu pagamento para remover os silos e guardiões que impedem o acesso aos dados de forma completa e expedita para suas partes interessadas. Se seu atual fornecedor de pagamentos não está priorizando isso, pode ser hora de procurar outro.

Seu fornecedor de pagamentos deve, em primeiro lugar, estar desenvolvendo um armazém de dados onde compile e normalize todos os dados de pagamentos. Em seguida, deve entregar os dados no formato mais útil para você. Isso pode significar fornecer dados brutos para sua equipe baixar e analisar internamente, completar a análise para você, visualizar seus dados em conjunto com os dados da indústria ou oferecer dados contextuais de fontes externas.

Uma vez que esses elementos estejam em vigor, a bola está em seu campo para tornar os dados observáveis para todas as partes interessadas em sua organização – mesmo aquelas menos técnicas – para que possam agir e buscar objetivos baseados em fatos, não em sentimentos.

O movimento de democratização dos dados preparou o terreno para que os cobradores acrescentem evidências e contexto à tomada de decisões em toda a organização. Aqueles que aproveitarem essa oportunidade terão a vantagem na otimização de estratégias para aumentar o autoatendimento e criar uma experiência do cliente fluida e satisfatória.

Sobre o Autor

Steve Kramer é Vice-Presidente de Produto na PayNearMe, onde lidera a equipe de desenvolvimento de produtos. Com mais de 25 anos de experiência em pagamentos e produtos, Steve garante que as soluções da PayNearMe liderem o mercado, reduzindo a fricção do consumidor e oferecendo a mais ampla gama de opções e canais de pagamento, tudo isso enquanto se mantém focado na segurança e confiabilidade para garantir que os clientes recebam cada pagamento, sempre.