Três maneiras pelas quais a democratização dos dados pode 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 desde a Terra até Marte. Até a década de 2030, espera-se que o mundo gere um yottabyte de dados por ano.

Para que serve esse vasto oceano de dados, no entanto, a não ser que possam ser acessados, analisados e utilizados de forma expedita para informar decisões atuais e futuras? Essa questão tem impulsionado uma conversa crescente sobre o 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 os lucros. Parte da “democratização” não é apenas ter acesso aos dados, mas permitir que pessoas com diferentes formações técnicas possam usar esses dados para informar decisões empresariais.

Empresas de fintech e seus clientes, como os emissores de contas, estão especialmente propensos a participar do movimento de democratização devido à vasta quantidade de dados de pagamento disponíveis – se esses dados puderem ser acessíveis a todas as partes interessadas na organização de cobrança. Neste artigo, discutiremos as principais barreiras à democratização de dados – silos de dados e os guardiões de TI – e como o acesso a esses dados pode transformar os pagamentos para os emissores de contas e seus clientes.

Silos e o Guardião de TI

Nos últimos 50 anos, os dados têm sido controlados principalmente por técnicos e analistas de TI que possuem conhecimentos e treinamentos especializados. Os dados de pagamentos, em particular, geralmente ficam presos em plataformas de pagamento, das quais as equipes de engenharia dos fornecedores compilam relatórios padrão trimestrais para seus clientes e criam relatórios personalizados mediante solicitação.

Os dados de pagamento não deveriam ficar 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 emissores de contas podem acessar e aplicar esses dados de maneiras novas e inovadoras, eles podem ajudar todos na organização a tomar decisões mais bem informadas e impulsionar melhorias operacionais.

Democratizar os dados abre um tesouro de insights acionáveis que podem ser aplicados de formas novas e inovadoras. Aqui estão três maneiras pelas quais os emissores de contas podem usar esses insights para aumentar a eficiência operacional e capacitar a tomada de decisão:

2.      

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

Ter dados e estatísticas de pagamento à sua disposição 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 provedor de pagamentos permite que você meça e compare seus dados de pagamento e de clientes com dados agregados do setor, você pode acompanhar as tendências de pagamento e comportamento do consumidor à medida que se desenrolam em diversos mercados e locais, prevendo o impacto no seu negócio.

Dados de referência revelam outliers – áreas onde você está visivelmente acima ou abaixo da média – e ajudam a entender para onde o setor está se movendo.

Por exemplo, você pode examinar taxas de pagamentos recusados e estornos e determinar o que pode ser feito para alinhar seus números com a média do setor ou superá-la. Você também pode estudar comunicações de engajamento agregadas, perguntando: “Quais são as taxas típicas de cliques em SMS versus email, e com que rapidez isso leva a um pagamento para o nosso negócio em comparação com o setor como um todo?” Você pode perceber pontos onde poderia alterar regras de negócio ou parâmetros, introduzir novos tipos de pagamento ou mover mensagens de engajamento para outro dia ou horário para impulsionar pagamentos pontuais.

Dados de referência também ajudam a identificar tendências emergentes de pagamento, permitindo que você se adapte rapidamente para resolver problemas ou atender a novas demandas. Você pode notar, por exemplo, que um tipo de pagamento está ganhando força ou que pagamentos automáticos estão atrasando em um determinado grupo demográfico. Quando consegue ver seus dados em detalhes, comparados às médias do setor, pode reagir, adaptar-se, estabelecer KPIs realistas e focar em melhorias de processos que gerem eficiências operacionais reais.

3.      

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

Limitar a análise de dados às fontes internas, ou até mesmo às do setor, pode deixar lacunas na compreensão. Por isso, muitas empresas estão incorporando dados externos às suas análises; elas buscam uma visão mais ampla para entender como o que acontece no “mundo exterior” pode impactar o comportamento de pagamento hoje e no futuro.

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

Dados econômicos de fontes governamentais podem revelar áreas onde o aumento do desemprego ou a queda do PIB podem afetar a saúde financeira de um grande grupo de clientes. Mesmo dados de previsão do tempo podem ser úteis. Por exemplo, o furacão Ian causou estragos na economia de todo o estado da Flórida, com fechamento de negócios, residentes fugindo e consumidores gastando dinheiro na preparação e recuperação 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 nos pagamentos com antecedência. Você também pode trabalhar com seu provedor de pagamentos para automatizar o contato com os pagadores de forma proativa, antes que pagamentos perdidos se tornem um problema maior e mais caro. Pode oferecer soluções como dividir pagamentos, alterar datas de vencimento para coincidir com o dia de pagamento ou enviar lembretes de pagamento com maior frequência.

4.      

### Automatizar a tomada de decisão para combater fraudes e outros problemas

A indústria de pagamentos gera uma quantidade enorme de dados que podem ser úteis para identificar problemas potenciais — mas somente se os emissores de contas tiverem uma maneira de analisar esses dados em tempo real, prever resultados e automatizar respostas. Seu provedor de pagamentos deve ser capaz de usar inteligência artificial (IA) e aprendizado de máquina (ML) para alcançar esses objetivos, tornando possível detectar e prever atividades fraudulentas, pagamentos atrasados, devoluções ACH e mais, de forma confiável e econômica, e iniciar correções de forma proativa por meio de regras de negócio automatizadas.

ML e IA estão integrados no mesmo ecossistema — sistemas de IA são construídos usando ML, além de outras técnicas. Com ML, as máquinas aprendem a partir de conjuntos de dados, sem precisar ser programadas explicitamente. Elas podem classificar dados, reconhecer padrões e criar modelos preditivos. Programas de IA aproveitam essas capacidades para realizar tarefas complexas, imitando habilidades e ações humanas. Chatbots, assistentes inteligentes como Alexa da Amazon e carros autônomos são exemplos de aplicações de IA.

Um exemplo de um modelo de ML no setor de pagamentos que busca alcançar IA é identificar um padrão de altos estornos para um determinado grupo de clientes e aplicar automaticamente uma regra de negócio para remover cartões como opção de pagamento assim que um cliente inicia seu terceiro estorno em um período de seis meses. O ML torna essa resposta imediata, específica e automática, eliminando a necessidade de intervenção manual ou 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 uma aplicação de IA que identifica e direciona clientes com históricos de pagamento confiáveis para opções de pagamento self-service usando IVR, chatbot ou mensagens de texto, combinadas com links de pagamento personalizados. Pode também enviar mensagens de engajamento especiais para incentivar a adesão ao pagamento automático, incluindo links personalizados para facilitar esse processo.

Por outro lado, clientes com padrão de pagamentos perdidos ou devoluções ACH podem receber comunicações com opções de reconciliação. Por exemplo, gostariam de dividir seu pagamento perdido em várias parcelas e adicioná-las às próximas contas? Achariam útil mover a data de pagamento para coincidir com o dia de pagamento? Ou prefeririam fazer pagamentos semanais em vez de um pagamento mensal? Esses clientes poderiam clicar em links para implementar suas decisões de forma independente, sem precisar de uma ligação com um atendente. Esse tipo de tomada de decisão automatizada, orientada por dados, leva o cliente à experiência de pagamento mais rápida e adequada, reservando o tempo dos atendentes para casos que realmente precisam de atenção especial.

Enquanto isso, os dados dessas decisões e dos futuros padrões de pagamento desses clientes alimentam o treinamento do modelo de ML para oferecer opções que tenham maior probabilidade de levar a pagamentos independentes e pontuais no futuro.

Como Democratizar os Dados em Sua Organização

A democratização de dados não acontece de forma orgânica ou isolada. Primeiro, é preciso um compromisso do provedor de seus pagamentos em remover os silos e os guardiões que impedem que os dados cheguem de forma completa e expedita às mãos de seus stakeholders. Se seu provedor atual de pagamentos não estiver priorizando isso, talvez seja hora de procurar outro.

Seu provedor de pagamentos deve estar desenvolvendo primeiro um data warehouse onde compile e normalize todos os dados de pagamento. Depois, deve entregar esses dados no formato mais útil para você. Isso pode significar fornecer dados brutos para sua equipe baixar e analisar internamente, realizar a análise por você, visualizar seus dados em conjunto com dados do setor ou oferecer dados contextuais de fontes externas.

Uma vez que esses elementos estejam implementados, cabe a você tornar os dados visíveis a todos os stakeholders da sua organização — mesmo aos menos técnicos — para que possam agir e perseguir metas com base em fatos, não em sentimentos.

O movimento de democratização de dados criou o cenário para que os emissores de contas possam acrescentar evidências e contexto às decisões em toda a organização. Aqueles que aproveitarem essa oportunidade terão vantagem na otimização de estratégias para aumentar o autoatendimento e criar uma experiência do cliente sem atritos 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 ao reduzir o atrito do consumidor e oferecer a maior variedade de opções e canais de pagamento, sempre focando em segurança e confiabilidade para garantir que os clientes recebam cada pagamento, sempre.