Open Data para políticas de crédito mais abrangentes e inclusivas

Há décadas o Brasil tem vivido um dilema na área de cessão de crédito em que pessoas de todas as camadas da sociedade, assim como também empresas de todos os portes, têm enfrentado grande dificuldade no acesso a linhas de crédito com taxas de juros aceitáveis. Recente pesquisa da Associação Nacional de Executivos (ANEFAC) demonstrou que de 2021 para 2022 a taxa de juros média para pessoa física apresentou aumento de 28,51% em apenas um ano. Essa dificuldade de acesso ao crédito justo agrava-se conforme aumenta as necessidades trazidas pelos recomeços causados pela crise. Mesmo não endividadas, pessoas de baixa renda ou empresas recentes não possuem um score de crédito suficiente e acabam sendo negadas ou sujeitas ao pagamento de juros abusivos.

Os mecanismos de análise de risco crédito mais utilizados por empresas e instituições financeiras, oferecidos por bureaus de crédito, são baseados prioritariamente na análise do histórico financeiro ou de pagamentos de dívidas do passado. Desde o atraso no pagamento de uma conta de celular até a inadimplência nas parcelas do cartão de crédito. Esses registros somam ou diminuem pontos na contagem de um Score de Crédito tradicional. Pessoas físicas e pequenas empresas que ainda não movimentam capital ou não possuem uma conta bancária, obviamente não possuem registros de pagamentos e por isso contam um Score de Crédito baixo, sendo impedidas de iniciarem sua vida financeira ou viabilizar seu pequeno negócio, independente da austeridade, capacidade de pagamento ou potencial de crescimento.

Segundo estudo da Confederação de Comércio (CNC), de agosto de 2022, mais de 71% dos brasileiros encontram-se endividados e 28,7% das famílias têm as contas básicas atrasadas, com grande destaque para as dívidas no cartão de crédito. Isso evidencia que os mecanismos de análise de risco de crédito tradicionais que as principais empresas e instituições financeiras utilizaram até agora falharam ou não foram abrangentes o suficiente para predizer os bons ou maus clientes. Verificar exclusivamente o passado recente de adimplência ou falta de pagamentos de pessoas e empresas certamente pode evitar prejuízos pontuais, mas não tem se mostrado um meio eficaz nem o suficiente para decidir o potencial bom pagador para escalar a operação de crédito em qualidade de clientela nem sequer evitar altos índices de inadimplência.

O caminho atual das empresas e instituições financeiras é encontrar outros fatores externos que qualifiquem melhor estes tomadores de crédito e, além de seu passado financeiro, entender também seu potencial verdadeiro, sua idoneidade, comportamentos abonadores, avaliação dos consumidores perante o pequeno negócio, vida acadêmica, a carreira, indicadores socioeconômicos do município e do bairro, são alguns exemplos dentre diversos outros fatores que podem ser observados por meio de dados abertos, desde que bem trabalhados.

Outro dado interessante nos mostra a enorme oportunidade em ceder crédito para empresas no Brasil, devido ao número de novas empresas que só cresce e prospera. Um estudo do Sebrae do final de 2022 indicou a abertura de 3,9 milhões de novos empreendimentos formalizados, entre micro e pequenas empresas e MEIs, o que representa o crescimento de quase 20% em relação à 2.020. Mais de 30% dessas empresas abertas são de empreendedores iniciantes, justamente os que mais precisam acessar a linhas de crédito empresariais. No entanto, justamente os esses novos empreendedores tem negadas suas tentativas de acesso a crédito causada pela ausência de dados históricos que traz um baixo Score de Crédito. Esses empreendedores acabam aceitando ofertas de juros proibitivos, que só aumentam o risco de ficarem inadimplentes.

Uma visão mais abrangente do consumidor é necessária e é proporcionada pela tecnologia de uso de Dados Abertos ou “Open Data”, que ajuda as empresas a terem mecanismos de análise de risco de crédito mais efetivos e com isso aumentarem a lucratividade em suas operações de crédito ao acertarem melhor quem são os bons clientes e evitarem os maus, diminuindo significativamente seus níveis e inadimplência. Tendo um mecanismo de análise de risco mais confiável os acordos tornam-se mais previsíveis para as empresas que cedem crédito, e a tendência certa é que os bons pagadores parem ser punidos pelos prejuízos causados pelos maus pagadores e o acesso a linhas de crédito com juros mais vantajosos seja viável economicamente.

Nesse cenário, entram em cena as análises de crédito alternativas, que verificam por meio do open data os dados abertos não sensíveis que possam auxiliar a desvendar todo o Potencial de Pessoas e Empresas perante as centenas de informações coletadas publicamente da internet e índices sociais públicos. Uma “visão da águia” proporcionada por dados alternativos como índices socioeconômicos de cidades e até bairros, informações comportamentais, avaliações da empresa, notícias, carreira, demonstrativos financeiros, processos, resultados de busca, redes sociais, open banking e uma Infinidade de outras informações e indicadores públicos que contribuam para compor um score de crédito social. Trabalhados de forma adequada, a diferença de pontuação no score de crédito do cliente pode ser a diferença para as empresas acertarem seu público.

Esses meios são mais efetivos para análise de crédito de pessoas físicas e jurídicas e tornam as operações de análise de risco de crédito mais escaláveis, e as empresas que adotam antes possuem uma visão mais ampla dos potenciais clientes proporcionada por algoritmos de inteligência artificial alimentados de centenas de dados capazes de enxergar melhor uma Nova Clientela antes que os concorrentes o façam. Os novos consumidores que antes eram negados pelos mecanismos de análise de crédito tradicionais se tornam a nova geração de bons clientes. A detecção do potencial mau pagador também auxilia as empresas a controlarem seus níveis de inadimplência reforçando o Ciclo Virtuoso de atrair bons clientes e evitar os potenciais inadimplentes, ajudando as operações de crédito a tornem-se mais escaláveis em número de clientes atendidos e em receita, além dos tangíveis benefícios para pessoas e empreendedores que passam a ter melhores oportunidade para viabilizarem seus sonhos e objetivos através do crédito.

Além dos ganhos operacionais e financeiros, as análises de crédito mais abrangentes usando dados abertos também são mais inclusivas socialmente impactantes, levando as empresas a causarem um grande efetivo melhoramento Social ao cederem melhores condições e ofertas de crédito para consumidores de baixa renda, desbancarizados, micro empreendedores, MEI, pequenas empresas e outros que demonstram ter bom potencial e mesmo assim eram sub avaliados ou negados pelo sistema de crédito atual. Traz oportunidades para famílias e empreendedores financiarem seus objetivos pessoais, e viabilizarem melhores condições de vida e avanços sociais.

Essa reorganização das políticas de crédito, a flexibilização responsável ao decidir quem tem ou não acesso ao crédito de forma mais justa por meio da tecnologia e dados vai de encontro com o que as empresas mais buscam na atualidade: tornarem-se mais socialmente responsáveis, diminuindo seu impacto ambiental, aprimorando sua relação com as comunidades locais com um compromisso verdadeiro com a erradicação da pobreza. Essas preocupações crescentes têm alavancado a onda ESG com empresas operando de acordo com os objetivos de desenvolvimento sustentável propostos pela organização das Nações Unidas.

As políticas de análise de risco de crédito mais responsáveis e inclusivas são fatores importantíssimos para que os objetivos de desenvolvimento sustentável sejam atingidos, para promovendo o acesso a condições de vida mais dignas e maior chances de crescimento para toda a sociedade.