各行各业的公司正在采用先进的数据分析技术，结合开放金融和人工智能，以增加信贷供应而不提高违约率. 这些创新使得信用评估更加精准和个性化, 帮助消费者有效管理财务并提高信用额度. 根据巴西中央银行的数据, 个人购买商品的贷款发放在截至2024年2月的12个月内增长了18%, 过去五年来的最高涨幅.
风险缓解策略包括信贷组合的多样化和市场细分, 应对日益增长的违约率的基本措施, 达到了72,2024年5月有5400万巴西人, 根据Serasa. 一项来自Locomotiva研究所和MFM科技的调查显示，巴西有8成家庭负债, 信用卡占逾期债务的60%. 专家强调，增加信贷可用性的有效性在于风险分析的复杂性, 通过人工智能工具实现, 帮助自动化信贷决策过程, 欺诈检测, 个性化优惠和正确的客户细分, 允许对违约的更准确预测和对个人资料的监控.
这就是布鲁诺·莫拉所解释的, klavi的商务和市场总监 – 提供基于开放金融和开放数据解决方案的公司. 我们相信有效的风险分析策略应主要基于数据分析文化, 在新的信息来源不断被评估，旧的来源定期被监控, 鉴于公众的行为经常变化, 评估. 专家强调, 然而, 为了进行安全的信用分析，需要获取和分析关于潜在客户的广泛信息, 包括历史, 收入, 当前财务能力, 过去的支付行为和任何可以在统计上证明其相关性的数据.
此外, 他强调必须对所使用的技术进行良好的监测和持续改进, 实施系统以持续监控客户的信用表现, 用于分析和持续重新评估模型的数据, 除了更新技术以保持决策过程的敏捷性不变. 与两个点相关, 也重要使用像AI这样的稳健统计模型进行行为分析.
仅使用传统数据来源（如信用局）并不会改善您对客户的了解, 同时, 不会让你与竞争对手区分开来. 使用其他来源，只要遵循数据保护的规则和法律，对于寻找改进的新机会至关重要, 强调穆拉.
金融教育在减少违约方面的作用
消费者在使用金融资源方面的责任也是整个旅程中一个至关重要的方面. 在这个意义上, 布鲁诺·莫拉解释说，金融教育发挥着重要作用, 是证明的最聪明方式, 如果管理得当, 信贷对个人和企业的成就将至关重要.
使用开放金融数据的人工智能工具对此至关重要，并且能够产生影响, 使人们根据其消费和生活档案获得正确的建议, 减少财务失误的可能性，同时, 向消费者展示如果他们拥有健康的财务生活, 整个生态系统将受益, 解释穆拉.
根据巴西开放金融的数据, 到2023年12月，超过4200万巴西人已经拥有银行和金融机构之间数据共享的有效同意. 此外, 在2023年发布了15个新的API, 总计超过30种产品在生产中使用API, 推动在开放金融第二阶段每周数十亿次调用.
与金融教育相关, 企业的角色是实施信贷政策，以平衡贷款发放与保持低违约率. 主要政策包括：
（1）受众分化：不同的人有不同的行为, 因此, 信贷政策需要针对每个受众进行定制, 产品和服务.
（2）变量的评估与监测：鉴于政策中存在的众多数据变量, 我们需要关注质量随时间的变化, 包括评估是否发生了行为变化以及是否对预期结果产生影响. 一个例子是疫情：新的行为被创造出来，之前预测违约的数据, 需要被新的替代，谁能尽快监控到这一点, 影响较小.
与欺诈领域的合作, 服务与收费信用是一个生态系统，需要所有环节保持一致并团结在一起，以支持一个战略, 如果有什么不正确, 影响将遍及整个链条.
一个公司如何在不增加违约率的情况下显著提高信贷可用性的一个例子是个性化优惠, 正确管理限额并在整个周期内跟踪客户.
想象一下今天在这个国家有多少自由职业者，他们没有相关的信用历史, 但如果收入稳定且有可用信贷，就有可能扩大业务, 投资于可以让您进一步发展的工具和设备? 通过开放金融, 可以给这个人设定一个合适的界限, 提高信贷可用性而不增加违约率, 毕竟你确切知道一个人的财务能力，而不仅仅是他们的信用历史，后者往往是刚刚开始的, 布鲁诺·莫拉解释.
通过这些方法, 企业希望以负责任的方式扩大信贷的获取, 促进可持续增长并保持违约率在可控范围内.
