Três Formas Como a Democratização de Dados Pode Melhorar o Pagamento de Faturas para Empresas e os Seus Clientes

Diga olá ao zettabyte, 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 zettabyte 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 rápida 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 utilizá-los para orientar decisões empresariais.

As fintechs e seus clientes, como os emissores de faturas, estão especialmente prontos para 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 guardiões de TI – e como o acesso a esses dados pode transformar os pagamentos para emissores de faturas 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 pagamento, em particular, geralmente ficam presos em plataformas de pagamento, das quais as equipes de engenharia dos fornecedores elaboram relatórios padrão trimestrais para seus clientes e criam relatórios personalizados mediante solicitação.

Os dados de pagamento não deveriam ficar restritos a poucos. Existem bilhões de pontos de dados que vivem dentro das plataformas de pagamento. Esses dados representam, essencialmente, a forma como os clientes se comunicam com suas instituições de crédito a cada mês. Quando os emissores de faturas podem acessar e aplicar esses dados de maneiras novas e inovadoras, eles podem ajudar toda a organização a tomar decisões mais 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 faturas podem usar esses insights para aumentar a eficiência operacional e capacitar a tomada de decisões:

1. 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 gera 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 clientes com dados agregados do setor, você pode acompanhar as tendências de pagamento e comportamento do consumidor à medida que se desenrolam em diferentes 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 analisar 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. Pode notar, por exemplo, que um tipo específico de pagamento está ganhando força ou que pagamentos automáticos estão atrasando em um determinado grupo demográfico. Quando você 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.

2. Prever o que está por vir para planejar melhor

Limitar a análise de dados às fontes internas, ou mesmo às do setor, pode deixar lacunas na compreensão. Por isso, muitas empresas estão incorporando dados externos às suas análises; buscam uma visão mais ampla de 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, podem surgir oportunidades de transmitir dados de pagamento para o ecossistema do emissor de faturas. Quando combinados com outros pontos de dados, como scores 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, auxiliando na previsão de padrões de pagamento, no direcionamento de comunicações de engajamento e na automação de regras de negócio que incentivam 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 prejuízos à economia de toda a Flórida, com fechamento de negócios, fuga de residentes e aumento nos gastos com preparação e recuperação da tempestade, deixando as pessoas com menos capacidade de pagar contas.

Quando você tem dados disponíveis para fazer previsões baseadas em fatos, pode preparar seu negócio para os impactos nos pagamentos com antecedência. 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.

3. 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 faturas 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, iniciando 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. Os programas de IA utilizam 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 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 após o cliente registrar seu terceiro estorno em seis meses. O ML torna essa resposta imediata, específica e automática, eliminando a necessidade de intervenção manual.

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 o 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 podem clicar em links para implementar suas decisões de forma independente, sem precisar de uma ligação com um atendente. Esse tipo 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 os futuros padrões de pagamento alimentam o treinamento do modelo de ML para oferecer opções que tenham maior probabilidade de levar a pagamentos pontuais e independentes no futuro.

Como Democratizar os Dados em Sua Organização

A democratização dos dados não acontece de forma orgânica ou isolada. Primeiro, é preciso um compromisso do provedor de pagamentos para eliminar silos e guardiões que impedem o acesso completo e ágil aos dados por todas as partes interessadas. Se seu atual provedor de pagamentos não estiver priorizando isso, talvez seja hora de procurar outro.

Seu provedor de pagamentos deve estar desenvolvendo um data warehouse onde compile e normalize todos os dados de pagamento. Depois, deve fornecer esses dados no formato mais útil para você. Isso pode significar disponibilizar dados brutos para sua equipe baixar e analisar internamente, realizar a análise para 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 esses dados acessíveis a todas as partes interessadas na sua organização – mesmo às menos técnicas – para que possam agir e estabelecer metas baseadas em fatos, não em sentimentos.

O movimento de democratização de dados criou o cenário para que os emissores de faturas possam acrescentar evidências e contexto às decisões em toda a organização. Quem aproveitar essa oportunidade terá 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 com foco em segurança e confiabilidade para garantir que os clientes recebam cada pagamento, sempre.