Artigo: Open Finance e evolução da indústria de dados financeiros

O Open Finance trouxe à tona uma explosão da mente das empresas no que diz respeito à utilização de dados financeiros para o processo de tomada de decisão. Nunca na história se viu tamanha possibilidade de acesso a dados tão ricos como o que se vê agora, empoderando o consumidor e ao mesmo tempo, dando a possibilidade de empresas de diversos segmentos a terem acesso a informações até então conhecidas internamente pelas grandes instituições financeiras.

E falo isso com certa propriedade, afinal sou nascido e criado dentro da indústria de dados, iniciando minha carreira na extinta Equifax no Brasil e passando pelos ciclos de dados negativos e cadastro positivo na Boa Vista e Quod respectivamente.

Durante esse período, vivi a evolução da indústria e o impacto disso no mercado financeiro e posso afirmar: só temos a concorrência de serviços financeiros atual em virtude de toda uma evolução no sistema de dados. Muitos falam que o que revolucionou os modelos estatísticos foi a inclusão de inúmeras metodologias, mas de nada pode se comparar a evolução da utilização de dados que subsidiam a adoção de novas metodologias.

Observando a história, considero que a indústria de dados financeiros tem três grandes fases: Cadastro Negativo, Cadastro Positivo e Open Finance.

Cadastro Negativo

O cadastro negativo foi durante décadas a base do sistema de dados financeiros compartilhados no Brasil, sendo Serasa e SPC as famosas marcas registradoras de débitos no país. O “nome sujo”, como foi popularmente conhecida a negativação, trazia apenas informações de débitos que eram expostos pelos credores no mercado, ou seja, caso o credor não reportasse o débito ou mesmo fosse pago rapidamente após a negativação, nenhuma informação era exposta e o comportamento financeiro da pessoa continuava “limpo”.

>>> Ouça o podcast da Let’s Open

Ao longo do tempo, os birôs de crédito deixaram de vender apenas a informação de débito e nada consta para implementar modelos de score que previam uma possível inadimplência baseada no histórico do consumidor na base de dados. Tal histórico já contemplava variáveis de débitos baixados e volume de consultas de crédito que o consumidor teve ao longo do tempo.

Mesmo assim, caso o consumidor nunca tivesse tido algum débito ou histórico recente de busca por crédito (consultas de credores), o modelo de score não performava ou tinha uma grande faixa de pessoas na “zona cinzenta” – aqueles que não conseguimos identificar como bons e maus pagadores.

Além disso, os modelos de renda presumida são baseados, em sua grande maioria, em informações cadastrais e advindas do Censo (que há 11 anos não é atualizado no país). Bem como, todos sabem que as discrepâncias sociais do país são gigantescas. Ainda mais pós pandemia, onde não é possível garantir que vizinhos, que têm idade e escolaridade similares, tenham a mesma renda.

Cadastro Positivo

Em 2019, com a alteração da Lei do Cadastro Positivo, pensava-se que o acesso a dados de contratos de crédito e de utilities (tal como cartões, empréstimos e gastos com telecom) mudaria o panorama da análise de dados para serviços financeiros como um todo.