Vídeo
Avatar Eric Barreto

Data science e analytics com Luanna Shirozono - Fintechs e Inovação

Eric Barreto entrevista Luana Vargas Shirozono, especialista em matemática e ciência da computação, sobre sua trajetória e as inovações tecnológicas no setor financeiro, destacando a importância dos dados e da modelagem para a evolução das fintechs.

Registros selecionados

Transcrição

Olá, eu sou Eric Barreto, sou professor do Insper e host do podcast fintechs e inovação. Vou conversar com a Luana Vargas shirozono, que é graduada em matemática e ciência da computação pela USP, mestre pela federal de São Carlos e tem uma experiência enorme em instituições financeiras. Modelagem de de dados analytics. Eu vou pedir para você mesmo Luana se apresentar melhor do que eu fiz. E fala um pouquinho da sua experiência pra gente. Prazer, Eric. Obrigada pelo convite. É bom, só só arrumando uma coisinha. Aí eu sou formado em matemática, a minha primeira formação é no instituto de matemática e computação, estatística e computação. Então, eu não sou formada em computação, mas eu tenho muita formação de computação. Na verdade muita, né? Na verdade, a minha experiência praticamente muito forte em computação. E o ime é assim desde a época. Faz tempo, né? Estou falando aí de 2001. Ah, então já temos uns bons aninhos. Mas é, é. Foi. É uma formação muito forte desse background de exatas, EE em geral, né, de computacional, EE pura e tudo mais. E a licenciatura também de dar aulas, tudo. Então assim é, não tem problema aqui, falou que eu tenho de computação só para não dizer que Ah não. Ela falou que ela é formada em computação e aí depois também fiz mestrado em em economia, enfim, trabalhei desde cedo em vários lugares, muito com computação muito tempo. Inclusive estágios, os meus meus não eram mentores, eram os orientadores lá no imi da computação também. O Brasil tem muito conhecimento disso, né? Assim, é verdade, está. A gente pode ter problemas educacionais, mas o ensino aqui não é homogéneo, mas onde tem é de qualidade. Eu vi coisas fora de universidades, tops e às vezes até às vezes é meio frustrante. Você fala, puxa, sonhava tanto, tá vendo como a gente não pode ter o espírito de vira-lata, tá? A gente vê muito isso no quando a gente. Pelo Insper estuda outras universidades. A gente vê e fala, poxa, OA lá em cima A gente está muito bem, né? Não é? O não é onde está o nosso problema, né? Nosso problema está mais no não a base não. Para você ter uma ideia até muito tempo atrás. Não tinha estatística nos lugares. Eles estudavam como parte dos cursos hum-hum, mesmo assim, faz pouco tempo, são OMIT tem o centro de um beira center lá que eu até fui visitar recentemente e é lindo. Eu já assim, AMIT é super referência, obviamente, mas eu digo, tinha coisas na Espanha, tinha coisas na Europa, mas o Brasil era um dos primeiros a ter um curso de estatística. Que a gente sabe que é 11, base importantíssima para um para dados, né? Que dei a Science, que a gente fala hoje, né? Muito além da computação, obviamente. Mas enfim, e aí depois, na Visa, é 1 ano e meio no Brasil e aí 6 em Miami olhou na América Latina, então assim, o lado legal da Visa é que o que eu conseguia olhar diversas indústrias. Com deep drive de projetos com todo esse contexto que eu te falei mais consultivo e tudo mais, mas que também conseguia até por a mão na massa, lá eu conseguia até ter uma patente que eu acho que acaba sendo um. Temático que vale comentar aqui já do que você falou de repente, de de inovação e tudo mais, porque realmente? São coisas que às vezes estão deixando passar e que se você tem esse olhar de olho, de, de pegar e falar assim, putos, vou. Vou trabalhar em estudar esse aqui deixa, eu vou fazer isso daqui alguém e às vezes você vai fazer, porque se falar ninguém quer resolver. É engraçado isso, né? Às vezes, a inovação vem disso, né? A gente fala super, ninguém quer resolver, mas porque que ninguém quer resolver? Se eu resolvo essa dor, vai ser um puta negócio, então eu vou. Eu acho que eu vou, eu vou tentar. Então assim, eu acho que esse. É essa, não vou eu. Eu vou usar aqui ser um pouco forte, mas assim essa ignorância de não saber os desafios às vezes, né? Eu até já era assim, mas eu acho que é ter esse espírito de é, às vezes tudo bem, você vai bater, vai quebrar a cara, mas você coragem né? Ter coragem para atacar às vezes faz uma diferença, não é só conhecimento, conhecimento é bem importante, mas não é só isso, né? E não saber, não saber que não são coisas sozinhas também. Isso é bem importante. Tá assim, num numa dinâmica mais institucional. Para as coisas acontecerem ainda mais hoje em dia, é muito difícil fazer as coisas sozinhas. Você tem que buscar os aliados. Você tem que ter muita humildade de aprender com coleguinha, né? Então, assim, muito bacana. E aí agora, aqui, no trabalho no will, que é uma fintech brasileira que roubou totalmente o meu coração, minha cabeça e tudo mais por todo o propósito, que enfim, inspiracional que eu vejo lá tanto nos líderes lá et cetera. Mas principalmente por. Eu sempre fui cética até em relação a fintechs, acho que até cheguei a comentar com você. Porque assim era um deslumbramento muito grande, e aí tinha também fatores, às vezes até macro. Não é que a gente sabe de juros baixos e tudo mais que a gente sabe que influencia muito, falou assim. Ah, então se eu vou pôr o dinheiro aqui, o dinheiro não vai render. Então vou colocar num negócio que, mesmo se não der nada que se der, pode ser que dê um múltiplo gigante. Então, pegou um período diferenciado. Eu acho muito a fintech, mas que não necessariamente tem tutano de verdade. Conteúdo tem muita gente que tem conhecimento que você fala busword. Aquilo já fala, não, mas isso faz uns faz artificial intelligence. Ah, né? Então você tem 11, negócio meio. Místico e que o que brilhou meus olhos é ver que poderia ter todas essas coisas, mais elementos inovativos, propósito e seriedade então, se você olhar a área de risco dos lugares, é bem importante ver onde elas as pessoas passaram conhecimento de crédito. Os bancos tradicionais devem fazer muito bem algumas coisas básicas. Aí há muitos anos. Então assim, num momento de crise é o quê? Tem crise, tem muita coisa bem tradicional, fazendo muito bem, não é só olhar para o cantinho ali, achando que só na inovação, então. Eu acho que essas coisas são bem importantes e é o que me faz também ter toda essa mudança aqui. Legal, eu vou pegar um gancho No No que você falou sobre fintechs, né? E o próprio termo fintech ele é. Ele é um termo modístico, né? Eu, eu. Quando eu criei a disciplina na graduação do Insper, chamada fitex e inovação em serviços financeiros, eu já pensei nisso. Quando eu fiz o programa que eu pensei falei, poxa, esse programa aqui, ele não é um programa pra fintechs, ele é um programa pra inovação em serviços financeiros. Mas o fintechs é aquele termozinho que é pra chamar atenção. Ele é marqueteiro, né? Sim, EE uma das coisas que eu costumo falar na primeira aula que os alunos perguntam, Ah, mas o que que é fintech, né? Qual que é o? Conceito de fintech, eu gosto de um, de um conceito do do Financial estability board fala mais ou menos que é fintech, é um tipo de inovação em serviços financeiros. Então não fala que é um tipo de empresa, um tipo de entidade, né? Mas inovação em serviços financeiros proporcionado por tecnologia e que aí essa inovação proporcionada por tecnologia ela deve resultar em modelos de negócios em. Aplicações, produtos, processos que tenham algum efeito relevante sobre a oferta de produtos financeiros. Ah, pô, então aí eu posso dizer, Ah, OU ele é uma fintech? Ele nasceu fintech, mas o PayPal. Veio lá dos anos 90. Ele também é uma fintech, né? Ele ainda é é considerado uma fintech EE ele nasceu antes da palavrinha, né? Ele nasceu nos anos 90, quando o termo fintech não era 11. Modismo ainda e eu até acredito aí usando esse conceito aqui. Eu até acredito que a gente. A gente pode ter fintechs dentro da da Magazine Heloísa dentro do Itaú, dentro do Bradesco, né? Que é isso? Inovação e serviços financeiros proporcionada por tecnologia, né? E aí, falando dessas principais transformações é que o crio que criou esse modismo. Aí o termozinho fintech tem muita coisa, você sabe bem mais do que eu, mas eu vejo 2 entre as principais, uma é o mobile pá. As pessoas têm Na Na Palma da mão e onde elas estiverem, elas conseguem acessar serviços de pagamento, serviços financeiros, né? Não só de pagamentos, mas. Ela consegue tomar um crédito, ela consegue fazer um pagamento. Né? Então acho que isso é uma das das grandes transformações e a outra, a quantidade de informações disponíveis. E a gente foi criando aí, né? Desde a primeira onda da internet. Aí depois a segunda, com as pessoas colocando dados ali. Informações No No nas redes sociais, né eu? Você falasse um pouquinho, como é que você vê essas inovações na no, no? No mundo de serviços financeiros, quais são as principais inovações que você enxerga no mundo fintech no mundo financeiro? Ah, super legal, os seus pontos, eu. Eu concordo com você assim ou com esse texto que você trouxe aí para gente, eu acho que a inovação precisa ter Salto de desenvolvimento para ser primeiro ter uma classificação, porque tem muita gente que coloca, e aí é a opinião, não é não, não tem errado, certo aqui. Mas é que eu acho que tem evoluções, que são super fundamentais, mas com efeitos marginais e que eu não coloco como sendo inovação e não quer dizer que evoluções não sejam importantes. Nós precisamos estar é sempre em evolução assim, daí em várias dimensões, é o ponto de de além. Além disso, que até você comentou do mobile, é interessante porque o que é que eu acho? Recentemente, muitas das inovações, muitas mesmo em geral, elas vêm de uma forma digital. Como é que eu classifico digital digital? Juntando partes? Então, quando eu falo partes, pode ser oferta e demanda, então o mobile, ele, ele. Ele é um pedacinho aí que conecta isso. Tá de você conseguir. E a oferta e demanda seja porque eu tenho aqui um, eu precisava de um táxi e agora eu não tenho EE agora eu tenho na minha mão e eu juntei partes de oferta e demanda, então é um link económico que às vezes as pessoas não associam diretamente ou é um juntar partes no sentido de comunidade, né? Pode ver, e aí é, e então juntar partes com uma escalabilidade, então você tem que ter uma escalabilidade. Você tem em geral um algoritmo. Ou um novo material, ou seja, uma tecnologia. Você tem uma tecnologia ali, pode ser via um algoritmo, um modelo estatístico ou computacional, né? Pode ser também um novo material químico, dependendo ATV, que também é digital, et cetera. E também está conseguindo fazer isso. Mas AA. E customizações, né? Que que você consegue ter EE dar essa, essa coisa meio única para a inovação, então, em geral, ela vem desse jeito. Mas a inovação não precisa ser só. Digital, mas é o mais comum hoje em dia, tá? E faz muito sentido agora tem outras. Eu acho que outra coisa que é interessante, assim como eu acho que a gente tem que afastar um pouco a evolução da inovação. Eu não sei, eu não sou tão teórica, tá assim? Mega professora, então estou colocando muito opinião aqui, tá? Tem nada de errado assim pode estar errado, é a outra coisa que eu acho que é interessante, é a gente separar. Esse. Essa inovação, por exemplo, que eu estava te falando do digital. Mas tem coisas que às vezes também é uma inovação e muitas vezes ela é inovação, sabe? Porque na minha reflexão, porque ela revisa premissas. Assim, vou dar um exemplo bem emblemático e que não tem nada a ver com digital, mas que para que é, foi super inovador. Quando você pergunta para as pessoas assim, o que que é? OA moeda, né? O dinheiro. Aí as pessoas lembram sempre de 2 coisas, elas não lembram de 3. Essa terceira ela é super importante. Por exemplo, as pessoas falam, Ah, é um meio de de troca. É uma forma de de ter Riqueza. Então essas 2 coisas ela sempre lembra e elas esquecem que ela é uma unidade de medida. Elas esquecem do um, da da comparação da da equação. É uma unidade de medida e isso, por exemplo, foi uma chave fundamental, por exemplo, no plano real. Não estou dizendo que foi o único. Obviamente, economistas, não me matemática é, mas foi fundamental. Por exemplo, lá, Gustavo Franco e companhia também não vou atribuir só o Gustavo Franco. Se não me matam aqui Na Na. Mas assim, foi genial você ter um RV. Psicologicamente, as pessoas olharem, eu lembro de pequenininha, tá? E lá é o na cartolina do RVE, saber o quanto que aquilo lá eu sabia o real valor, porque aquilo estava numa escala tão grande da inflação. Uhum que falou assim, como assim? Eu tinha isso daqui? Eu comprava, mas eu não compro mais. Então todo dia lá eu comprava aquilo, aumentou, mas eu olhava quanto que aquilo estava valendo e aí eu começava a ganhar uma referência de URV. Parece bobeira, mas eu isso eu considero também uma inovação, sim. Super. Né? E assim tem diversas coisas que acontecem, às vezes, numa companhia que pode mudar. Então assim, nesse caso, estou pegando uma coisa cultural, tá? Para não parecer que eu estou fortalecendo só o lado dados aqui, mas assim, se você olhar para a maioria das inovações hoje em dia, ela sim é pautada em questões tecnológicas, algoritmico e tudo mais de revisão de premissas. Mas eu acho que, mais do que isso, é de você olhar isso como as premissa, como uma hipótese, como um axioma. Ou como 11 algoritmo, mesmo um teorema, parece-me um matemático que eu estou falando, mas ajuda muito. A você realmente ter esse espírito inovador. Assim, se se, se quiser ter uma, não tem receita, mas se quiser ter uma receita assim, não existe pergunta boba. Volta lá, porque às vezes uma pessoa que nem tem conhecimento do negócio faz umas perguntas básicas e consegue ter uns insights porque está todo mundo no status quo. Ah, não é assim, sempre foi assim. Ah, não, mas é sempre acontece isso. Não sempre acontece isso. Estão olhando para um período de pandemia. Como assim sempre acontece isso? E mesmo se fosse, pode ser que seja um momento diferente. Teve tantas inovações recentemente, não é porque sempre foi assim que não vai cair lá ou Ah, vai ser sempre. O dólar sempre foi assim, não assim. Abra a cabeça. Ah, é uma hipótese fraca. É, é óbvio, mas pode acontecer. Então você tem que abrir AA cabeça, né? Eu acho que a inovação você tem que ter isso, abrir a cabeça, sim, e aí vem um Monte de coisas assim, tipo de teorias, para não dizer que eu não sou também só de teorias. Eu gostava muito do schumpeter nesse aspecto de inovação, ele falava muito dos saltos, ele falava também de coeficiente de imitação, mas aí eu acho que entra um pouquinho em outros outras caselas ali de você falar de. Patente trade secrets tal não necessariamente só inovação. Mas bem legal, bem legal, eu acho os seus pontos, porque conversa muito do que Eu Acredito também. Eu. Eu queria te fazer uma pergunta, é? Primeiro sobre OOO conceito de big data. Big data é simplesmente qualquer base de dados enorme. Eu posso chamar de big data ou tem algum alguma limitação entre o que a gente chama e não chama de big data? E aí eu queria que você já emendasse falando que tipo de Fontes normalmente são consideradas quando você monta um big data para uma fintech, vamos dizer uma fintech de crédito ou uma fintech de pagamento. Não é só uma questão de quantidade de dados e capacidade de processamento. Quando a gente fala big day, a gente está falando de comida. Da totologia ali dos dados das diversas Fontes, né? Internas externas, GPIS de coisas que não existiam antes, por exemplo, eu trabalhei ainda não existia tanto, não era tanto o big data. Eu já trabalhava com Science na época com big deiras, não brigadeiro com passes grandes gigantescas. Então, por exemplo, instituições muito de ponta, tipo os bancos no Brasil. OFMI as farmacêuticas, elas já usavam ferramentas que eram excelentes. Tá tipo sars, não sei se você já ouviu falar, né? E que e que, óbvio com o pai, então com todo o open source, de alguma forma ele perdeu bastante espaço no mundo. Mas assim. Em termos de algoritmo, pesquisa, olha a história do jingle Night é incrível, tá? E aí ele investia muito em pesquisa, então assim era. É impressionante. As pessoas não queriam sair de lá por isso, assim porque vê o valor do de disso daqui, então é você vê o curva de crescimento. Arena incrível hoje é outro cenário, né? Assim da da, da sars, nem sei como é como eles estão, mas assim perdeu muito porque tem muito open source, talvez esse lado é mesmo conectando com o pai e tal e tudo mais. Perda muito espaço, né? Com com com um ambiente muito mais de big data e mesmo mas só para ilustrar, aqui, para você a sua pergunta do do big data é, e aí Na Na? No segundo ponto, que você perguntou das Fontes consideradas por um. Uma fintech de crédito ou pagamentos? Na verdade, eu gostei que você colocou de crédito ou pagamentos, mas não precisa ser só de crédito a pagamentos. Você tem que pensar no cliente, então pode pensar até fora, tá? Então assim, o céu é limite em alguns aspectos, mas a sua pergunta é boa, porque em crédito você tem certas limitações em que sentido? Se estou falando de 1 a i num ciec né, que é lá a partir customer experience que é de entrada ou uma parte mais de marketing é uma coisa. Se eu estou pensando no crédito é outra, porque a gente tem uma série de coisas, de de, de regulação, de Bacen, etcétera, que a gente não pode ter essas informações. A gente precisa ter muito mais aberto essas informações, tá? Então por isso que a pergunta é, é, é bem interessante do jeito que você coloca, mas por uma fintech o seu limite tá, então. Falando especificamente. Em crédito e pagamentos em geral, que é muito comum os birôs tradicionais, obviamente, mas nisso, acho que os bancos tradicionais, às vezes até têm uma vantagem nos birôs tradicionais, e aí, tradicionais. Não me entenda mal. Tem muita inovação nesses birôs tradicionais. Tá assim? O que eu quero dizer é que eles são de de tempos ou por exemplo, até os customizados que que também você constrói com eles, que são bem interessantes. Então muitos desses dos tradicionais eles têm às vezes um full service alinhado, então ele tem bastante coisa disso. Mas não é só isso. Eu acho que um dia os os. As fintechs, elas inovam. É principalmente quando a gente trabalha com dados secundários de bancos, centrais, de censos, de PAIS que ninguém está capturando bem, que hoje não. Você quer saber de tudo sobre finance, vai lá, não vai ter aí do Yahoo finance, pergunta. Ela precisa, não precisa. Já pegaram isso, gente. Assim, é incrível. Você deve saber. Então assim é. Fraude. Talvez tenha outros pedacinhos ali, coisas que sejam mais importantes também na fraude, então não só de live que você pode ter algumas questões de birô, mas SD, KS. Não sei se você já viram SDKs, é um pouco mais completo do que API, não é? Ela vem com umas documentações. Tem coisas com com com mais tipo um kit que também vem pais, mas que vem, por exemplo, se instalam no SDK no seu, no seu celular e você tem ali, dado o consentimento e tudo mais. Você tem mais comportamentos daquele device. Então isso tudo é é bem importante, por exemplo, para a fraude. É bem importante para diversas coisas que têm essa possibilidade, né? Dentro disso, então, assim, é infinito. Dá para ficar aqui falando, ó infinito. Dentro disso, e é. E é primordial, tá? Depois te dou mais detalhes, mas assim é. Não adianta só. Modelagens incríveis se você não tem bons dados, então isso eu já falava. Então, mesmo nos bureaus tradicionais, tem muito modelo que pode estar ruim, porquê ou não, não tão otimizado porque tem combinações que que se que a galera, por exemplo, que já trabalhou com isso há muito tempo, sabe que que sabe fazer todas as bivariadas, né? Combinações e tudo mais para procurar ou então pegar um relativo daquilo ali. Dá muita diferença no modelo. No modelo, no de site e tudo mais, dá muita diferença. Assim, não é só metodologia que você vai usar o algoritmo, não. Eu fiquei com uma. É 11 dúvida filosófica é, mas mas sim, não, não, não é nem pra gente tirar agora só te te falar que é você, falou do lá No No no passado, né? Você já tinha uma empresa como a SAS trabalhando com esse tipo de de dados, com uma ferramenta que cria, tem, tem já motores estatísticos, né? E por mais que tenha hoje outras alternativas, né? Plataforma abertas de desenvolvimento em em Python né? Que tem algumas bibliotecas ali? Pessoal tem usado bastante instituições financeiras, principalmente. Principalmente nos bancos menores, tem usado bastante. UR também, né? Ah, sim, eu usei UR na faculdade faz muito tempo, já na faculdade você já usou OR sim, poxa, a fé. Eu estava mais atrasada, então que eu fui ver OR no doutorado e ainda assim é. Não, mas. Mas o que que é legal OR evoluiu pra caramba da mãe? Ele já era aberto por isso. Que que o init já trabalhava com r lá é eu. Eu lembro dele ser aberto, mas assim é, os professores da fé. Não acho que não. Não conheciam tanto, né? Então usavam muito pouco, a gente usava estátua, SPSS views, né essas, essas sim, a questão filosófica que eu estava falando é, eu tenho a impressão que. A abrangência dessas ferramentas, o uso das ferramentas aumentou também. Né? Mesmo na área de crédito. O crédito, ele. Ele era feito de uma forma muito mais artesanal em alguns aspectos, mais é qualitativa, né? EE hoje se usa muito mais ferramenta de analytics, né? Até agora, pra pra minha área, pra contabilidade, a gente tá implantando uma norma nova No No, no âmbito do banco central também, né? E aí todas as instituições estão buscando essas ferramentas, então as grandes têm como colocar um SAS, as outras vão se virar aí com com essas plataformas, sabe o que é legal, isso? Isso que você falou, faz todo o sentido. É, mas também é mais abrangente, né? Assim, então, além de tudo o que eu estava falando, da topologia das das bases externas para ser um big data, essa abrangência, ela se dá por diversos fatos. Por exemplo, um r estúdio em algumas coisas de visualização, ela pode pode ser melhor em coisas web, talvez o Python seja melhor e em algumas coisas de algoritmos OSAS também ainda era muito, muito, muito bom. É que o pessoal não usa tanto porque tinha a questão do preço, né? E não sei aberta, então não usa nas universidades, querendo ou não, é. É um bom começo, mas se usa na universidade, depois. Mas assim, teve períodos críticos de empresas e não vou citar nomes que não foi nenhuma que eu passei, mas assim que tentou se reestruturar e falou assim, não vamos mais usar sarro, tá? Se não dado o período, talvez agora não mais. Mas aí. E aí essa pessoa, sei lá, atendia todos os essa pessoa. Essa pessoa jurídica atendia, sei lá, diversos bancos, et cetera. O cara teve que voltar tudo atrás, porque se todos os tudo IA ter que fazer essas transferências pro RAIT todos os códigos e todos esses depários, ainda não tinha todo um ante um guitar HB, você assim né? Para também conseguir algumas coisas mais. O primeiro empurrão às vezes, né? De de ter isso mais rapidamente, então o nosso teve que voltar atrás, então isto que você falou das ferramentas também é bem mais abrangente. Hoje. EEA gente entende que. Não existe uma única correta, depende para o que você quer fazer assim. Eu vou aproveitar que você falou um pouquinho de de crédito. EE crédito tem essa questão, né? Até regulatória, que o seu modelo de crédito, ele, ele precisa ter transparência. Você não pode negar crédito por. Questões discriminatórias então, o seu modelo, ele precisa ter transparência, o que que existe de mais recente? Como é que a tecnologia pode melhorar a qualidade do crédito? Sim. Olha, assim tem, tem várias coisas, né? Assim, zilhões de coisas, além de dos algoritmos e tudo mais, né? Mas é. Uma das coisas é que eu acho que ainda é muito pouco explorada por sim. Eu consegui ter às vezes visões de diversas empresas, né? Em alguns aspectos e são essa questão dos dados alternativos, tá? Então eu sei que você perguntou, tecnologia, mas eu vou bater nisso porque, principalmente, o pessoal de dados e tudo mais, assim explorar Fontes secundárias assim, gente, tudo é dado. O que é que é dado, Hum? Porque por que que. Por que que eu pergunto isso? Porque assim as pessoas vão muito só para a tecnologia, né? E também, é óbvio, né? É às vezes você já já dou um exemplo, lá em ciências, no crédito também, mas OOO dado ele, é assim que você me fala também é um dado, a sua percepção é um dado, é uma ação de marketing, ele é um dado, é o que OIBGE divulga, é um dado, mas às vezes as pessoas vão linkar já o do IBGE, porque estão numa tabela. Tem coisas em torno que você tem que tabelar, então por que que eu falo isso? Porque muitos da muito da inovação que eu consegui fazer, por exemplo, que eu te comentei lá da patente do trade secrets que eu tinha lá na Visa. Muito é essa capacidade de você combinar esses modelos estatísticos com um lado benziano que é que eu quero dizer com base ano, não quero ficar difícil para o público, não o técnico aqui, mas tenta, tem 2 coisas ali, um pouco de expectativa Futura, por exemplo, de inflação. É um modelo que o Bacen usa, que se chama samba, que até inspirador está faz tempo faz tempo, quando quando eu vi que eu falei, puxa, que legal, porquê? Porque traz expectativas futuras, mas não é só isso. Que que eu consigo do julgamental que eu não consigo ter andado? Imagina o seguinte, Ah, vem uma crise, vem 11 pandemia e o futuro? Esqueça os modelos de machine em todo o aprendizado. Não vai ser igual agora para esse ano, que é que a gente vai fazer? Porque foi isso que a gente viveu. Então, assim, se você tem esses modelos que combinam coisas, então Oo conhecimento das pessoas Oo ser humano ainda é difícil de substituir, né? Então, usar a cabeça ali do do cara de finanças, então eu consigo traduzir ou eu consigo imaginar o que é que vai acontecer e aí trazer esses julgamentais eu consigo dar um teor mais científico para isso, montar uma matriz de pryors, dar um pesinho. Entendeu? Que como é que isso depois tem OOA priori? Depois tem o posterior. Deixar um pouco mais científico esse julgamental, mas não fazer um negócio que achando que é só o que está no passado, sendo que nós sermos desumanos, conseguimos capturar coisas que não têm dado em tabela. Uhum. Como é que a gente faz isso? Então eu acho que essa tecnologia ela é a mais importante que a gente precisa trabalhar em diversos aspectos, inclusive no crédito, porque não precisa ser nada maquiado. Assim não, não, não é que eu digo que que não, não dá transparência, mas eu acho que é. São coisas importantes de você conseguir colocar ali, tá? Para para a decisão. Legal, é? EE tem um outro ponto que eu acho que é legal também, por exemplo. Tem muita coisa que a gente consegue, via que também eu chamo de dados alternativos, mas que ajuda, mas tem um caminho ali de ser mais plurg and play que é. Eu consigo às vezes ter uma pesquisa, entender mais uma realidade. EE tá bom, eu tenho essa realidade aqui. Como é que extrapola essa realidade? Para os dados, para uma base inteira? Isso também é um grande diferencial, tá? Em geral de tecnologias porque e que? E que nem todo mundo está, não é muito fácil de fazer, mas que é bem legal, não é? Não é exatamente um local like, mas em alguns casos pode até ser. Tá que o pessoal chama de local likes, né? Que assim entendia um comportamento dentro de um dessa amostra e funciona assim, conseguir fazer uma pesquisa mais ali. Punch Quality, entendendo os pormenores de quem que é esse consumidor. Uma vez que eu sei ser consumidor, eu tiro características que quando eu vou extrapolar, isso que eu tento extrapolar, eu vou encontrar isso na minha, no, no meu lado, mais quantitativo lá e aí criar alguma coisa que pode ser um dado proprietário que ninguém tem. Porque essa é a mágica, né? Da ciência ou da tecnologia, você criar coisas que não adianta só ter o dado dado é importante, pelo amor de Deus, é o que eu estou. Eu estou super aqui defendendo, mas o diferencial hoje, dado que todo o tem um big data do mundo. O que vai diferenciar é o como eu vou fazer isso, né? Legal, e. A gente tem é é utilização de dados numa instituição financeira. Hoje, utilização de dados. Em toda a instituição praticamente, né? Do front até Oo backoffice. Eu queria que você falasse um pouquinho, eu eu vou juntar 2 aqui só para fazer a pergunta mais rápido, e aí você escolhe aí, como que você vai dar uma pincelada na nas 2, tá? Então, primeiro eu queria que você falasse um pouquinho de aplicação. De de data Science em marketing e vendas. E em detecção de fraudes. Tchau. Olha em marketing também, assim é o céu é limite, é. Duro, mas é, né? Assim, e aí eu pegaria, principalmente ali, para você falar na no experience lá, tanto do cx quanto de um cx m para você combinar características dessas pessoas? Cx m é o é o de relacionamento de marketing? Então é OCRM antigamente, né? Que é onde você contacta esse cliente, a comunicação mesmo, né? Legal é, ou aquela OCX que é que antigamente a gente chamava de call center? Tá? Então, aqui é é que hoje em dia não é só isso, porque na call é e-mail é o é o é é pelo mobile. Então assim, esses nominhos mudaram um pouquinho, mas é, mas é importante. E aí você tem um mundo, né? Porque uma coisa que eu vou destacar bastante aqui é AI coisas relacionadas ao às tecnologias lá que o pessoal fala muito de Bert também, né? Que? Que envolve uma linguagem menos técnica assim. Muito de texto de de textu Mining, né? De NLP de você trabalhar melhor. Esse entendimento do do do que. O cara tá falando, cria ações português tem muitos desafios, tá? Mas tem muita coisa que pode ser feito e que que é muito melhorado aqui, nesse, nesse sentido, no marketing EICRM há é assim, tem, tem cases muito interessantes, assim tem um que eu adoro, não sei se vocês já viram, mas eu recomendo que até acho que ganhou o prémio. É, mas que eu acho que é bem bacaninha também é. E assim são sutis, às vezes nem dados ou Science EE que dá muita diferença, que é um do Burger King. Se eu não me engano, no na Cidade do México. E aí eles conseguiam ter você pedir. Você estava no trânsito tipo São Paulo? A hoje em dia está melhor, né? Com a pandemia, não sei o quão melhor, mas teve épocas bem mais caóticas até, né? Não que não seja agora, mas acho que antes até era pior e aí lá também na Cidade do México. Então você está no trânsito, você pode pedir OOOO, lanche e o e o motoqueiro traz no seu carro, loucura é super legal, propaganda e assim foi um dos um dos. Eu não sei se é o mais porque teve tanta coisa a ler depois eu não o acompanhou, obviamente. Mas assim foi uma das que mais baixa o aplicativo. Uma das ações que mais baixou o aplicativo no mundo então. Assim, e IA usando dados essa questão da geolocalização e algumas técnicas ali que eu desconfio também. Então, né, vamos dizer, né, vamos tentarem me fazer coisas assim também. Mas assim é, é isso, assim, o céu limite em fraude. Nossa aqui também. É um Combinado combo de coisas assim muito de lifness, né? Na Na entrada, que é bem importante. Tem muito problema, às vezes. Foto da foto ainda e está sem o negócio? Não, não consegue capturar fi. Tem bastante coisa que tem, tem. Players especializados em diversos pedacinhos, mas a parte de modelagem discote ainda não tem coisas comportamentais que. Que ainda a gente não pode abrir mão de jeito nenhum nesse em paralelo porque? Tem coisas que a gente o ser humano não consegue capturar em diversas dimensões. É super delicado contar isso para não dar mais margem para fraudador, né? A gente não pode, a gente tem que contar. Sem contar muito segredo, mas assim tirar realmente entendimento desses comportamentos. Em paralelo com as ferramentas nesse sentido de de de live nesses de de detecção e tudo mais, é. E o que eu estava te falando lá das do não, só de técnicas, mas. Juntar realmente o conhecimento. Para para ter esses insights e as combinações dessas variáveis não são um detalhe assim, além dos testes and learning que você tem que ter. Aqui tem muito teste. Eu acho que é muito pouco estatístico e que deveria ser muito mais estatístico em vários lugares assim, vários lugares. Porque você acha que deu errado e não, você não entende o que a amostra era pequena, não era o suficiente, ou. É fraude, tem isso. Não é porque às vezes você está em em em. Por exemplo, quando a gente analisa, a gente analisa mais o os percentos e 5 que a gente fala que é nos 5% piores do que como no crédito que a gente monta KS comparativos lá, que é tipo um, como a distribuição no geral, a gente olha pro para as pontas, os outliers, vamos dizer assim, tá, você está com uma amostras pequenas, então exige uma habilidade não só computacional, mas de metodologia e estatística diferenciada. Aqui, tá? Legal, eu vou fazer a última pergunta já te agradecendo imensamente por conversar com a gente aqui, essa. Última pergunta, eu vou puxar pra minha área de de formação, que é contabilidade, Controladoria, que são áreas. Geradoras de informação, né? São áreas que preparam informações, seja para usuários externos, mas também para usuários internos, né? AA Controladoria. Eu queria saber que tipo de informação, que tipo de de serviço você acredita que uma área de analytics pode é contribuir e trabalhar em parceria com essas áreas de contabilidade? Controladoria? Ótimo, não gostei. Já puxou sardinha aí. Eu acho que a primeira coisa antes até da de, de dizer o que que pode ajudar. Na Controladoria, eu vou falar o contrário, eu vou instigar. O pessoal que está estudando, Controladoria ou finanças, et cetera, a ser cientista também. Uhum. Por quê? Porque eu acho que aqui tem, posso estar enganada, mas eu sei que não, tanto por até pelos mapeamentos aí de de de de, de vida aí de de de algumas empresas, do que eu vi, é uma das áreas que mais tem gap em relação a isso. Uma das. Tá gap em que sentido? Você tem muito analítico, tem que tomar cuidado com isso, porque analytics assim não quer dizer que você não tem Oo pensamento analítico lá, em óbvio que tem. Mas eu falo de Science, para você ter aquela coisa mais automatizada, você tem aquele negócio pensado com a equação pensado, interligando com dados, pensando como como otimizar aquilo lá mesmo. Então, se se procurem, ser cientistas, porque vai ter uma oportunidade muito grande ainda é uma área muito pouco. Ainda uma área muito apartada da do do geral, então o crédito você vê junto o marketing você já tem uma área às vezes de Science analytics mais forte, porque é meio claro. E aí de repente, uma coisa que é tão core, pelo amor de Deus, se não funciona, o finance Oo. Como se não sustenta, não. Como é que você tem caixa? Então assim, eu acho meu muito, muita atenção. Assim deveria ter uma área de dados específica para finanças EEE con. Faria se veem nisso porque é uma área que não basta, no assim como nas outras, tudo isso que eu coloquei aqui não é só matemática, percebe? Não é só estatística e computação. Se você não consegue realmente entender a problemática, ainda mais em Controladoria que você tem coisas que podem influenciar, se é OIOF que não está chegando, se se tem uma coisa de autorização, que é in log, a outra coisa você tem visão, cliente e aquela aqui não tem uma integridade. Pronto, já ferrou, então tem que andar muito junto com tecnologia e dados, então isso é 11 ponto fundamental. E aí assim eu acho que todo mundo vê muito em finanças. Assim. A questão de projeção, né? De modelos de projeção e tudo mais, isso é mais claro de pensar, mas eu acho que em modelos de otimização. E de conexão dessas zilhões de partes, eu acho que tem um défice muito grande, então se tivesse que escolher meu, vai estudar muito Science. Vários analistas, pesado, porque meu vai ser assim, a menina dos olhos total da empresa. Show de bola Luana, obrigado de novo. Acho que a gente teria muito para aprofundar em cada um desses assuntos, né? Mas, para uma primeira conversa, que acho que foi ótimo, obrigado. Obrigada você.

Perguntas e respostas

Quem é Eric Barreto?
Eric Barreto é professor do Insper e host do podcast sobre fintechs e inovação.
Quem é Luana Vargas Shirozono?
Luana Vargas Shirozono é graduada em matemática e ciência da computação pela USP, mestre pela Universidade Federal de São Carlos, e possui vasta experiência em instituições financeiras.
Qual é a formação acadêmica de Luana Vargas Shirozono?
Luana é formada em matemática pelo Instituto de Matemática e Estatística da USP e possui mestrado em economia pela Universidade Federal de São Carlos.
O que é fintech?
Fintech é um tipo de inovação em serviços financeiros proporcionada por tecnologia, resultando em novos modelos de negócios, aplicações, produtos ou processos que impactam significativamente a oferta de produtos financeiros.
O que é Big Data?
Big Data refere-se a bases de dados enormes que combinam diversas fontes de dados internas e externas, permitindo a análise de grandes volumes de informações de maneira eficiente.
Quais são as principais fontes de dados para uma fintech de crédito ou pagamentos?
As principais fontes de dados incluem birôs tradicionais, dados secundários de bancos centrais, censos, e dados comportamentais obtidos via SDKs e APIs.
Como a tecnologia pode melhorar a qualidade do crédito?
A tecnologia pode melhorar a qualidade do crédito através do uso de dados alternativos, modelos estatísticos avançados, e a combinação de conhecimento humano com algoritmos para prever comportamentos futuros e ajustar modelos de crédito.
Como a Data Science pode ser aplicada em marketing e vendas?
Em marketing e vendas, a Data Science pode ser aplicada para entender melhor o comportamento do cliente, personalizar ofertas, e otimizar campanhas de marketing através de técnicas como text mining e análise de geolocalização.
Como a Data Science pode ser aplicada na detecção de fraudes?
Na detecção de fraudes, a Data Science utiliza técnicas de análise comportamental, lifeness detection, e combinações de variáveis para identificar padrões suspeitos e prevenir atividades fraudulentas.
Como a Data Science pode colaborar com áreas de contabilidade e controladoria?
A Data Science pode colaborar com áreas de contabilidade e controladoria através de modelos de projeção, otimização de processos, e integração de diversas fontes de dados para melhorar a precisão e eficiência das operações financeiras.

Autor

Foto de perfil de Eric Barreto

Eric Barreto

Partner e Prof. do Insper

Tags

Itens vinculados

Nenhum item vinculado a este artefato.

Recomendações

Vídeo

O momento do Mercado Financeiro