Decisões melhores com dados alternativos

“Entra lixo, sai lixo. Ou, dito de forma mais feliz: a árvore do absurdo é regada pelo erro, e de seus galhos pendem as abóboras do desastre.”

Esse trecho de The Gone-Away World também se aplica à tomada de decisão.

Tomada de decisão aprimorada

A autenticidade e a integridade dos dados usados no processo de tomada de decisão determinam a qualidade das decisões e também afetam os resultados. As fontes de dados se dividem em 2 categorias: primárias e secundárias.

Os dados primários vêm do cliente ou usuário, que preenche informações e responde a perguntas no fluxo de dados. As fontes secundárias incluem provedores de dados alternativos e corretores de dados. Quando você coleta menos dados do cliente, precisa obter ou complementar mais informações em fontes secundárias ou com corretores.

Os dados usados no enriquecimento podem incluir identificadores pessoais tradicionais, como números de telefone, endereços de e-mail e endereços físicos. Também podem incluir dados técnicos, como informações do dispositivo, dados do navegador e endereços IP.

 

Coleta de dados com login assistido

Os corretores de dados usam fontes que incluem solicitações de API e a “coleta de dados com login assistido”. As solicitações de API são simples: você envia uma solicitação e recebe os dados na resposta. Já a coleta com login assistido traz mais desafios para a qualidade e a integridade dos dados.

A coleta de dados com login assistido pode ir do uso de padrões de API do Open Banking à raspagem de dados de contas. A raspagem costuma ocorrer quando usuários informam suas credenciais de login em um site. Em segundo plano, os provedores de dados acessam a conta e extraem as informações. Depois, organizam os dados e os enviam à empresa no site em que o usuário informou as credenciais. Alguns sites tentam impedir a raspagem, e nesses casos os dados não são coletados.

Pessoa percorrendo um labirinto com uma ferramenta de cabo longo, uma ilustração da complexidade da coleta de dados com login assistido

 

Leve essas verificações para um fluxo de decisão

Crie regras para crédito, fraude ou cobrança e aplique-as a decisões em produção.

Desafios na obtenção de dados alternativos

Devido à forma como os dados alternativos são coletados e processados, eles podem estar incompletos. Sua qualidade pode ser questionável, e talvez não tenham a integridade necessária para serem úteis. Às vezes, o serviço fica totalmente indisponível porque o site bloqueia a coleta de dados.

Tradicionalmente, os dados alternativos são usados para melhorar a segmentação e o perfil dos clientes em ações de marketing. Também são usados para treinar modelos preditivos de score de crédito, enriquecer perfis de usuários e verificar a identidade deles. Além disso, podem ajudar a reduzir fraudes e o uso indevido de dados.

A obtenção de dados alternativos tem 2 desafios principais: questões legais e interrupções do serviço. Embora as informações pertençam ao cliente, as plataformas de onde os dados são extraídos muitas vezes se opõem à prática. Elas tentam impedi-la e podem descrevê-la como “roubo” de dados.

Outro desafio são as interrupções do serviço, que podem causar erros técnicos como “serviço indisponível”. Mesmo quando a resposta parece bem-sucedida, os dados podem estar incompletos. Alguns valores podem faltar. O tempo de resposta também pode ultrapassar o que os processos de negócio permitem, impossibilitando a coleta dos dados necessários.

Algumas práticas e controles podem ajudar no uso de dados alternativos:

  • Conte com a possibilidade de problemas nos dados.
  • Crie fluxos de decisão que continuem funcionando quando faltarem dados.
  • Se você usar várias fontes de dados, faça as consultas em paralelo para reduzir o tempo de execução.
  • Mantenha os dados em cache pelo período em que, do ponto de vista do negócio, você tiver certeza de que eles não mudaram. Às vezes, vale perguntar à fonte com que frequência os dados são atualizados.
  • Ao criar modelos preditivos e categorizar variáveis, diferencie “sem resposta”, “sem dados” e “valor nulo”. Cada situação tem um significado diferente para o negócio e pode ter um poder preditivo distinto. Se você agrupar todas em “valor nulo”, pode perder um sinal preditivo útil.

Usar fontes de dados alternativos não precisa prejudicar a qualidade do processo de tomada de decisão nem os resultados. Você pode adotar medidas para evitar que entre lixo e saia lixo.

Perguntas frequentes

Devo usar uma API ou a coleta de dados com login assistido para tomar decisões de crédito?

Prefira a API de um provedor quando ela fornecer os campos necessários e as equipes jurídica e de compras tiverem analisado os termos. A raspagem com login assistido traz mais riscos operacionais, pois o site pode bloquear o acesso e os dados recebidos podem estar incompletos. Use esse método somente se a forma de coleta, a autorização do cliente e o tratamento das credenciais forem aceitáveis e houver uma alternativa. Nenhum dos métodos garante dados completos ou adequados.

O que fazer no fluxo de decisão quando duas fontes de dados alternativos divergem?

Defina, antes da implantação, a prioridade das fontes para cada campo, considerando autoridade, atualização e cobertura. Se os valores divergirem além da tolerância definida, registre o conflito e aplique uma regra explícita, como priorizar uma fonte de maior autoridade ou encaminhar um caso relevante para análise humana. Não faça a média de valores que medem coisas diferentes nem deixe que a ordem das respostas determine qual valor prevalece.

Leve essas verificações para um fluxo de decisão

Crie regras para crédito, fraude ou cobrança e aplique-as a decisões em produção.