Blog Post

ANÁLISE DE DADOS – CASES E OPORTUNIDADES em GRC e PLD

Análise de Dados - Cases

Uma das decisões estratégicas para qualquer empresa nesse pós-pandemia é implementar uma célula de inteligência que além de fazer uma análise lastreada em fatos e dados, consiga indicar pontos de atenção, seja para prevenir algum acontecimento ou ainda para fortalecer direções promissoras.

Conversamos há um tempo sobre Data Literacy.

A Gartner, consultoria referência mundial em pesquisa em tecnologia, aponta que “Até 2023, data literacy se tornará um driver explícito e necessário para gerar valor ao negócio, evidenciado por sua inclusão formal em mais de 80% das estratégias de Data & Analytics e nos programas de gestão de mudanças.”

Data Literacy nada mais é do que a capacidade das PESSOAS e sua habilidade de leitura, entendimento e visão holística de causa e efeito dos dados, sob todos os aspectos relevantes ao negócio que envolvem cada análise.

E esse drive, ou a falta dele, é o tamanho do gap cultural analítico que você, seu time e negócio possuem a nível global.

O que é uma célula de inteligência

Pode-se compôr um setor dentro da organização que receberá todas as demandas de implementação de BI – Business Intelligence de toda a companhia. Virão demandas dos mais diversos setores (Comercial, Marketing, Desenvolvimento Humano, Customer Success, Finanças, Gestão de Risco e Compliance, e todos os existentes) com as mais variadas possibilidades de cruzamento de diferentes fontes de dados na busca por respostas às hipóteses formuladas.

Essas hipóteses chamamos de “PERGUNTAS DO NEGÓCIO”.

Por exemplo o setor de DH pode vir com uma pergunta do tipo: Por que temos um alto índice de Turnover? Ou uma hipótese: Temos um alto índice de turnover porque os funcionários estão com pouco treinamento, assim não se adaptam.

E aí entra o time de inteligência para confirmar ou descartar a hipótese e responder à pergunta realizada. Esse time pode ser composto por técnicos especializados em estruturar a arquitetura dos dados, especialistas do negócio, cientistas de dados, estatísticos, designers e, no caso de GRC, até auditores certificados. É um Squad completo.

E como esse SQUAD faz isso? Cruzando Dados e entendendo as tendências, correlações e possibilidades. Veja aqui nossa publicação sobre 3 ferramentas para ajudar a estruturar um processo de análise de dados.

Mineração de Dados

Mas como colocar análise de dados num contexto de gestão de riscos?

O risco inerente ao negócio muitas vezes traz tendências ocultas que humanamente não são percebidas no dia-a-dia.  sem uma base de dados estruturada e integrada com outras fontes de dados trazendo robustez e automatização ao modelo de gestão de risco e conformidade.

Veja esses 2 cases interessantes quanto ao uso da análise de dados para aplicação aos negócios. Aqui será abordado especificamente sobre prevenção à fraude e lavagem de dinheiro e gestão de riscos. Vamos a eles:

CASE 1

ANÁLISE DE DADOS PREDITIVA E MINERAÇÃO DE DADOS AJUDAM A INTERROMPER FINANCIAMENTO TERRORISTA.

O ataque terrorista ao World Trade Center em 11 de setembro de 2001 salientou a importância de fonte aberta na inteligência. A promulgação da USA PATRIOT ACT (Lei patriota dos Estados Unidos) e a criação do departamento de segurança nacional assinalaram a aplicação potencial de tecnologias informativas e técnicas de mineração de dados para detectar lavagem de dinheiro e outras formas de financiamento terrorista. Agências de aplicação da Lei já vinham se concentrando em atividades de lavagem de dinheiro por meio de transações normais via bancos e outras organizações de serviços financeiros.

Atualmente, o foco de tais agências recai na precificação de transações internacionais como uma ferramenta de financiamento terrorista. O comércio internacional vem sendo usado por lavadores de dinheiro silenciosamente a partir de países que não atraem atenção governamental. Essas transferências são possibilitadas pela superavaliação de importações e sub avaliação de exportações. O importador doméstico e um exportador estrangeiro, por exemplo, poderiam formar uma parceria e superavaliar importações, transferindo, assim, dinheiro do país comprador, resultando em crimes relacionados a fraudes alfandegárias, evasão fiscal e lavagem de dinheiro. O exportador estrangeiro poderia ser membro de uma organização terrorista.

Técnicas de mineração de dados se concentram na análise de dados sobre transações de importação e exportação disponibilizados pelo departamento de comércio dos Estados Unidos e por entidades relacionadas a comércio. Preços de importações que cedem o quartil superior e preços de exportação que são inferiores ao quartil inferior acabam sendo rastreadas. O foco recai nos preços anormais de transferências entre corporações que podem resultar em deslocamento de renda tachável e fuga de impostos dos Estados Unidos um desvio de preço observado pode ser relacionado com evitação/evasão fiscal, lavagem de dinheiro ou financiamento terrorista.

O desvio de preço observado também pode se dever a um erro na base de dados transacionais norte-americana. A mineração de dados resultará em avaliação eficiente de dados, o quê, por sua vez, acabar ajudando a combater o terrorismo. Aplicação de tecnologias da informação e técnicas de mineração de dados junto a transações financeiras pode contribuir para uma melhor inteligência informacional.

Análise de Dados

CASE 2

GRUPO DE SEGURADORAS REFORÇA A GESTÃO DE RISCOS COM SOLUÇÃO DE MINERAÇÃO DE TEXTO.

Quando questionado sobre qual o maior desafio enfrentado pelo setor de seguro automotivo na República Tcheca, Peter Jedlička não hesita. “Os sinistros envolvendo lesões corporais estão crescendo desproporcionalmente comparados aos sinistros de danos veiculares”, afirma Jedlička, líder da equipe de serviços atuariais da Czech Insurers’ Bureau (CIB). A CIB é uma organização profissional de empresas seguradoras na República Tcheca que lida com sinistros não segurados, internacionais e não rastreados, para o que se conhece como responsabilidade de dano automotivo a terceiros. “Atualmente, os danos corporais representam cerca de 45% das queixas encaminhadas contra nossos membros, e essa proporção seguirá crescendo devido a recentes mudanças legislativas.”

Uma das dificuldades que as queixas de danos corporais em põe para as seguradoras é que a extensão de uma lesão nem sempre é previsível logo após um acidente automotivo. Lesões que a princípio não ficam óbvias podem se revelar graves mais tarde, e lesões aparentemente leves podem se tornar problemas crônicos. Quanto antes as empresas seguradoras conseguem estimar sua responsabilização com relação a custos médicos, mais precisamente podem gerir seu risco e consolidar seus recursos. No entanto, como as informações necessárias estão contidas em documentos não estruturados, como o boletim de ocorrência e declarações de testemunhas, funcionários individuais levam um tempo enorme para realizar a análise exigida.

A fim de expandir e automatizar a análise de dados não estruturados que constam de boletim de ocorrência, declarações de testemunhas e narrativas de requisições de pagamento, a CIB empregou uma solução de análise de dados baseada em mineração de Dados em Textos. Além de fazer previsões sobre requisições futuras de cobertura médica, a CIB também pode usá-la para encontrar padrões que indicam tentativas de fraudes ou para identificar melhorias necessárias na segurança das estradas.

Esses cases foram retirados do livro ‘BUSINESS INTELLIGENCE e ANÁLISE DE DADOS para gestão do negócio’, dos autores Ramesh Sharda, Dursun Delen e Efraim Turban, disponível aqui.

O que podemos perceber nos cases?

No primeiro foi focado na MINERAÇÃO (é assim que chamamos quando os dados são trabalhados para que se transformem em informação relevante) das transações financeiras, nos preços de saída e entrada e fornecedores. No segundo já iniciamos com uma dor sobre os sinistros e segue com as lesões que podem trazer um alto custo não previsto para as seguradoras, cujas informações estão em documentos ‘sem o controle’ dela. E em ambas a ajuda da análise de dados para sanar as perguntas e hipóteses.

COMO IMPLEMENTAR A ANÁLISE DE DADOS EM 7 PASSOS (de ouro):

1 – Defina sua estratégia de análise;

2 – Defina Funções e responsabilidades do projeto;

3 – Defina a arquitetura corporativa;

4 – Defina o que vai compor a arquitetura de dados e as análises;

5 – Defina a governança de dados e conteúdos;

6 – Defina os usuários finais e

7 – Defina a disseminação do projeto pela companhia.

———————————————————-

Bem, é de se imaginar o time ou o SQUAD DE INTELIGÊNCIA, como absorve um considerável custo e também acaba atendendo diversas demandas da empresa, ela pode sentir um grau de complexidade de implementação maior, portanto, NA PRÁTICA É RECOMENDÁVEL  a empresa que quiser minerar os dados contratar uma consultoria especializada em GRC-FT porque, além da implementação mais rápida, a consultoria tem a vivência em vários clientes e setores, trazendo uma visão holística mais completa e refinada das possibilidades do mercado, trazendo perguntas ao negócio mais assertivas, ganhando tempo e melhorando os aspectos a serem analisados e assim a entrega.

Aqui no Studio somos acostumados a diariamente discutir e implementar hipóteses da matriz de risco em BI. Tanto GRC como específico em PLD-FT. Se você tiver alguma dúvida ou ficou curioso/ ansioso/ preocupado em como implementar, calma que estamos aqui pra te ajudar e será um prazer. 🙂

Lembrando sempre que A ANÁLISE DE DADOS LIBERTA E EMPODERA.

See you soon.

mm

Sobre Maria Eugênia Faccio

Head de Inteligência do Studio Estratégia, especialista em Gestão Financeira Custos e Resultados pela FGV/RJ, Master in Business Innovation pela Católica/SC e bacharel em Economia pela UFSC. Consultora e Professora de graduação e pós-graduação - MBA na área de Finanças e Empreendedorismo, Mentora na Rede ACATE. Founder e Head de Mercado da BIZI_a Business Intelligence Hub. Hoje trabalha o mindset de inovação, finanças e dados em startups, médias e grandes empresas Nacionais e Multinacionais.

Deixe seu comentário