Gerenciamento de risco na era do Big Data

Por Renato Fiorini, especialista em gerenciamento de Risco do SAS

 
Novas soluções envolvendo tecnologias de Big Data já estão impactando na forma como as instituições financeiras tratam seus negócios. A obtenção de resultados mais rápidos e a disponibilização de dados quase que em tempo real possibilitam, por exemplo, que o cálculo da posição de risco seja feito várias vezes ao dia, e não apenas uma, como acontece tradicionalmente. Dessa forma, o banco pode redefinir sua estratégia em tempo real frente a acontecimentos adversos.
 
As tecnologias de alta performance permitem o cálculo da posição de risco da carteira inteira com milhares de fatores de riscos em poucos minutos ou mesmo segundos. E é fácil perceber como esta habilidade é útil em uma situação de crise, como em 2008, quando os mercados estavam desmoronando. Nestes casos, as instituições financeiras têm pouco tempo para tomar decisões, como: “O que vender primeiro?” “Quais ativos manter?” “Até que valor?”
 
Esta agilidade possibilitada pelo Big Data traz a possibilidade de orquestrar e executar uma estratégia coerente, ao invés de ações sem planejamento motivadas, basicamente, pelas emoções do momento. Naturalmente, tal habilidade não se mostra relevante apenas em momentos de crise. Com maior velocidade e precisão nos cálculos, os bancos podem operar com um colchão de liquidez menor e assim buscar maior rentabilidade mesmo em tempos de calmaria.
 
Na área de risco de crédito, as tecnologias de alta performance também fazem a diferença, já que apenas desenvolver um bom modelo preditivo não basta. É importante conseguir implantar rapidamente este modelo na operação diária, comparando propostas de crédito com dados atualizados. Este tempo entre preparar os dados, desenvolver o modelo preditivo, validar o modelo e implantá-lo na operação é conhecido como ciclo de modelagem.
 
Atualmente os maiores bancos brasileiros apresentam ciclos de modelagem entre 9 e 18 meses. Isso significa que em muitos casos, após identificar que um modelo precisa ser substituído, demoram mais de um ano para fazê-lo. Ou seja, são mais de 12 meses executando um modelo de qualidade inferior e sofrendo com taxas de inadimplência mais altas do que seria possível por meio de um processo mais eficiente.
 
Com alterações nos patamares de juros, câmbio, endividamento das famílias, entre outros fatores, modelos preditivos antigos podem não ser mais adequados. É importante conseguir reagir rapidamente e desenvolver e implantar modelos adequados a esta nova realidade. Com tecnologias de alta performance é possível diminuir este ciclo para três meses. E isso pode representar uma redução de até 5% no provisionamento de risco de crédito. Tecnologias como estas permitem ações preventivas dos bancos, evitando a inadimplência e contribuindo com a precificação adequada dos empréstimos.