A ciência de dados vem se tornando cada vez mais parte dos negócios de forma geral. Nos grandes bancos não é diferente, embora sua aplicação tenha algumas especificidades, como o cuidado concreto com a segurança e uso voltado para o desenvolvimento de uma relação mais transparente com os clientes, explica o head da área de risco de crédito pessoa física do Santander, Alexandre Borin. “Procuramos mudar essa imagem, que temos há bastante tempo no país, de que banco é um mal necessário”, destaca ele.
No dia a dia, além disso, a data science ainda ajuda a melhorar a oferta para quem utiliza os serviços da instituição e até impacta o processo de seleção de pessoas, ao auxiliar na identificação de perfis de profissionais valiosos – aplicação conhecida como people analytics.
Não é que os dados só passaram a valer como insumos para decisões e processos só recentemente. Pelo contrário, os bancos já utilizam um grande volume de informações há bastante tempo. O que acontece, segundo Borin, é que o crescimento da base de clientes, a utilização de aplicativos e até a natureza evolutiva das transações aumentaram consideravelmente o volume de dados disponíveis. “Tudo isso passa a ser fonte de informação para que você consiga, de uma maneira mais eficiente, falar com o cliente de forma única”, diz ele.
“No passado, organizávamos as informações em grandes clusters – grupos de perfis de pessoas – e fazíamos uma comunicação boa, mas que não tinha grande grau de personalização.” Com o advento da ciência de dados, a abordagem é mais customizada. E serve, por exemplo, para fins pragmáticos de educação financeira, como destrinchar para o cliente o uso saudável do limite de crédito para evitar problemas futuros. “Temos a possibilidade de, de uma forma ampla, ajudar as pessoas a realizarem seus sonhos”, destaca o líder do Santander. ”É algo muito bacana em poder trabalhar em uma grande instituição financeira.”
Leia também: 8 livros sobre tecnologia (para quem quer entender as principais tendências!)
O tamanho do desafio
O grande ponto é conseguir transformar a quantidade de dados disponíveis em conhecimento e ações para o cliente, conta Borin. Isso envolve certos desafios. Primeiro, uma questão tecnológica de conseguir explorá-los e disponibilizá-los de forma útil.
Um dos aspectos em que o Santander trabalha, nesse sentido, é o da inteligência artificial. Ou seja, utilizar modelos computacionais e algoritmos para encontrar padrões dentro do grande volume, que não para de crescer. “Quanto mais pessoas usarem o aplicativo e mais serviços estiverem acessíveis, mais dados e comportamentos teremos”, explica ele. “Precisamos correr para sermos eficientes no uso disso.“
A evolução exponencial, que traz possibilidades e desafios, faz com que profissionais capacitados sejam bastante necessários – e procurados.
“São essas pessoas que estão construindo o que é ciência de dados dentro do banco”
O Santander oferece diversas iniciativas para seus profissionais que querem se desenvolver mais no tema. Inclusive trilhas de carreira que privilegiam a especialização, por exemplo, em deep learning e redes neurais. Porém, apesar do incentivo da organização, por ser um campo em constante mudança – “você constrói hoje e amanhã precisa adaptar” – é preciso que o profissional se esforce para sempre estar atualizado.
Uma característica de personalidade, para tanto, é primordial, destaca Borin: protagonismo. Especialmente no que tange à curiosidade e proatividade de buscar conhecimento. “É uma marca forte do profissional no Santander”, diz. “A vontade de buscar conhecimento independentemente de onde ele esteja. São essas pessoas que estão construindo o que é ciência de dados dentro do banco.”
Embora tradicionalmente permeada por profissionais com formações analíticas, como Engenharia, Estatística e Matemática, as muitas opções atuais de estudo ampliaram o leque de pessoas com outros backgrounds dentro da ciência de dados. Para trabalhar com isso no Santander não há restrição de graduação, mas é preciso ter as competências necessárias para tanto – como lógica, lógica de programação, big data e estatística básica.
