Por que dados fragmentados do cliente podem virar um problema para bancos e seguradoras

Quando um cliente solicita crédito a um banco ou aciona uma apólice em uma seguradora, espera que a instituição saiba quem ele é, quais produtos possui e qual histórico mantém com a empresa. Na prática, isso nem sempre acontece.

Um mesmo cliente pode aparecer em sistemas diferentes como correntista, investidor, titular de cartão, tomador de crédito ou segurado. Quando essas informações permanecem desconectadas, a instituição perde a capacidade de enxergar o relacionamento completo com aquela pessoa.

As consequências vão desde atendimento mais lento e decisões baseadas em informações incompletas até oportunidades comerciais perdidas e riscos operacionais mais elevados.

Para Richard Bradbury, CRO da Stibo Systems, essa fragmentação está entre os principais obstáculos para que instituições financeiras consigam extrair valor da inteligência artificial. “Você não pode oferecer aquilo que não consegue enxergar”, afirma.

É nesse contexto que entra a gestão de dados mestres (Master Data Management, ou MDM), uma abordagem que permite conectar informações dispersas e criar uma visão única, governada e confiável do cliente.

Por que o Customer 360 falha?

O desafio está longe de ser novo. Ao longo dos últimos anos, bancos e seguradoras investiram muito em iniciativas de Know Your Customer (KYC), qualidade de dados, CRM e transformação digital. Ainda assim, muitas instituições continuam sem uma visão única e confiável dos seus clientes.

Segundo Bradbury, existem dois motivos principais para isso.

O primeiro é a abordagem departamental. Muitas iniciativas são criadas para resolver problemas específicos de uma área, como crédito, cartões, investimentos, seguros ou compliance. Embora funcionem localmente, raramente foram desenhadas para servir toda a organização.

O resultado é a criação de novos silos de informação. Você acaba resolvendo um problema de uma área, mas não o problema da organização. O cliente continua aparecendo de formas diferentes dependendo do departamento que está olhando para ele.

O segundo erro é priorizar visualização em vez de governança. Muitas empresas investem em dashboards sofisticados que consolidam informações em uma única tela. O problema é que reunir dados visualmente não significa criar uma visão confiável.

“Uma visão 360 do cliente vira apenas uma imagem bonita de pedaços fragmentados de dados”, diz Bradbury.

Se os registros continuam duplicados, inconsistentes ou sem governança, a instituição ainda opera sobre dados fragmentados. Uma visão 360 do cliente não surge porque os dados estão na mesma tela. Ela surge quando existe uma identidade confiável e compartilhada em toda a organização.

O impacto em seguradoras e bancos

Nas seguradoras, o problema costuma ficar evidente durante o processo de sinistro.

Quando um cliente aciona uma apólice, a empresa precisa identificar rapidamente quem ele é, qual contrato possui e quais informações estão associadas ao caso. Se os dados estão dispersos ou apresentam divergências, o atendimento se torna mais lento e sujeito a erros.

O impacto também chega à área comercial. Sem uma visão consolidada, a companhia pode deixar de identificar que determinado segurado já possui outros produtos ou fazer uma oferta baseada em informações incompletas. A mesma questão pode afetar decisões de precificação e avaliação de risco.

“O sinistro é um momento de verdade”, afirma Bradbury. “Se você não consegue responder rapidamente, o segurado fica frustrado e a possibilidade de perder aquele cliente aumenta.”

Nos bancos, a fragmentação costuma aparecer em processos de onboarding, atendimento, concessão de crédito e relacionamento comercial.

Informações sobre contas, cartões, investimentos e financiamentos frequentemente estão distribuídas em sistemas diferentes. Sem uma visão consolidada, áreas distintas podem tomar decisões com base em versões divergentes do mesmo cliente. E o avanço do Open Finance amplia ainda mais esse desafio.

Há ainda uma dimensão regulatória. Relatórios, auditorias e processos de compliance dependem da capacidade de rastrear a origem dos dados, entender quem os alterou e quais regras foram utilizadas para validá-los.

A complexidade aumenta porque uma mesma pessoa pode assumir diferentes papéis dentro de uma instituição financeira: correntista, investidor, tomador de crédito e segurado ao mesmo tempo.

Nesse contexto, reconhecer o cliente é apenas parte do desafio. Também é preciso compreender os relacionamentos associados a ele.

Onde entra a inteligência artificial

A inteligência artificial pode ajudar justamente nessa organização. Segundo Bradbury, a tecnologia é capaz de identificar registros que pertencem à mesma pessoa, resolver duplicidades e preencher lacunas em grandes volumes de informação.

O objetivo é chegar ao chamado “golden record”, ou registro mestre: uma versão única e governada do cliente, consolidada a partir das informações disponíveis nos diferentes sistemas e com origem e alterações rastreáveis.

A IA também pode adicionar contexto durante o atendimento. Em um pedido de sinistro ou análise de crédito, por exemplo, pode ajudar a recuperar informações relevantes para tornar a resposta mais rápida e precisa.

Mais do que automatizar a identificação de registros, a IA pode atuar como uma camada de inteligência sobre a base de dados, encontrando padrões e relações que seriam difíceis de detectar manualmente. Isso permite, por exemplo, identificar que diferentes registros pertencem ao mesmo cliente mesmo quando há variações de nome, endereço ou outros atributos.

Mas, para que essas associações sejam confiáveis, é necessário estabelecer regras claras sobre como os dados são validados, relacionados e atualizados. Sem essa camada de governança, a própria IA pode acelerar a propagação de inconsistências em vez de resolvê-las.

Levantamentos citados por Bradbury indicam que cerca de 78% dos profissionais responsáveis pela gestão de dados enfrentam dificuldades com a qualidade das informações que utilizam. O executivo afirma ainda que muitas companhias mantêm equipes dedicadas a corrigir e organizar registros manualmente, um processo que consome tempo e aumenta os custos da operação.

O risco de automatizar dados ruins

O avanço da inteligência artificial torna a qualidade dos dados ainda mais importante.

Sistemas utilizados para automatizar atendimento, avaliação de risco, precificação, concessão de crédito ou recomendações de produtos conseguem processar grandes volumes de informação. Mas eles também são capazes de reproduzir, em escala, os mesmos erros presentes nas bases de dados.

Para Bradbury, a gestão de dados mestres cria um registro confiável, enquanto a IA permite trabalhar essas informações em escala.

No Brasil, iniciativas como Open Finance, Open Insurance e a própria evolução da IA estão ampliando o volume de dados disponíveis e aumentando a necessidade de governança, rastreabilidade e confiança.

Por isso, sua recomendação às empresas é começar pela identidade do cliente, e não pelo algoritmo.

“Primeiro, resolva a identidade e governe esses dados corretamente”, afirma. “As instituições que vencerem não serão as que tiverem mais dados, mas as que realmente souberem quem é o cliente.”