A Central de Recuperação de Crédito buscava melhorar o resultado operacional da empresa e, ao mesmo tempo, o desempenho na recuperação de crédito para grandes clientes. A Conjecto aplicou modelos analíticos sobre os arquivos de operação para priorizar esforços e aumentar a taxa de recuperação.
Contexto
O volume e a heterogeneidade dos arquivos de operação (em formato texto/CSV) dificultavam a priorização das ações de cobrança e a mensuração do desempenho das equipes. A empresa precisava de um mecanismo objetivo para focar os esforços onde o retorno potencial era maior.
Fontes de dados
- Arquivos texto (CSV): registros de operações de crédito, histórico de pagamentos e status de cobrança.
Solução aplicada
A Conjecto implementou um pipeline analítico composto por:
- Preparação de dados via Trifacta, transformando os arquivos CSV em tabelas relacionais padronizadas e prontas para análise.
- Modelos de inferência (machine learning) que estimam a probabilidade de recuperação de cada operação, permitindo priorizar as contas com maior potencial de retorno.
- Modelos de análise visual em Tableau e Power BI para acompanhamento do desempenho operacional e das equipes.
Resultados
- Melhoria do resultado operacional, com foco das equipes nas operações de maior potencial.
- Aumento do desempenho na recuperação de crédito para grandes clientes.
- Acompanhamento contínuo dos indicadores por meio de painéis de gestão.
O projeto mostrou como a aplicação de modelos preditivos sobre dados operacionais, mesmo em formatos simples como CSV, gera ganhos diretos de eficiência e resultado financeiro.