Compreender os hábitos de gastos dos usuários utilizando o sistema bancário aberto é a chave para construir aplicações financeiras de sucesso. Mas, para transformar dados brutos em insights, as transações precisam ser devidamente limpas, organizadas e enriquecidas.
Sumário
- Transformando dados brutos em insights acionáveis
- Como funciona a categorização dos dados?
- Inteligência de milhões de transações
- O que você pode construir?
Bancos digitais, apps de gestão de finanças pessoais (PFMs) e outras aplicações de fintech têm todos uma clara necessidade em comum: entender os gastos dos usuários, assim como hábitos de economia, para aconselhá-los de maneira proativa como melhorar seu bem-estar financeiro.
As tecnologias de Open Banking e Open Finance tornam isso possível uma vez que permitem às empresas extrair e interpretar as informações bancárias e financeiras de seus usuários de maneira simples e segura.
Entretanto, o acesso a dados financeiros brutos não é suficiente.
Transformando dados brutos em insights acionáveis
Se você já parou para olhar os detalhes das suas transações bancárias, você deve ter reparado que elas normalmente não vem em um formato padrão e compreensível. Bancos, usuários e varejistas usam diferentes sistemas para classificar as transações, com nomenclaturas irregulares e informações incompletas.
Diante desta situação, os desenvolvedores têm que interpretar e classificar manualmente as informações fornecidas nas descrições das próprias transações, o que leva muito tempo e recursos.
Para resolver este problema, a Belvo construiu do zero seu próprio mecanismo de categorização de dados dentro de suas soluções de enriquecimento. O produto fornece uma camada de inteligência sobre os dados brutos, ajudando as empresas a criar recursos como monitoramento de gastos e ferramentas orçamentárias.
Como funciona a categorização dos dados?
A categorização dos dados é o processo pelo qual nós organizamos transações financeiras em um conjunto de grupos pré-determinados, como gastos pessoais ou contas e utilities.
Estabelecemos 14 destas categorias com base nos tipos mais comuns de transações que os usuários fazem e nas necessidades das empresas que constroem ferramentas de finanças pessoais.
Para isso, nosso modelo percorre os dados brutos contidos nas descrições das transações para buscar uma série de padrões identificados anteriormente usando técnicas de processamento de linguagem natural (PNL). Toda vez que uma chamada é feita na nossa API para recuperar dados de conta, as transações são atribuídas a uma dessas categorias com base nos padrões que correspondem à descrição.
Estas categorias também recebem uma prioridade específica com base em algumas regras que estabelecemos. Isto nos ajuda a determinar a categoria correta de uma transação caso a descrição corresponda a mais de um padrão. Por exemplo, quando uma transação contém as palavras “Uber Eats”, ela poderia ser incluída automaticamente em “Transport & Travel” (Transporte e Viagens), mas criamos um conjunto de regras de prioridade que nos ajuda a etiquetá-la corretamente em “Food & Groceries” (Alimentação e Mercado).
Finalmente, a categoria da transação é devolvida ao cliente como um campo adicional chamado “categoria” para cada transação na resposta.
Inteligência de milhões de transações
O principal diferencial de ter um motor de categorização de dados alimentado pelo Open Banking ou pelo Open Finance – como a construção de um motor internamente -, é a quantidade e ampla gama de dados que usamos para alimentar nosso modelo.
Ao usar a Belvo, as empresas podem acessar a inteligência que reunimos ao analisar as transações de milhões de usuários de dezenas de empresas de diferentes setores e países.
E o nosso modelo está em constante evolução: todos os dias continuamos alimentando e treinando nosso algoritmo com novos dados de contas provenientes de nossa crescente base de clientes de empresas no Brasil e em toda a América Latina.
Com isso, a precisão e a cobertura do nosso motor estão constantemente melhorando. Além disso, fazemos análises periódicas procurando novos padrões em nosso banco de dados que nos ajudam a impulsionar e otimizar nossas capacidades de previsão.
O que você pode construir?
Nosso produto de categorização foi construído para satisfazer as necessidades específicas das PFMs de agrupar os gastos de seus clientes em categorias para facilitar o fornecimento de análises eficientes a partir destas informações.
Ao agrupar as despesas e receitas em categorias, estas empresas podem ajudar seus usuários a criar orçamentos e oferecer conselhos proativos de economia.
Um exemplo é o Mobills, um aplicativo de gestão de finanças pessoais brasileiro que está usando a Belvo para coletar e processar as informações financeiras de seus usuários de cartão de crédito. Graças ao nosso mecanismo, eles são capazes de receber dados já categorizados através de uma integração simples e fluida com seu aplicativo, tornando as transações prontas para serem exibidas aos seus clientes.
Este serviço também é particularmente útil para outras fintechs que estão construindo serviços financeiros mais envolventes e automatizados, como por exemplo:
- Provedores de crédito: para identificar a renda e as despesas comuns dos clientes para avaliar o risco dentro de suas decisões de underwriting.
- Empresas de contabilidade: para agrupar as despesas por categorias e automatizar os processos de escrituração contábil.
Se você quiser saber mais sobre nosso motor de categorização de dados, entre em contato conosco! E se você tiver ou estiver desenvolvendo um aplicativo PFM, dê uma olhada no nosso guia dedicado aos desenvolvedores para ajudar seus usuários com suas finanças.
