Capacitando usuários de negócios com inteligência de dados self-service - Clonado

Introdução

Dados são poder. De acordo com a McKinsey, "Os bancos possuem mais dados de clientes do que as empresas na maioria dos outros setores, mas estão atrás de muitos outros setores voltados para o consumidor quando se trata de personalização em escala." https://www.mckinsey.com/industries/financial-services/our-insights/the-state-of-retail-banking-profitability-and-growth-in-the-era-of-digital-and-ai. No setor bancário, trata-se de transformar esse poder em insights acionáveis, ao mesmo tempo em que se navega com cuidado pelos riscos de segurança de dados. As instituições financeiras precisam equilibrar a proteção de dados confidenciais e a adoção da democratização de dados para melhorar as experiências dos clientes, reduzir riscos e impulsionar a inovação.

Sigma Computing, uma plataforma de analytics e business intelligence de última geração, oferece um caminho seguro, aproveitando o Databricks como o data warehouse inteligente central. Essa parceria permite que os bancos aproveitem insights que vão desde a segmentação de clientes até a avaliação de riscos, tudo sem comprometer a segurança. Neste blog, mostraremos como o Databricks e a Sigma oferecem, de forma conjunta, um fluxo de trabalho exploratório e seguro para analistas bancários, à medida que utilizam dados de consumidores para impulsionar uma melhor personalização e novas fontes de receita.

A inteligência de dados é uma nova tábua de salvação para o setor bancário

Bancos digitais como o Nubank e fintechs como Wise e Brex superaram o setor bancário corporativo tradicional ao oferecer aos clientes experiências digitais simplificadas, serviços financeiros em tempo real e preços transparentes. Em contrapartida, os bancos convencionais costumam ficar para trás devido à infraestrutura legada. Esse débito técnico leva a ciclos de desenvolvimento mais longos e, como resultado, limita a capacidade dos bancos de desenvolver novos produtos e antecipar as expectativas em constante evolução dos clientes. Mais do que nunca, os dados são um ativo estratégico, e os bancos podem aproveitar os dados como uma vantagem competitiva.

Inteligência de dados é a chave para liberar todo o potencial dos dados corporativos. Para alinhar com nossa visão de democratização total de dados para qualquer usuário, o Databricks lança ferramentas como os Genie spaces, uma interface conversacional onde os usuários de negócios podem interrogar seus dados. O diferencial do Genie é que esse serviço incorpora todo o contexto corporativo de jargões de negócios e metadados técnicos, integrados ao espaço como base para responder a perguntas de negócios por meio do Unity Catalog, a solução de governança do Databricks.

Por que os bancos enfrentam dificuldades para alcançar a democratização de dados

Os bancos são altamente regulamentados e avessos ao risco por natureza. Eles lidam com volumes massivos de dados confidenciais, desde históricos de transações até informações pessoais de clientes, o que os torna alvos principais para ataques cibernéticos e ameaças internas. A exfiltração de dados — a transferência não autorizada ou o roubo de dados — surge como um risco constante, exigindo protocolos de segurança rigorosos. Mas aqui está o dilema: embora a proteção dos dados seja essencial, bloqueá-los de forma muito rígida prejudica a inovação e desacelera a tomada de decisões.

Nesse domínio, a democratização de dados se torna um desafio. A democratização promete liberar o potencial dos dados, colocando-os nas mãos de quem pode agir com base em insights — analistas de dados, gerentes de produto e até executivos. No entanto, os bancos frequentemente se veem divididos entre a necessidade de um acesso aberto e flexível aos dados e as medidas de segurança rigorosas que precisam manter.

Os sistemas de dados tradicionais nos bancos são isolados em silos, dificultando o compartilhamento contínuo de dados entre os departamentos. O medo do acesso não autorizado leva a um ambiente restritivo onde apenas alguns poucos selecionados têm o privilégio de acessar informações críticas. Esse gargalo sufoca a agilidade que a democratização de dados visa proporcionar. Além disso, a conformidade regulatória adiciona outra camada de complexidade, pois os bancos devem garantir que atendam a padrões locais e globais, como GDPR e CCPA, ao mesmo tempo em que promovem uma cultura orientada a dados. Um excelente exemplo de banco que resolveu esses problemas é o HSBC, com sua reinvenção de pagamentos impulsionada pelo Databricks. Eles conseguiram consolidar 14 bancos de dados em um único Lakehouse. Além disso, conseguiram proteger os dados por meio de mascaramento em tempo real e modernizaram sua estratégia de segmentação de clientes, resultando no aplicativo de pagamentos número 1 em Hong Kong.

Na próxima seção, exploraremos como os clientes podem usar o Databricks e a Sigma Computing para resolver os desafios acima.

Liberando a inteligência de dados e mantendo a conformidade

O problema de negócios

Imagine um grupo de analistas de negócios com a tarefa de aumentar a fidelidade dos produtos bancários no crédito rotativo. A equipe interna de IT deve fornecer a esses analistas ferramentas no-code e não técnicas. Existem requisitos rigorosos para restringir a funcionalidade de exportação. Por outro lado, os analistas precisam manipular dados com acesso total à linhagem e aos metadados para explicar qualquer resultado de negócios, como uma oferta proativa de aumento de limite de crédito, para suas partes interessadas.

Ferramentas de mercado para análise self-service

Os usuários finais precisam de análises self-service. Na maioria dos casos, a principal ferramenta de entrega para permitir isso é o Excel. No entanto, fornecer dados no Excel é uma maneira infalível de aumentar o risco de exfiltração de dados e proliferar cópias de dados, levando a ineficiências. É aí que entra a Sigma Computing.

A Sigma oferece um caminho para os usuários finais visualizarem feeds de dados e análises sem fornecer acesso irrestrito aos conjuntos de dados. A Sigma também traz a familiaridade com a UX de planilhas, o que torna a adoção entre os usuários do Excel especialmente simples. A Sigma oferece às equipes de plataforma uma maneira única de estender os dados para usuários não técnicos usando um conceito conhecido como ‘secure embeds’.

Permitindo um verdadeiro self-service com o Secure Embed da Sigma

A Sigma permite que você crie um widget self-service de secure embed no aplicativo de sua escolha. Por exemplo, os desenvolvedores podem criar um aplicativo Flask, e-mail incorporado ou integrações com o Teams que se autenticam com tokens JWT e chamam o serviço da Sigma. Os JWT (JSON Web Tokens) são tokens compactos e seguros para URL que transmitem informações de forma segura entre sistemas, garantindo a integridade dos dados e a autenticação. Esse formato é fundamental para aplicativos modernos orientados a API, permitindo que grandes empresas autentiquem usuários com segurança sem expor informações confidenciais. Nesta integração entre a Sigma Computing e o Databricks, o JWT garante que os usuários recebam acesso personalizado e em tempo real a workbooks e dashboards. O JWT permite o acesso seguro do cliente a dados financeiros, e essa implementação protege o acesso ao dashboard, mantendo o desempenho e a segurança ao incorporar permissões específicas do usuário em cada token.

Usuários incorporados sem permissões no workspace

Agora, os usuários podem acessar dados facilmente, e controles de acesso baseados em funções podem ser aplicados para permitir que os proprietários de pastas de trabalho forneçam acesso restrito com uma simples alternância única. Veja as imagens abaixo para referência. Aqui, o usuário externo reside na equipe ‘Embed Banking Analysts’. Os proprietários das pastas de trabalho de análise fornecem acesso único à equipe de usuários incorporados, e os usuários finais estão prontos para consumir qualquer conjunto de dados a que tenham direito. Todos os controles de acesso refinados definidos como parte do Unity Catalog se estendem a grupos no Databricks, particularmente filtragem em nível de linha e coluna.

Implantando aplicativos de análise financeira no Lakehouse de inteligência de domínio

O Databricks agora oferece uma maneira totalmente nova e simplificada de implantar o aplicativo para atender a usuários incorporados seguros: o Databricks Apps. Usando o Databricks Apps, as equipes de engenharia de dados podem desenvolver e sincronizar código no espaço de trabalho do Databricks e implantar um aplicativo em poucos minutos, tornando os dados acessíveis a analistas e usuários não técnicos exatamente como fariam em um portal personalizado padrão. Quer você esteja usando o Databricks Apps ou um aplicativo auto-hospedado (usamos Flask em nossa demonstração do Apps), as equipes de plataforma podem integrar usuários incorporados para democratizar totalmente os dados para usuários não técnicos que estão acostumados a aproveitar tabelas dinâmicas e índices gerados na hora para casos de uso bancários.

Em nosso aplicativo de exemplo, focamos em clientes com perfis internos e dados externos de um birô de crédito (por exemplo, TransUnion) e agregadores financeiros como Plaid e Yodlee, que fornecerão pontuações de crédito, limites de crédito e tendências de uso de produtos financeiros. Nosso resumo inicial (abaixo em vermelho) mostra que a maioria dos clientes está interessada em casa própria. Por outro lado, o engajamento é baixo, e o banco para o qual trabalhamos está interessado em aumentar a fidelidade. Como ponto de partida, nossos usuários incorporados podem analisar rapidamente os índices de liquidez e segmentar clientes para um aumento proativo do limite de crédito.

As análises que vemos são úteis, mas como podemos capacitar os usuários incorporados com uma melhor experiência de exploração sem sacrificar o risco de exfiltração de dados?

Como visto abaixo, dentro do ambiente Sigma, podemos criar uma função totalmente personalizada chamada ‘Explorer But Not Exporter’, impedindo que os usuários exportem dados usando botões de download. No espírito da inovação, damos ao usuário analista direitos para editar a pasta de trabalho, por exemplo, novos cálculos e criações de colunas, o que permitirá uma experiência muito mais rica e a adição de cálculos como índices de liquidez para avaliar com eficiência oportunidades de aumentos proativos de limites de crédito ou investimentos para clientes bancários. Agora, os usuários estão totalmente capacitados para adicionar análises personalizadas às suas perguntas.

Embora a experiência tenha permitido aos usuários criar novos agrupamentos (binning), mapas de calor (heatmaps) e listas de segmentação, como garantimos a confiança nos dados produzidos? Nossas tabelas de exemplo no aplicativo mostram uma previsão proativa de aumento de limite de crédito, que agora podemos aplicar aos nossos segmentos-alvo. Os analistas precisam entender de onde vêm as previsões para explicar as análises e os resultados às partes interessadas e executivos de negócios. Com a linhagem integrada no Unity Catalog, que se estende além dos dados para modelos, painéis, recursos (features) e funções, podemos identificar exatamente de onde vieram nossas previsões. Todas as informações de origem derivadas abaixo e as tags são facilmente obtidas das tabelas de sistema do Unity Catalog (AWS | Azure | GCP), proporcionando um nível mais alto de confiança e explicabilidade para os negócios.

Conclusão

O setor de serviços financeiros está em uma encruzilhada. Os bancos tradicionais não podem mais se dar ao luxo de permanecer limitados a sistemas de dados desatualizados e isolados, enquanto as fintechs disruptivas continuam a redefinir as experiências dos clientes por meio de inteligência de dados em tempo real. Nesse ambiente de alto risco, a democratização segura dos dados não é apenas um luxo — é uma tábua de salvação.

Os recursos de incorporação segura da Sigma Computing, combinados com a robusta plataforma de implantação de aplicativos e o data lakehouse da Databricks, apresentam uma solução transformadora para bancos que buscam aproveitar os dados sem comprometer a segurança. As incorporações seguras da Sigma oferecem uma experiência controlada que se alinha perfeitamente com os rigorosos requisitos regulatórios. Com a Sigma, os bancos podem capacitar seus analistas, investigadores, gerentes de produto e equipes de vendas a acessar insights vitais em um ambiente mais seguro e em conformidade.

Ao implantar aplicativos no Databricks, as instituições financeiras podem estender o acesso seguro a dados de forma rápida e contínua para usuários de incorporações, personalizando experiências e, ao mesmo tempo, mantendo um controle rigoroso sobre a segurança dos dados. Em um setor onde a margem de erro é mínima, a capacidade de fornecer insights orientados por dados por meio de aplicativos incorporados seguros torna-se uma vantagem competitiva.

A mensagem para as instituições financeiras é clara: o tempo das estratégias de dados passivas acabou. Aqueles que adotarem a inteligência de dados segura e de autoatendimento mitigarão riscos e desbloquearão a agilidade necessária para prosperar no mercado digital de hoje. Os bancos precisam evoluir agora, e o aproveitamento de ferramentas como Sigma Computing e Databricks pode ativar uma cultura orientada a dados que transforma informações brutas em insights acionáveis.

Inscreva-se no Databricks e na Sigma hoje mesmo para habilitar uma inteligência de dados segura e de autoatendimento.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original