Ir para o conteúdo principal
Banco Bradesco logo

HISTÓRIA DE CLIENTE

O Banco Bradesco escala a otimização de preços de crédito com o Genie na Databricks

customer Banco Bradesco still image

90% menos tempo de otimização

As variáveis de otimização agora concluem a execução em 2 horas e 40 minutos, abaixo de um ciclo muito mais longo

Custos de processamento 65% menores

A Bradesco reduziu o custo computacional da execução de suas cargas de trabalho de otimização de preços de crédito

Desenvolvimento de recursos 10 vezes mais rápido

Novos recursos de otimização de ML agora levam cerca de 8 horas para serem criados em vez de 80, para que a mesma equipe ofereça suporte a mais mecanismos de preços

customer Banco Bradesco headshot image

Com a loja de recursos da Databricks, o MLflow e o Genie Code, encurtamos o ciclo entre dados, modelo e decisão.

- Bruno Rosevics, Gerente Sênior de Ciência de Dados, Banco Bradesco

O Banco Bradesco, uma das maiores instituições financeiras do Brasil, precisa adaptar os preços do crédito às mudanças de comportamento do cliente e às condições de mercado. No Azure Databricks, o banco criou uma estrutura reutilizável que conecta modelos de machine learning (ML) de demanda do cliente à otimização de preços de crédito. Com o Genie Code oferecendo suporte para o desenvolvimento, desde a preparação de dados até o solver de otimização, a equipe reduziu o tempo de implementação de novos recursos de otimização de 80 horas para 8 horas. A estrutura agora abrange seis produtos de crédito, com quatro em produção e todos com suporte da mesma equipe.

Aproximando os modelos de demanda das decisões de crédito

Para o Banco Bradesco, o preço do crédito deve equilibrar a lucratividade e o volume de empréstimos dentro de restrições de risco, financiamento, regulamentares e de mercado. O banco queria aproveitar seu recurso de análise estabelecido adicionando otimização matemática para responder ao mercado com mais detalhes.

Os modelos de machine learning (ML) estimam a sensibilidade dos clientes a alterações de preços e sua probabilidade de aceitar uma oferta de crédito. Essas previsões alimentam um solver de otimização que determina taxas em segmentos de clientes dentro das restrições do banco. "A otimização é uma disciplina essencial para decisões de crédito", disse Rafael Forte Araujo Cavalcanti, Diretor de Inteligência de Dados e CRM do Banco Bradesco. "Trazer essa prática para uma plataforma de dados moderna integrada com IA permite conectar modelos e estratégia de negócios a decisões de preços que são mais rápidas, justas e escaláveis para nossos clientes."

"A modelagem de demanda é o mecanismo de otimização de preços, porque traduz o comportamento do cliente em decisões comerciais", disse Alexandre Amorim, Gerente Sênior de Modelagem do Banco Bradesco. "Como esse comportamento muda rapidamente em resposta a fatores econômicos, competitivos e de mercado, manter os modelos de demanda atualizados nos ajuda a capturar mais rapidamente as mudanças no comportamento do cliente e as condições de mercado." A equipe precisava atualizar os modelos com eficiência, permitindo que os líderes de negócios ajustassem a estratégia comercial dentro de limites aprovados, sem exigir um novo ciclo de desenvolvimento para cada alteração.

A Bradesco criou sua estrutura de preços no Azure Databricks usando tabelas Delta, Unity Catalog, feature store, MLflow e Lakeflow Jobs, com um solver de otimização escrito em Python. O solver usa estimativas de demanda e parâmetros definidos por negócios para encontrar uma solução dentro das restrições do banco.

A otimização é executada na Databricks e gera um fator de otimização que alimenta as tabelas de decisão usadas pelo processo de preços em tempo real do banco. Quando um cliente executa uma simulação no aplicativo, o preço retornado já reflete essa otimização. As decisões finais permanecem sujeitas à validação de negócios. O retreinamento automatizado, o controle de versões e o monitoramento contínuo ajudam a equipe a manter os modelos de demanda alinhados com as mudanças nas condições de mercado.

"No crédito, um preço justo é aquele que reflete o risco de cada cliente. Trazer os preços para uma plataforma de dados e IA permite decidir de forma mais rápida e consistente, sempre dentro de nossas políticas, e oferecer crédito de forma mais sustentável. É assim que colocamos o cliente no centro da decisão", acrescenta Fabio Monteiro Chehab, Diretor de Crédito do Banco Bradesco.

Simplificação do desenvolvimento com o Genie Code para precificação de crédito

Com a plataforma principal em vigor, a Bradesco se concentrou em acelerar a entrega em todo o fluxo de trabalho de ponta a ponta, desde a preparação de dados até a modelagem de demanda e o solver de otimização. Foi aí que o Genie Code se tornou parte do trabalho diário de engenheiros e cientistas de dados.

Aproveitamento do Genie Code em todo o fluxo de trabalho de desenvolvimento

A equipe usa o Genie Code para preparação de dados, desenvolvimento de recursos de ML, treinamento de modelo e otimização matemática. Ele ajuda a gerar e revisar funções, criar testes unitários, protótipos de modelos e criar andaimes de projetos.

"Usamos o Genie Code em todo o processo de otimização, desde a preparação de dados até o treinamento dos modelos para chamadas de jornada do cliente. Escrevemos menos código e temos mais tempo para pensar no negócio. Foi assim que levamos a solução para outros produtos sem aumentar a equipe", disse Alessandro Pereira da Silva, Especialista em Engenharia de Dados do Banco Bradesco.

Os engenheiros aprenderam aplicando o Genie Code em seus próprios tickets de trabalho, e agora ele está incluído no guia de testes de unidade da plataforma. Com a ajuda do Genie Code, a equipe de otimização reduziu o tempo de implementação de um novo recurso de otimização de ML de cerca de 80 horas para 8 horas. Isso permite que a mesma equipe ofereça suporte a mais mecanismos de preços e alterações.

"Com a feature store da Databricks, o MLflow e o Genie Code, encurtamos o ciclo entre dados, modelo e decisão e criamos a base para escalar essa arquitetura com segurança para novos produtos e domínios, permitindo escolhas e processos mais rápidos", disse Bruno Rosevics, Gerente Sênior de Ciência de Dados do Banco Bradesco.

Capacitando equipes de negócios com Genie Agents e dados governados

As equipes de negócios obtiveram mais controle sobre como usam esse recurso. Uma camada de parâmetros separada permite ajustar a estratégia comercial dentro de limites aprovados em minutos.

"A estratégia de preços saiu do código e está nas mãos das pessoas responsáveis por ela. A empresa define os parâmetros, treinamos os modelos e a jornada do cliente os usa para otimizar os preços. Cada decisão é gravada", disse Pedro Antonio Boareto, Gerente de Tecnologia de Dados e IA do Banco Bradesco.

Eles também usam o Genie Agents para explorar simulações de preços em linguagem natural, perguntando como os resultados variam por segmento ou como uma mudança de estratégia afeta a margem e o volume. Essas consultas baseiam-se em dados curados e validados governados pelo Unity Catalog. Cada execução de otimização registra os parâmetros e a versão do modelo que a gerou, tornando os resultados rastreáveis.

Escalando os recursos de preços de crédito com eficiência

Uma estrutura compartilhada e reutilizável permite estender a otimização de preços de crédito em vários produtos sem reconstruir os mesmos componentes cada vez. À medida que a Bradesco expande a cobertura, cada produto adicional se baseia na base existente a custo marginal. Isso permite que o banco faça mais com a mesma equipe.

Hoje, a estrutura compartilhada inclui:

  • Seis produtos de crédito cobertos: crédito pessoal (agência), crédito parcelado (CMR), empréstimos consignados públicos, capital de giro para empresas de varejo, financiamento de veículos (CDC) para indivíduos e empréstimos consignados privados
  • Quatro produtos de crédito ao vivo em produção
  • 256 usuários de preços, incluindo analistas, cientistas de dados e engenheiros

Juntamente com o desenvolvimento mais rápido de recursos de ML, a Bradesco relata uma redução de 65% nos custos de processamento. A base reutilizável e o ciclo de desenvolvimento mais rápido dão à equipe mais capacidade para manter e estender seus modelos de preços.

"A IA não é escalável sem dados de qualidade", disse Vanessa Aparecida de Oliveira Ramalho, Gerente Sênior do Banco Bradesco. "Quando investimos em uma base governada e reutilizável, deixamos de tratar cada iniciativa como um esforço isolado e começamos a criar um recurso que continua evoluindo."

A Bradesco planeja estender a estrutura em todos os produtos de crédito. A empresa também planeja expandir o uso do Genie Code em engenharia e dar às equipes de negócios mais autonomia para explorar simulações com Genie Agents. Sua direção de longo prazo é avançar para decisões suportadas por agentes de IA que operam com dados governados. A Databricks continuará sendo fundamental para a conexão entre dados, modelos e decisões de negócios.

Perguntas frequentes: como o Banco Bradesco usa o Genie Code e o machine learning para precificação de crédito

Os modelos de demanda estimam a elasticidade de preço e a probabilidade de que um cliente aceite uma oferta de crédito. Um solver de otimização do Python usa essas estimativas, parâmetros definidos por negócios e restrições para otimizar as taxas em todos os segmentos de clientes. A otimização é executada na Databricks e gera um fator que alimenta as tabelas de decisão usadas com preços em tempo real, com decisões finais sujeitas à validação de negócios.