Alta Tecnologia

Aplicação de Advanced Analytics na Previsão do provisionamento para custos judiciais

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin iaculis turpis nibh, ac molestie tortor pulvinar ac. Mauris vitae

Aliando processos de engenharia de dados, técnicas de machine learning e apresentação de dados através de dashboards, a Jump Label possibilitou que o cliente identificasse processos em que existe maior propensão de incorrerem em gastos judiciais, incluindo uma previsão de qual seriam os valores em questão.

Problema

O cliente, uma grande empresa no ramo financeiro, estava fazendo um planejamento impreciso de provisionamento para custos judiciais. O valor provisionado estava ficando muito abaixo ou muito acima, dependendo do ano analisado, do valor realmente utilizado para esse fim.

Desafio

  • Permitir ao usuário identificar quais fatores levam um processo a gerar despesas judiciais;
  • Levar mais informações ao usuário sobre os fatores que influenciam o valor gasto para esses custos;
  • Dar visibilidade sobre o valor necessário para provisionamento para maior assertividade no planejamento anual.

Soluções

  • Geração de um SCORE para indicar processos que apresentam maior chance de gerar um custo judicial;
  • Análise de resultados através do histórico de dados;
  • Criação de Dashboards para acompanhamento do valor provisionado e o valor real necessário para tal finalidade.

Benefícios

Através de Dashboards e análises utilizando técnicas de Machine Learning a Jump Label ofereceu a seu cliente a possibilidade de provisionar verba de forma mais efetiva e precisa – nem muito acima ou abaixo – possibilitando que essa renda fosse melhor utilizada para outros fins do negócio.

É possível que a instituição estude os fatores que influenciam os processos a gerarem esse tipo de custo e realizarem ações para tentar reduzir esses casos.