O USO DO BIG DATA NA PREVENÇÃO DE RISCOS E FRAUDES.

- O que é o Big Data?

É uma metodologia ou um conjunto de metodologias cuja finalidade é coletar, armazenar e tratar informações, as quais estão aí, ao nosso redor, e cada vez mais difusas entre os sistemas convencionais de informação e novos sistemas. Podem-se obter dados (informações) em cenários diversos, como por exemplo, em um veículo que esteja ligado à internet e da qual capta informações sobre o trânsito, monitora o tráfego, ou avisa o condutor sobre possíveis problemas ou mesmo indica a necessidade de manutenção e já agenda uma visita à oficina. Pensemos também em uma casa inteligente, cujos eletroeletrônicos se comunicam, como um ar condicionado que, através de sensores, refrigera ou aquece o ambiente com base em informações extraídas da internet sobre o clima atual, o período do ano, a quantidade de pessoas que estejam na casa. Da geladeira que avisa sobre a falta de um produto ou mesmo dá um comando para a compra e entrega de determinado item. Ainda que estes exemplos pareçam demasiados futuristas, é uma realidade em alguns países; é o que se chama atualmente de IoT (em inglês: Internet of Things), internet das coisas.

O Big Data, em suma, não é um software, tampouco um sistema específico, mas um método de se alcançar resultados, prever situações e facilitar a tomada de decisão com base no processamento de grandes volumes de dados[1].

- A informação como ferramenta de previsibilidade

Um dos principais insumos de uma Cia de seguros, por assim dizer, é a informação. Seja no momento da contratação de um seguro, em que o cliente repassa à Cia algumas informações pessoais e detalhes sobre sua rotina, ou quando de um sinistro, em que outras informações se fazem imprescindíveis para a análise quanto à cobertura do evento, a informação permeia todos os negócios de uma Cia. Grande parte dela é utilizada como meio de “prever”, no sentido amplo do termo,[2] situações que podem agravar ou reduzir riscos.

É claro que a previsão aqui indicada tem por base os cálculos atuariais, os quais há muito tempo[3] têm servido às Cias como instrumentos de previsão e de avanço na busca pelo melhor desempenho, melhores resultados econômicos e minoração dos prejuízos. Ainda que saibamos que os riscos suportados por uma Cia de seguros são imprevisíveis, são, contudo, mensuráveis em alguma medida e administráveis. “As técnicas estatísticas, associadas a programas adequados de informática, constituem valiosos instrumentos para a administração (...)”[4] de tais riscos. Esses programas adequados de informática comportam uma séria de mecanismos que, ligados entre si e com metodologia de tratamento de dados, podem ser considerados como Big Data, que, ainda que este não seja efetivamente um sistema na acepção da palavra, tem a finalidade de apurar e tratar dados de fontes diversas.

Dados não fazem sentido quando isolados, pois carecem de significado.[5] Informação, em suma, é algo genérico que, por isso mesmo, indica possibilidade de comunicação, de transmitir conhecimentos, expressar ideias, sentimentos, enfim, informação, e possui significado em contextos estabelecidos. O fato é que a informação na forma de dados é vista atualmente como o produto mais rentável produzido pelos seres humanos. Como disse Maurício Ruiz, CEO da Intel no Brasil, “os dados são o novo petróleo”.[6]

A constante expansão dos negócios digitais é reflexo da inovação em áreas como internet das coisas (IoT), redes sociais, aplicativos de geolocalização e aplicativos diversos em que dados são imputados, lidos, indicando preferências, rotinas, e tudo aquilo que denota o comportamento das pessoas. É nesse complexo sistema de informação que o Big Data surge como instrumento de coleta, armazenamento, processamento e análise dos dados. Esse instrumento ou ferramenta por assim dizer, é também um reflexo ou consequência, quem sabe, de um momento histórico em que as decisões são tomadas em tempo real[7]. Isso quer dizer que os insumos informacionais, mais do que indicar comportamento das pessoas, possibilitam a tomada de decisão no momento em que são apurados, reduzindo as perdas por atraso na decisão.

É dito que estamos na era da informação, logo, permitimo-nos também incluir nesse conceito a ideia de “era da análise” da informação. Sim, o momento atual é caracterizado pela arquitetura do chamado Data Science, ou ciência dos dados, em que o potencial de análise dos dados norteia boa parte das decisões do mundo moderno, porém, também tem sido o calcanhar de Aquiles desta geração. Principalmente pelas questões notórias quanto à privacidade de dados e sua utilização. Alguns maus-exemplos de uso indevido de dados com o intuito de manipulação podem ser vistos no documentário “Privacidade Hackeada”, dos produtores Karim Amer, Jehane Noujaim, Pedro Kos, Geralyn Dreyfous, Judy Korin, distribuídos pela Netflix, ou mesmo no recente documentário de Larissa Rhodes chamado “O dilema das redes”, distribuído pela mesma rede de streaming. Em que pesem as opiniões extremadas quanto à inevitável utilização dos dados para fins perversos, é fato que tais dados também são empregados de forma benéfica nas mais diversas áreas humanas, como nas apurações censitárias, nas análises econômicas e no campo da saúde[8], por exemplo.

- Como prever comportamentos?

Desde Pavlov[9] até Skinner[10], muitas teorias foram formuladas a fim de tentar explicar o que move o ser humano a um determinado comportamento. Estes autores indicam que o comportamento humano é condicionado, o que é relevante em determinadas situações, como dirigir um carro, por exemplo, em que se age muito por reflexo condicionado. Freud disse que nem todos os nossos atos são necessariamente voluntários e racionalizados, mas seguem instintos determinados historicamente[11].

Trazendo a questão para o comportamento de consumo, vemos que predizer um comportamento é fácil ao analisarmos o histórico de compras de uma pessoa, por exemplo. Mesmo uma pesquisa no Google já demanda uma análise do próprio sistema, que, baseado nas pesquisas que a pessoa fez, indica produtos e serviços similares. Com base nesse histórico de pesquisa e em outros dados, é possível que o Big Data possa indicar a um representante comercial, gerente ou diretores, análises estatísticas e demais informações que fundamentem ações de marketing voltadas a atender uma determinada clientela. Ou mesmo indicar detalhes sobre o que os clientes buscam, permitindo que as companhias atuem no ajuste de seus produtos. A obsolescência de produtos e serviços, portanto, é, em nossa atualidade, uma escolha, já que há disponíveis diversas ferramentas que fomentam o ato de inovar, baseando-se em dados concretos de buscas, análise de perfis, relações de consumo entre outros.

Comportamentos que destoam do histórico normal da pessoa também são mensuráveis e analisáveis e, é a partir disso que as Cias de seguro podem se precaver de possíveis fraudes. Ainda que as fraudes seja um problema para a maioria das companhias de seguro, elas, como a maioria dos dados, também são mensuráveis e, por seguirem um padrão, às vezes podem ser previstas. O Big Data pode avaliar diversos cenários e cruzar informações em grande escala, criando dashbords em que são apresentadas as discrepâncias em determinados seguimentos, como aumento de indenizações em determinados ramos ou, períodos em que tais indenizações têm crescido. Também podem ser avaliados os textos dos avisos de sinistro, com a finalidade de avaliar possíveis congruências entre si, o que poderia indicar um padrão não usual. Também os veículos podem ser objeto de melhor escrutínio, sabendo, por exemplo, que o levantamento de informações poderá indicar, por exemplo, que determinadas marcas têm falta constante de peças no mercado, por isso os carros de tais marcas são mais visados quanto a furtos e roubos. Que a reparação de determinada marca tem custo médio mais alto que outras. Que a região não dispõem de muitas oficina ou profissionais para reparação, o que indicará ser a concessionário um dos locais de maior direcionamento, o que aumentará o custo médio. Enfim, diversas são as possibilidade de avaliação nesse quesito comportamental.

Um bom banco de dados atualizado também é ferramenta importante para a análise de comportamentos, pois as informações por ele trazidas podem ser cruzadas com informações de outros bancos de dados públicos ou privados. As seguradoras possuem comunicação entre si em algumas situações, como meio de garantir controle sobre assuntos pertinentes, como clientes envolvidos em sinistros, controle de bonificações, base de dados sobre quem e quanto foi indenizado. Tais informações são preciosas quando tratadas pela metodologia do Big Data, pois podem revelar comportamentos e padrões não vistos em análise microscópica. Por ter uma capacidade digamos “natural” no processo de grande volume de informações, o Big Data pode fornecer um quadro genérico de estatísticas cujo foco dependerá do que as companhias precisam.

- Como a fraude pode ser detectada e mensurada?

Entrecruzamento de informações é uma das possibilidades, a qual é perfeitamente gerenciável por um projeto de Big Data. Seja a partir de dados estatísticos obtidos junto a órgãos externos, como por exemplos os de segurança pública, com estatísticas gerais sobre crimes, regiões em que são cometidos, classes, periodicidade; seja como for, a análise trará elementos amparados em números para que os operadores do seguro possam tomar as decisões mais acertadas. Se uma empresa de transportes, por exemplo, quer evitar que seus veículos sejam interceptados e suas cargas roubadas, poderá cruzar os dados obtidos junto à secretaria de segurança pública, ou mesmo delegacias, e cruzar com informações estatísticas sobre melhores rotas a seguir, horários, com base em análise de dispositivos e sensores de outros veículos ou mesmo de câmeras das estradas, relatórios emitidos pelos departamentos de estradas e rodagem.[12]

Há que diga que as fraudes crescem e se modernizam na mesma proporção em que as companhias investem em sua prevenção. Novas formas de apuração nos dias atuais, como câmeras, análise sobre endividamento do indivíduo e a análise de redes sociais são possibilidades que nem sempre estão à disposição dos fraudadores. O fato é que só esses poucos exemplos aqui citados já seriam suficientes para uma grande amostragem de padrões e tendências de indivíduos. Um projeto estruturado de Big Data poderia tornar praxe a análise desses conteúdos, trazendo informações relevantes para a tomadas de decisão e ações em prol da prevenção de riscos e fraudes, já que através deles é possível mensurar e avaliar a qualidade das interações, dos cenários em que foram produzidos, da veracidade ou não de informações, do padrão ou não de comportamento. As tendências são possivelmente mensuradas em um ambiente de grande coleta e tratamento de informações.

- Como agir com previsibilidade

Relatórios constantes sobre a saúde da carteira de clientes, aliados aos dados de um determinado segmento são instrumentos para a tomada de decisão. Como dito anteriormente, é possível avaliar tendências em um cenário de grande coleta e tratamento de informação, e isso é essencial se a questão não é apenas remediar problemas, mas agir com previsibilidade.

Monitorar o histórico de indenizações e saber se elas seguem padrões ligados a valores, regiões, periodicidades, como também citado anteriormente, podem trazer dados que, em uma primeira análise, alicerçada em grande quantidade de dados, podem indicar tendências ou mesmo demonstrar de imediato algo que pode ser entendido como fora do padrão. Quadrilhas e estelionatários sempre procuram variar suas ações como meio de fugir dos padrões que podem ser facilmente percebidos, por isso a análise de grande quantidade de informações pelo Big Data e o seu entrecruzamento pode mostrar aquilo que nossa mais acurada investigação pode ignorar.

Trazendo a questão para um âmbito importante, o jurídico, vimos que avaliar também as causas que levam à judicialização de processos de sinistro permitem atuar rapidamente sobre tais processos e evitar novas demandas judiciais. Um sistema como a jurimetria, por exemplo, em que se avaliam as probabilidades de um juiz julgar favoravelmente com base nas estatísticas de seus julgados, é uma realidade. Ou seja, o judiciário é visto como um gerador de dados[13] e, como visto até aqui, tudo o que pode gerar dados, pode gerar informação para a tomada de decisão. É claro que todos os dados coletados neste contexto devem ser avaliados de forma ampla, visto que as informações trazidas envolvem períodos diversos, com leis diversas e entendimentos jurisprudenciais que podem ter sido superados. Entretendo, a validade dos dados aqui citados recai justamente no valor de sua previsibilidade. Considerando que o sistema atua na forma de prever padrões de decisão, é sem dúvida um elemento a mais na predição sobre possíveis sentenças, e, a partir disso, adotar táticas de defesa objetivamente mais direcionadas.

Por fim e não esgotando o tema, vimos que a tecnologia é uma grande aliada ao universo das informações que estão aí, sendo geradas a todo instante e, pelas quais, pode-se ter uma configuração ajustada e precisa de comportamentos humanos. Por isso investir em sistemas de tecnologia, como rastreadores, app´s, produtos digitais, além de ser uma forma rentável de manutenção dos negócios e de adaptação aos novos tempos, também tem como contrapartida direta a possibilidade de leitura dos dados que são produzidos por tais sistemas. Esse cenário tecnológico é ampliado e melhorado quando o compartilhamento de informação também existe. Consideremos, por exemplo, a segurança que o compartilhamento de informação traria às seguradoras se, a exemplo dos dois tópicos acima, informações fossem compartilhadas entre elas sobre temas como fraude, riscos, histórico de sinistros? Ainda que isso ocorra atualmente, acontece em nível bem limitado.

Os limites de captação e avaliação de dados encontrarão resistências sociais, políticas e éticas, já que por elas pode-se saber muito sobre o comportamento dos indivíduos. Também o uso inadequado das informações, que atualmente já é uma realidade em muitos casos, vai contrastar com as grandes possibilidades de melhoria em processos, sistemas e na tomada de decisões. Vai viabilizar cada vez mais uma análise centrada em dados concretos, amparando decisões cada vez mais rápidas, em tempo real, permitindo que erros sejam minimizados, custos reduzidos e que pessoas fiquem mais satisfeitas.

[1] A título de curiosidade, companhias como a IBM, Oracle,Tableau e OPD são exemplos de empresas que possuem know-how sobre aplicações em Big Data. [2] Ver com antecipação. 2. Supor, conjecturar, calcular. "prever", in Dicionário Priberam da Língua Portuguesa [em linha], 2008-2020, https://dicionario.pribe

ram.org/prever [consultado em 18-09-2020]. [3] “Embora a compra e venda de garantias para certas atividades tenha origem remota e fosse prática consolidada no que se refere ao comércio marítimo desde o século XV, estas formas rudimentares de securitização do capital não estão em escala de comparação com a indústria que emergiu entre o século XVII e a primeira metade do XVIII, por obra dos mecanismos para cálculo matemático de expectativas então disponíveis, que sinalizam a emergência da técnica contábil, responsável por realizar os prognósticos mais acurados“. (DIETER, Maurício Stegemann. Política Criminal Atuarial – a criminologia do fim da história. UFPR. Tese de doutorado, 2012, p.27. Disponível em: <https://www.google.com.br/search?ei=31ZrX8nKE_zD 5OUPv7O3

mAM&q=Pol%C3%ADtica+Criminal+Atuarial+A+Criminologia+do+fim+da+hist%C3%B3ria&oq=Pol%C3%ADtica+Criminal+Atuarial+A+Criminologia+do+fim+da+hist%C3%B3ria&gs_lcp=CgZwc3ktYWIQAzICCAA6BAgAEEdQ5rFGWIu3RmDKuUZoAXACeAGAAccBiAGsBJIBAzAuM5gBAKABAaABAqoBB2d3cy13aXqwAQDIAQjAAQE&sclient=psy-ab&ved=0ahUKEwi JtsTyuf_rAhX8IbkGHb_ZDTMQ4dUDCA0&uact=5>. Acesso em 23 de set. 2020. [4] CASTANHEIRA, Nelson Pereira. Estatística aplicada a todos os níveis. 2º ed. Curitiba: Intersaberes, 2018, p. 15 [5] https://www.binapratica.com.br/dados-x-informacao#:~:text=Portanto%2C%2

0n%C3%A3o% 20tem%20valor%20algum,forma%20a%20fundamentar%20o%

20conhecimento. [6] https://www.istoedinheiro.com.br/os-dados-sao-o-novo-petroleo/ [7] http://datascienceacademy.com.br/blog/fast-data-a-evolucao-do-big-data/ [8] https://www.cetax.com.br/blog/12-exemplos-de-como-big-data-analytics-na-saude-pode-salvar-vidas/ [9] Ivan Pavlov. Fisiologista pioneiro nos estudos sobre reflexos condicionados e ganhador do Prêmio Nobel em 1904 por suas descobertas no campo digestivo de animais. [10] Assim como Pavlov, Burrhus Frederic Skinner também foi um estudioso do comportamento humano, contudo, ligado à corrente behaviorista atribuída à John B. Watson [11] FREUD, Sigmund. Além do Princípio do Prazer, Psicologia de Grupo e outros trabalhos. Rio de Janeiro: Imago, 2006. p. 47. [12] Ver casos concretos do emprego do Big Data em demandas diversas: https://www.ibe.edu. br/conheca-5-exemplos-de-sucesso-com-o-big-data-nas-empresas/#:~:text=Dados%20estrut urados%20s%C3%A3o%20aqueles%2

0que,Big%20Data%20com%20dados%20estruturados. [13] https://abj.org.br/o-que-e-jurimetria/