Antecipar, com 90 dias de vantagem, quais os clientes que v\u00e3o pagar sem atrasos \u00e9 uma capacidade que j\u00e1 pode incorporar na sua opera\u00e7\u00e3o. N\u00e3o se trata de uma proje\u00e7\u00e3o de tend\u00eancia calculada num ERP nem de uma intui\u00e7\u00e3o da equipa comercial: \u00e9 um n\u00famero, calculado fatura a fatura e consolidado por cliente, que se atualiza todas as manh\u00e3s.<\/p>\n
Os indicadores preditivos de risco de cr\u00e9dito<\/strong> s\u00e3o m\u00e9tricas calculadas com Machine Learning a partir do comportamento real de pagamento de cada cliente, que estimam o que vai acontecer \u2014 probabilidade de incumprimento, qualidade de pagamento, capacidade de cr\u00e9dito \u2014 e n\u00e3o descrevem o que aconteceu.<\/p><\/blockquote>\n
Um motor preditivo bem calibrado n\u00e3o lhe diz apenas a quem conv\u00e9m acompanhar de perto: diz-lhe a quem pode vender mais, com quanto cr\u00e9dito e com que n\u00edvel de confian\u00e7a. \u00c9 esta a metodologia que muda quando a \u00e1rea financeira deixa de ser o trav\u00e3o e passa a ser quem impulsiona o crescimento com dados pr\u00f3prios.<\/p>\n
Indicador descritivo e indicador preditivo: a diferen\u00e7a que importa<\/strong><\/h2>\n