O aumento, exponencial, da coleta de dados pessoais permitiram às empresas privadas e às entidades públicas a sua utilização, nas mais variadas finalidades, em uma escala sem precedentes. Os indivíduos são induzidos a ceder as suas informações, contribuindo na transferência a na livre circulação desses dados, como moeda de troca, para organizações nacionais e internacionais. De posse desses dados, empresas que operam com o Score de crédito conseguem angariar informações do histórico financeiro e, com isso, classificar as pessoas, através de rótulos, em “maus ou bons” pagadores. Neste contexto, o presente estudo propõe analisar como o sistema de Score de crédito pode ser impactado pelo uso de big data e pela nova LGPD, bem como sua influência em relação as empresas que operam com crédito e com os tomadores de crédito. Este trabalho foi desenvolvido com base em 411 respondentes utilizando a plataforma Google Forms para explorar essas relações. As regressões logísticas foram realizadas com o auxílio do software SPSS®? com a metodologia Forward Conditional. Em relação a análise por meio do ponto de vista das empresas, foram utilizados quatro modelos inéditos que buscaram analisar as relações no uso do Score de crédito; o custo/benefício em sem usar o Score de crédito; a prática da LGPD no uso do Score de crédito; e as relações entre Score de Crédito, Big Data, LGPD e empréstimos/vendas. Em relação aos tomadores de crédito, foram utilizados dois modelos, também inéditos, que buscaram entender as relações, tanto do endividamento quanto da tomada de crédito. No estudo foi possível verificar a eficiência dos modelos. Apesar da complexidade inerente a cada conceito, é importante observar que estes relacionamentos são recentes, contudo, com a certeza de uma futura consolidação. Sendo assim, este trabalho pode contribuir e proporcionar um melhor entendimento acerca do sistema de Score de crédito.
Comissão Científica
Manolita Correia Lima (ESPM)
Marcelo Rocha e Silva Zorovich (ESPM)
Fabiano Rodrigues (ESPM)
Maria Carolina Conejero (FEI)