Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/33244 |
Resumo: | A implementação do Open Banking foi concebida e patrocinada pelo Banco Central do Brasil com a intenção de fomentar a inovação, a concorrência e o surgimento de novos produtos e serviços no sistema financeiro. Essa iniciativa tem a premissa básica de devolver a propriedade dos dados para os usuários, incentivando a concorrência e novos Modelos de Negócios. As Fintechs encontram no Open Banking uma oportunidade de terem acesso a uma posição completa e em tempo real da vida financeira dos seus clientes e encontram em Machine Learning novas possibilidades de produtos e serviços. Ao procurar padrões em grandes quantidades de dados, os algoritmos de Machine learning criam novas oportunidades para as Fintechs. Assim, o objetivo geral deste trabalho é identificar o papel de Machine Learning nos novos Modelos de Negócios das Fintechs para o aproveitamento das oportunidades do Open Banking. Para isso, foi adotada uma estratégia de pesquisa qualitativa baseada em um estudo de caso múltiplo, estudando como as Fintechs pretendem explorar as oportunidades de uso de Machine Learning. Os resultados indicam novas possibilidades de uso de Machine Learning como uma ferramenta de agregação, predição, recomendação e vendas cruzadas nesse novo ambiente de dados suportados pelo Open Banking, demonstrando como as empresas analisadas fizeram essa implementação. As Fintechs analisadas têm explorado as oportunidades do Open Banking com inovações no crédito e também com a iniciação de pagamentos nas transações baseadas em contexto, aperfeiçoando a jornada do cliente nas mais variadas aplicações do mercado. |
id |
FGV_bcf0b9b239ce98873d29a6b03bf074d9 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/33244 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Nagli, Luiz Sergio DutraEscolas::EAESPLarieira, Claudio Luis CarvalhoCappellozza, AlexandreMarques, Érico VerasAlbertin, Alberto Luiz2023-02-16T14:47:22Z2023-02-16T14:47:22Z2023-01-31https://hdl.handle.net/10438/33244A implementação do Open Banking foi concebida e patrocinada pelo Banco Central do Brasil com a intenção de fomentar a inovação, a concorrência e o surgimento de novos produtos e serviços no sistema financeiro. Essa iniciativa tem a premissa básica de devolver a propriedade dos dados para os usuários, incentivando a concorrência e novos Modelos de Negócios. As Fintechs encontram no Open Banking uma oportunidade de terem acesso a uma posição completa e em tempo real da vida financeira dos seus clientes e encontram em Machine Learning novas possibilidades de produtos e serviços. Ao procurar padrões em grandes quantidades de dados, os algoritmos de Machine learning criam novas oportunidades para as Fintechs. Assim, o objetivo geral deste trabalho é identificar o papel de Machine Learning nos novos Modelos de Negócios das Fintechs para o aproveitamento das oportunidades do Open Banking. Para isso, foi adotada uma estratégia de pesquisa qualitativa baseada em um estudo de caso múltiplo, estudando como as Fintechs pretendem explorar as oportunidades de uso de Machine Learning. Os resultados indicam novas possibilidades de uso de Machine Learning como uma ferramenta de agregação, predição, recomendação e vendas cruzadas nesse novo ambiente de dados suportados pelo Open Banking, demonstrando como as empresas analisadas fizeram essa implementação. As Fintechs analisadas têm explorado as oportunidades do Open Banking com inovações no crédito e também com a iniciação de pagamentos nas transações baseadas em contexto, aperfeiçoando a jornada do cliente nas mais variadas aplicações do mercado.The implementation of Open Banking was conceived and sponsored by the Central Bank of Brazil with the intention of fostering innovation, competition and the emergence of new products and services in the financial system. This initiative has the basic premise of returning data ownership to users, encouraging competition and new Business Models. Fintechs find in Open Banking an opportunity to have access to a complete and real-time position of their customers' financial life and find in Machine Learning new possibilities for products and services. By looking for patterns in large amounts of data, machine learning algorithms create new opportunities for fintechs. Thus, the general objective of this work is to identify the role of Machine Learning in the new Fintech Business Models to take advantage of Open Banking opportunities. For this, a qualitative research strategy based on a multiple case study was adopted, studying how Fintechs intend to explore opportunities for using Machine Learning. The results indicate new possibilities for using Machine Learning as an aggregation, prediction, recommendation and cross-selling tool in this new data environment supported by Open Banking, demonstrating how the analyzed companies made this implementation. The Fintechs analyzed have explored Open Banking opportunities with innovations in credit and also with the initiation of payments in context-based transactions, improving the customer journey in the most varied market applications.porRegulationFintechOpen bankingOpen financeMachine learningRegulaçãoAdministração de empresasEmpresas novasBancos - Inovações tecnológicasSistema bancário livreAprendizado do computadorOpen banking: novas possibilidades para o uso de machine learning nas fintechs brasileirasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVLICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/b89739eb-b9e9-430f-8904-b092075a05ed/downloaddfb340242cced38a6cca06c627998fa1MD52ORIGINALTESE_LUIZNAGLI_FINAL.pdfTESE_LUIZNAGLI_FINAL.pdfPDFapplication/pdf1853097https://repositorio.fgv.br/bitstreams/26b1101b-9cd1-4faa-a630-cb594ad14c64/downloadf5ba9c23c4e727b17fc8d55952f3d567MD51TEXTTESE_LUIZNAGLI_FINAL.pdf.txtTESE_LUIZNAGLI_FINAL.pdf.txtExtracted texttext/plain102893https://repositorio.fgv.br/bitstreams/a0cd0431-1b48-4c31-a50a-2cd362f0457b/downloada7e7db312b91a29701261b55f77a9599MD55THUMBNAILTESE_LUIZNAGLI_FINAL.pdf.jpgTESE_LUIZNAGLI_FINAL.pdf.jpgGenerated Thumbnailimage/jpeg2508https://repositorio.fgv.br/bitstreams/fc39bb58-5cd5-4867-990b-3f29d46c97e2/download4724815f1704921eb4730c13dddf5b16MD5610438/332442023-11-26 01:50:09.652open.accessoai:repositorio.fgv.br:10438/33244https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-26T01:50:09Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras |
title |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras |
spellingShingle |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras Nagli, Luiz Sergio Dutra Regulation Fintech Open banking Open finance Machine learning Regulação Administração de empresas Empresas novas Bancos - Inovações tecnológicas Sistema bancário livre Aprendizado do computador |
title_short |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras |
title_full |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras |
title_fullStr |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras |
title_full_unstemmed |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras |
title_sort |
Open banking: novas possibilidades para o uso de machine learning nas fintechs brasileiras |
author |
Nagli, Luiz Sergio Dutra |
author_facet |
Nagli, Luiz Sergio Dutra |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EAESP |
dc.contributor.member.none.fl_str_mv |
Larieira, Claudio Luis Carvalho Cappellozza, Alexandre Marques, Érico Veras |
dc.contributor.author.fl_str_mv |
Nagli, Luiz Sergio Dutra |
dc.contributor.advisor1.fl_str_mv |
Albertin, Alberto Luiz |
contributor_str_mv |
Albertin, Alberto Luiz |
dc.subject.eng.fl_str_mv |
Regulation |
topic |
Regulation Fintech Open banking Open finance Machine learning Regulação Administração de empresas Empresas novas Bancos - Inovações tecnológicas Sistema bancário livre Aprendizado do computador |
dc.subject.por.fl_str_mv |
Fintech Open banking Open finance Machine learning Regulação |
dc.subject.area.por.fl_str_mv |
Administração de empresas |
dc.subject.bibliodata.por.fl_str_mv |
Empresas novas Bancos - Inovações tecnológicas Sistema bancário livre Aprendizado do computador |
description |
A implementação do Open Banking foi concebida e patrocinada pelo Banco Central do Brasil com a intenção de fomentar a inovação, a concorrência e o surgimento de novos produtos e serviços no sistema financeiro. Essa iniciativa tem a premissa básica de devolver a propriedade dos dados para os usuários, incentivando a concorrência e novos Modelos de Negócios. As Fintechs encontram no Open Banking uma oportunidade de terem acesso a uma posição completa e em tempo real da vida financeira dos seus clientes e encontram em Machine Learning novas possibilidades de produtos e serviços. Ao procurar padrões em grandes quantidades de dados, os algoritmos de Machine learning criam novas oportunidades para as Fintechs. Assim, o objetivo geral deste trabalho é identificar o papel de Machine Learning nos novos Modelos de Negócios das Fintechs para o aproveitamento das oportunidades do Open Banking. Para isso, foi adotada uma estratégia de pesquisa qualitativa baseada em um estudo de caso múltiplo, estudando como as Fintechs pretendem explorar as oportunidades de uso de Machine Learning. Os resultados indicam novas possibilidades de uso de Machine Learning como uma ferramenta de agregação, predição, recomendação e vendas cruzadas nesse novo ambiente de dados suportados pelo Open Banking, demonstrando como as empresas analisadas fizeram essa implementação. As Fintechs analisadas têm explorado as oportunidades do Open Banking com inovações no crédito e também com a iniciação de pagamentos nas transações baseadas em contexto, aperfeiçoando a jornada do cliente nas mais variadas aplicações do mercado. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-02-16T14:47:22Z |
dc.date.available.fl_str_mv |
2023-02-16T14:47:22Z |
dc.date.issued.fl_str_mv |
2023-01-31 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/33244 |
url |
https://hdl.handle.net/10438/33244 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/b89739eb-b9e9-430f-8904-b092075a05ed/download https://repositorio.fgv.br/bitstreams/26b1101b-9cd1-4faa-a630-cb594ad14c64/download https://repositorio.fgv.br/bitstreams/a0cd0431-1b48-4c31-a50a-2cd362f0457b/download https://repositorio.fgv.br/bitstreams/fc39bb58-5cd5-4867-990b-3f29d46c97e2/download |
bitstream.checksum.fl_str_mv |
dfb340242cced38a6cca06c627998fa1 f5ba9c23c4e727b17fc8d55952f3d567 a7e7db312b91a29701261b55f77a9599 4724815f1704921eb4730c13dddf5b16 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1810023789139853312 |