Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
Texto Completo: | http://www.repositorio.jesuita.org.br/handle/UNISINOS/10907 |
Resumo: | A presente pesquisa busca encontrar linhas mestras para a construção de um modelo de governança em bancos de dados que, se utilizando de inteligência artificial para tratamento automatizado, seja capaz de corretamente definir o risco de crédito para a instituição financeira. Para isso, o problema foi proposto no sentido de como construir um modelo de governança em bancos de dados de análise de crédito que, utilizando inteligência artificial para decisões automatizadas, permita a correta definição do risco à instituição financeira e esteja adequado à legislação de proteção de dados? Para encontrar respostas possíveis à problemática, se estabeleceu duas hipóteses, sendo a primeira pretérita a análise dos dados, com a recomendação de medidas a serem adotadas na construção do sistema e a segunda relacionada à adequação à regulação de proteção de dados e como isto pode se transformar em oportunidade para a implementação de diferencial competitivo à instituição financeira. No que tange ao objetivo geral, a pesquisa buscou identificar quais ações são adequadas para afastar erros na definição do risco de crédito, bem como que propiciem a captação de valor ainda não apropriado no processo de adequação à legislação protetiva de dados pessoais. A metodologia é de base teórica e descritiva, com pesquisa em livros, periódicos, artigos e publicações acadêmicas e de mercado sobre o tema. Como resultado da pesquisa, em anexo à dissertação, é apresentado um framework com a proposição de medidas adequadas para a construção de bancos de dados de análise de crédito com decisão automatizada, esperando que seja util ao mercado e que permita a adequada interação entre a academia e o setor bancário. |
id |
USIN_ddc5a461397adcbff2c183b4d748d65d |
---|---|
oai_identifier_str |
oai:www.repositorio.jesuita.org.br:UNISINOS/10907 |
network_acronym_str |
USIN |
network_name_str |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
repository_id_str |
|
spelling |
2022-03-16T13:38:03Z2022-03-16T13:38:03Z2022-01-13Submitted by Anna Barbara Alves Beraldine (annabarbara@unisinos.br) on 2022-03-16T13:38:03Z No. of bitstreams: 1 Maique Barbosa de Souza_.pdf: 1785911 bytes, checksum: b90e00b894de240de960d77ca82ed762 (MD5)Made available in DSpace on 2022-03-16T13:38:03Z (GMT). No. of bitstreams: 1 Maique Barbosa de Souza_.pdf: 1785911 bytes, checksum: b90e00b894de240de960d77ca82ed762 (MD5) Previous issue date: 2022-01-13A presente pesquisa busca encontrar linhas mestras para a construção de um modelo de governança em bancos de dados que, se utilizando de inteligência artificial para tratamento automatizado, seja capaz de corretamente definir o risco de crédito para a instituição financeira. Para isso, o problema foi proposto no sentido de como construir um modelo de governança em bancos de dados de análise de crédito que, utilizando inteligência artificial para decisões automatizadas, permita a correta definição do risco à instituição financeira e esteja adequado à legislação de proteção de dados? Para encontrar respostas possíveis à problemática, se estabeleceu duas hipóteses, sendo a primeira pretérita a análise dos dados, com a recomendação de medidas a serem adotadas na construção do sistema e a segunda relacionada à adequação à regulação de proteção de dados e como isto pode se transformar em oportunidade para a implementação de diferencial competitivo à instituição financeira. No que tange ao objetivo geral, a pesquisa buscou identificar quais ações são adequadas para afastar erros na definição do risco de crédito, bem como que propiciem a captação de valor ainda não apropriado no processo de adequação à legislação protetiva de dados pessoais. A metodologia é de base teórica e descritiva, com pesquisa em livros, periódicos, artigos e publicações acadêmicas e de mercado sobre o tema. Como resultado da pesquisa, em anexo à dissertação, é apresentado um framework com a proposição de medidas adequadas para a construção de bancos de dados de análise de crédito com decisão automatizada, esperando que seja util ao mercado e que permita a adequada interação entre a academia e o setor bancário.This research seeks to find guidelines for the construction of a governance model in databases that, using artificial intelligence for automated processing, is capable of correctly defining the credit risk for the financial institution. For this, the problem was proposed in the sense of how to build a governance model in credit analysis databases that, using artificial intelligence for automated decisions, allows the correct definition of risk to the financial institution and is adequate to the protection legislation of Dice? To find possible answers to the problem, two hypotheses were established, the first being the data analysis, with the recommendation of measures to be adopted in the construction of the system and the second related to the adequacy of data protection regulation and how this can be transform it into an opportunity to implement a competitive advantage for the financial institution. With regard to the general objective, the research sought to identify which actions are adequate to avoid errors in the definition of credit risk, as well as which provide for the capture of value that is not yet appropriate in the process of adaptation to the protective legislation for personal data. The methodology is theoretical and descriptive, with research in books, periodicals, articles and academic and market publications on the subject. As a result of the research, attached to the dissertation, a framework is presented with the proposition of adequate measures for the construction of credit analysis databases with automated decision, hoping that it will be useful to the market and that it allows the proper interaction between academia and the banking sector.NenhumaSouza, Maique Barbosa dehttp://lattes.cnpq.br/4750715682048535http://lattes.cnpq.br/9405703849913039Weyermüller, André RafaelUniversidade do Vale do Rio dos SinosPrograma de Pós-Graduação em Direito da Empresa e dos NegóciosUnisinosBrasilEscola de DireitoGovernança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de créditoACCNPQ::Ciências Sociais Aplicadas::DireitoGovernançaInteligência artificialDadosRisco de créditoGovernanceArtificial intelligenceDataCredit riskinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.repositorio.jesuita.org.br/handle/UNISINOS/10907info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)instname:Universidade do Vale do Rio dos Sinos (UNISINOS)instacron:UNISINOSORIGINALMaique Barbosa de Souza_.pdfMaique Barbosa de Souza_.pdfapplication/pdf1785911http://repositorio.jesuita.org.br/bitstream/UNISINOS/10907/1/Maique+Barbosa+de+Souza_.pdfb90e00b894de240de960d77ca82ed762MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82175http://repositorio.jesuita.org.br/bitstream/UNISINOS/10907/2/license.txt320e21f23402402ac4988605e1edd177MD52UNISINOS/109072022-03-16 11:12:18.918oai:www.repositorio.jesuita.org.br:UNISINOS/10907Ck5PVEE6IENPTE9RVUUgQVFVSSBBIFNVQSBQUsOTUFJJQSBMSUNFTsOHQQoKRXN0YSBsaWNlbsOnYSBkZSBleGVtcGxvIMOpIGZvcm5lY2lkYSBhcGVuYXMgcGFyYSBmaW5zIGluZm9ybWF0aXZvcy4KCkxpY2Vuw6dhIERFIERJU1RSSUJVScOHw4NPIE7Dg08tRVhDTFVTSVZBCgpDb20gYSBhcHJlc2VudGHDp8OjbyBkZXN0YSBsaWNlbsOnYSwgdm9jw6ogKG8gYXV0b3IgKGVzKSBvdSBvIHRpdHVsYXIgZG9zIGRpcmVpdG9zIGRlIGF1dG9yKSBjb25jZWRlIMOgIApVbml2ZXJzaWRhZGUgZG8gVmFsZSBkbyBSaW8gZG9zIFNpbm9zIChVTklTSU5PUykgbyBkaXJlaXRvIG7Do28tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsICB0cmFkdXppciAoY29uZm9ybWUgZGVmaW5pZG8gYWJhaXhvKSwgZS9vdSAKZGlzdHJpYnVpciBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gKGluY2x1aW5kbyBvIHJlc3VtbykgcG9yIHRvZG8gbyBtdW5kbyBubyBmb3JtYXRvIGltcHJlc3NvIGUgZWxldHLDtG5pY28gZSAKZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zIMOhdWRpbyBvdSB2w61kZW8uCgpWb2PDqiBjb25jb3JkYSBxdWUgYSBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgcG9kZSwgc2VtIGFsdGVyYXIgbyBjb250ZcO6ZG8sIHRyYW5zcG9yIGEgc3VhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbyAKcGFyYSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gcGFyYSBmaW5zIGRlIHByZXNlcnZhw6fDo28uCgpWb2PDqiB0YW1iw6ltIGNvbmNvcmRhIHF1ZSBhIFNpZ2xhIGRlIFVuaXZlcnNpZGFkZSBwb2RlIG1hbnRlciBtYWlzIGRlIHVtYSBjw7NwaWEgYSBzdWEgdGVzZSBvdSAKZGlzc2VydGHDp8OjbyBwYXJhIGZpbnMgZGUgc2VndXJhbsOnYSwgYmFjay11cCBlIHByZXNlcnZhw6fDo28uCgpWb2PDqiBkZWNsYXJhIHF1ZSBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gw6kgb3JpZ2luYWwgZSBxdWUgdm9jw6ogdGVtIG8gcG9kZXIgZGUgY29uY2VkZXIgb3MgZGlyZWl0b3MgY29udGlkb3MgCm5lc3RhIGxpY2Vuw6dhLiBWb2PDqiB0YW1iw6ltIGRlY2xhcmEgcXVlIG8gZGVww7NzaXRvIGRhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gbsOjbywgcXVlIHNlamEgZGUgc2V1IApjb25oZWNpbWVudG8sIGluZnJpbmdlIGRpcmVpdG9zIGF1dG9yYWlzIGRlIG5pbmd1w6ltLgoKQ2FzbyBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gY29udGVuaGEgbWF0ZXJpYWwgcXVlIHZvY8OqIG7Do28gcG9zc3VpIGEgdGl0dWxhcmlkYWRlIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgdm9jw6ogCmRlY2xhcmEgcXVlIG9idGV2ZSBhIHBlcm1pc3PDo28gaXJyZXN0cml0YSBkbyBkZXRlbnRvciBkb3MgZGlyZWl0b3MgYXV0b3JhaXMgcGFyYSBjb25jZWRlciDDoCBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgCm9zIGRpcmVpdG9zIGFwcmVzZW50YWRvcyBuZXN0YSBsaWNlbsOnYSwgZSBxdWUgZXNzZSBtYXRlcmlhbCBkZSBwcm9wcmllZGFkZSBkZSB0ZXJjZWlyb3MgZXN0w6EgY2xhcmFtZW50ZSAKaWRlbnRpZmljYWRvIGUgcmVjb25oZWNpZG8gbm8gdGV4dG8gb3Ugbm8gY29udGXDumRvIGRhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbyBvcmEgZGVwb3NpdGFkYS4KCkNBU08gQSBURVNFIE9VIERJU1NFUlRBw4fDg08gT1JBIERFUE9TSVRBREEgVEVOSEEgU0lETyBSRVNVTFRBRE8gREUgVU0gUEFUUk9Dw41OSU8gT1UgCkFQT0lPIERFIFVNQSBBR8OKTkNJQSBERSBGT01FTlRPIE9VIE9VVFJPIE9SR0FOSVNNTyBRVUUgTsODTyBTRUpBIEEgU0lHTEEgREUgClVOSVZFUlNJREFERSwgVk9Dw4ogREVDTEFSQSBRVUUgUkVTUEVJVE9VIFRPRE9TIEUgUVVBSVNRVUVSIERJUkVJVE9TIERFIFJFVklTw4NPIENPTU8gClRBTULDiU0gQVMgREVNQUlTIE9CUklHQcOHw5VFUyBFWElHSURBUyBQT1IgQ09OVFJBVE8gT1UgQUNPUkRPLgoKQSBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgc2UgY29tcHJvbWV0ZSBhIGlkZW50aWZpY2FyIGNsYXJhbWVudGUgbyBzZXUgbm9tZSAocykgb3UgbyhzKSBub21lKHMpIGRvKHMpIApkZXRlbnRvcihlcykgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbywgZSBuw6NvIGZhcsOhIHF1YWxxdWVyIGFsdGVyYcOnw6NvLCBhbMOpbSBkYXF1ZWxhcyAKY29uY2VkaWRhcyBwb3IgZXN0YSBsaWNlbsOnYS4KBiblioteca Digital de Teses e Dissertaçõeshttp://www.repositorio.jesuita.org.br/oai/requestopendoar:2022-03-16T14:12:18Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)false |
dc.title.pt_BR.fl_str_mv |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito |
title |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito |
spellingShingle |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito Souza, Maique Barbosa de ACCNPQ::Ciências Sociais Aplicadas::Direito Governança Inteligência artificial Dados Risco de crédito Governance Artificial intelligence Data Credit risk |
title_short |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito |
title_full |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito |
title_fullStr |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito |
title_full_unstemmed |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito |
title_sort |
Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito |
author |
Souza, Maique Barbosa de |
author_facet |
Souza, Maique Barbosa de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4750715682048535 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9405703849913039 |
dc.contributor.author.fl_str_mv |
Souza, Maique Barbosa de |
dc.contributor.advisor1.fl_str_mv |
Weyermüller, André Rafael |
contributor_str_mv |
Weyermüller, André Rafael |
dc.subject.cnpq.fl_str_mv |
ACCNPQ::Ciências Sociais Aplicadas::Direito |
topic |
ACCNPQ::Ciências Sociais Aplicadas::Direito Governança Inteligência artificial Dados Risco de crédito Governance Artificial intelligence Data Credit risk |
dc.subject.por.fl_str_mv |
Governança Inteligência artificial Dados Risco de crédito |
dc.subject.eng.fl_str_mv |
Governance Artificial intelligence Data Credit risk |
description |
A presente pesquisa busca encontrar linhas mestras para a construção de um modelo de governança em bancos de dados que, se utilizando de inteligência artificial para tratamento automatizado, seja capaz de corretamente definir o risco de crédito para a instituição financeira. Para isso, o problema foi proposto no sentido de como construir um modelo de governança em bancos de dados de análise de crédito que, utilizando inteligência artificial para decisões automatizadas, permita a correta definição do risco à instituição financeira e esteja adequado à legislação de proteção de dados? Para encontrar respostas possíveis à problemática, se estabeleceu duas hipóteses, sendo a primeira pretérita a análise dos dados, com a recomendação de medidas a serem adotadas na construção do sistema e a segunda relacionada à adequação à regulação de proteção de dados e como isto pode se transformar em oportunidade para a implementação de diferencial competitivo à instituição financeira. No que tange ao objetivo geral, a pesquisa buscou identificar quais ações são adequadas para afastar erros na definição do risco de crédito, bem como que propiciem a captação de valor ainda não apropriado no processo de adequação à legislação protetiva de dados pessoais. A metodologia é de base teórica e descritiva, com pesquisa em livros, periódicos, artigos e publicações acadêmicas e de mercado sobre o tema. Como resultado da pesquisa, em anexo à dissertação, é apresentado um framework com a proposição de medidas adequadas para a construção de bancos de dados de análise de crédito com decisão automatizada, esperando que seja util ao mercado e que permita a adequada interação entre a academia e o setor bancário. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-03-16T13:38:03Z |
dc.date.available.fl_str_mv |
2022-03-16T13:38:03Z |
dc.date.issued.fl_str_mv |
2022-01-13 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/10907 |
url |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/10907 |
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.publisher.none.fl_str_mv |
Universidade do Vale do Rio dos Sinos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Direito da Empresa e dos Negócios |
dc.publisher.initials.fl_str_mv |
Unisinos |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola de Direito |
publisher.none.fl_str_mv |
Universidade do Vale do Rio dos Sinos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) instname:Universidade do Vale do Rio dos Sinos (UNISINOS) instacron:UNISINOS |
instname_str |
Universidade do Vale do Rio dos Sinos (UNISINOS) |
instacron_str |
UNISINOS |
institution |
UNISINOS |
reponame_str |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
collection |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
bitstream.url.fl_str_mv |
http://repositorio.jesuita.org.br/bitstream/UNISINOS/10907/1/Maique+Barbosa+de+Souza_.pdf http://repositorio.jesuita.org.br/bitstream/UNISINOS/10907/2/license.txt |
bitstream.checksum.fl_str_mv |
b90e00b894de240de960d77ca82ed762 320e21f23402402ac4988605e1edd177 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS) |
repository.mail.fl_str_mv |
|
_version_ |
1801845066479697920 |