RDBU| Repositório Digital da Biblioteca da Unisinos

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

Show simple item record

metadataTrad.dc.contributor.author Souza, Maique Barbosa de;
metadataTrad.dc.contributor.authorLattes http://lattes.cnpq.br/4750715682048535;
metadataTrad.dc.contributor.advisor Weyermüller, André Rafael;
metadataTrad.dc.contributor.advisorLattes http://lattes.cnpq.br/9405703849913039;
metadataTrad.dc.publisher Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.publisher.initials Unisinos;
metadataTrad.dc.publisher.country Brasil;
metadataTrad.dc.publisher.department Escola de Direito;
metadataTrad.dc.language pt_BR;
metadataTrad.dc.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;
metadataTrad.dc.description.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.;
metadataTrad.dc.description.abstract 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.;
metadataTrad.dc.subject Governança; Inteligência artificial; Dados; Risco de crédito; Governance; Artificial intelligence; Data; Credit risk;
metadataTrad.dc.subject.cnpq ACCNPQ::Ciências Sociais Aplicadas::Direito;
metadataTrad.dc.type Dissertação;
metadataTrad.dc.date.issued 2022-01-13;
metadataTrad.dc.description.sponsorship Nenhuma;
metadataTrad.dc.rights openAccess;
metadataTrad.dc.identifier.uri http://www.repositorio.jesuita.org.br/handle/UNISINOS/10907;
metadataTrad.dc.publisher.program Programa de Pós-Graduação em Direito da Empresa e dos Negócios;


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search

Advanced Search

Browse

My Account

Statistics