TOMADA DE DECISÃO BASEADA EM DADOS: UM ESTUDO DE CASO NA EMPRESA DE COBRANÇA EDUCACIONAL VOZ LTDA

REGISTRO DOI: 10.70773/revistatopicos/782853857

RESUMO
As empresas de cobrança lidam diariamente com uma grande quantidade de dados provenientes de seus processos operacionais, como informações de clientes, contratos, pagamentos e inadimplência. Quando analisados de forma adequada, esses dados podem contribuir para a tomada de decisão e para o aprimoramento do desempenho organizacional. Nesse contexto, este trabalho tem como objetivo identificar como as empresas de cobrança podem utilizar a análise de dados para melhorar a gestão de cobrança e aprimorar a tomada de decisões estratégicas. Para isso, foi realizado um estudo de caso em uma empresa de cobrança localizada em Imperatriz, Maranhão, denominada VOZ Ltda. A pesquisa adotou abordagem qualitativa, utilizando como instrumentos de coleta uma entrevista semiestruturada com quatro colaboradores e uma observação estruturada dos processos organizacionais. Os resultados indicaram que a empresa utiliza principalmente a análise descritiva para acompanhar indicadores e orientar decisões operacionais. Além disso, constatou-se a necessidade de análises mais aprofundadas e do desenvolvimento de maior criticidade na interpretação dos dados, a fim de fortalecer o processo decisório. Concluiu-se que, embora ainda existam oportunidades de avanço, a análise de dados representa uma ferramenta estratégica para empresas de cobrança, contribuindo para uma gestão mais eficiente e para decisões mais assertivas. 
Palavras-chave: Análise de dados; Gestão de cobrança; tomada de decisão; Indicadores; Estudo de caso.

ABSTRACT
Collection companies deal every day with a large amount of data from their operational processes, like customer information, contracts, payments, and defaults. When analyzed properly, this data can help with decision-making and improving organizational performance. with decision-making and improving. organizational performance. In this context, this paper aims to identify how collection companies can use data analysis to improve collection management and enhance strategic decision-making. To do this, a case study was conducted at a collection company located in Imperatriz, Maranhão, called VOZ Ltda. The research adopted a qualitative approach, using a semi-structured interview with four employees and a structured observation of organizational processes as data collection tools. The results indicated that the company mainly uses descriptive analysis to track indicators and guide operational decisions. Additionally, it was found that there is a need for more in-depth analyses and the development of greater critical thinking in interpreting data, in order to strengthen the decision-making process. It was concluded that, although there are still opportunities for improvement, data analysis is a strategic tool for collection companies, helping them manage more efficiently and make more accurate decisions.
Keywords: Data analysis; Debt management; Decision making; Indicators; Case study.

1. INTRODUÇÃO

O fenômeno da inadimplência educacional apresenta um crescimento relevante, gerando preocupação para os gestores desse segmento. No primeiro semestre de 2024, a taxa de inadimplência no setor de ensino superior privado brasileiro chegou a 9,33%, um aumento de 3,4% em relação ao mesmo período de 2023 (SEMESP, 2024). Esse aumento reflete não apenas nas dificuldades econômicas enfrentadas pelas famílias, mas também os desafios das instituições de ensino em gerenciar eficazmente a recuperação de créditos.

Diante desse cenário, Giosa (1993) reforça que a terceirização na cobrança é uma estratégia de gestão que propicia transformações estruturais nas empresas, a mudanças de cultura, procedimentos, sistemas e controle. Essa prática tem o objetivo principal de melhorar os resultados ao permitir que a organização concentre seus esforços e recursos na atividade principal, delegando tarefas secundárias a especialistas externos.

Segundo Machado (2016) o esforço em cobrar pode acabar mudando o foco da atividade central nas instituições. Assim, empresas especializadas em serviços de cobrança se destacam como aliadas para instituições educacionais, principalmente as que enfrentam um alto índice de inadimplentes. Essa aliança é vantajosa, porque ao terceirizar a gestão de inadimplência, permite que as instituições foquem mais em seu ramo de negócio, ao mesmo tempo em que superam a falta de especialização necessária para lidar com processos de cobrança eficientemente.

Conforme sugere Machado (2016), ao buscar a contratação de tais prestadores de serviços de cobranças, é recomendável priorizar aqueles com experiência no segmento da educação, assegurando maior eficiência e compatibilidade com as necessidades específicas do setor. Nesse contexto, as empresas especializadas em cobrança educacional desempenham um papel fundamental. Mais do que recuperar créditos, essas organizações são responsáveis por propor soluções personalizadas e assegurar que o vínculo entre instituição, os alunos e as suas famílias sejam preservados de forma positiva e respeitosa.

Perante o exposto, é importante salientar como uma cultura orientada por dados, conhecida como data-driven culture, tem se mostrado essencial para as empresas de cobrança. Esse modelo oferece a capacidade de não apenas coletar e estruturar vastas quantidades de informações, mas também convertê-las em percepções práticas que impulsionam a tomada de decisões estratégicas. Ferramentas de Business Intelligence (BI), como o Power BI, têm ganhado destaque por sua capacidade de integrar dados de diferentes fontes e apresentar informações de maneira visual e acessível.

Conforme Marr (2018), os dados são valiosos principalmente por sua habilidade de gerar informações, impulsionando avanços e contribuindo para a melhoria do desempenho organizacional. Assim, em um ambiente cada vez mais competitivo, surge a seguinte questão: como as empresas de cobrança podem utilizar a análise de dados para melhorar a gestão de cobrança e aprimorar tomada de decisões estratégicas?

Com base nisso, a análise de dados surge como uma alternativa estratégica para otimizar a gestão da cobrança educacional. Dessa forma, o objetivo geral deste trabalho é identificar como as empresas de cobrança podem utilizar a análise de dados para melhorar a gestão de cobrança e aprimorar tomada de decisões estratégicas.

Para isso, será realizado um estudo de caso na empresa VOZ, uma empresa especializada em serviços de cobrança no setor educacional, situada em Imperatriz, Maranhão. O trabalho apontará como a empresa utiliza a análise de dados para aprimorar sua gestão de cobrança e aprimorar tomada de decisões estratégicas, demonstrando a aplicação prática da empresa no que tange sua estratégia baseada em uma cultura orientada a dados.

Logo, este estudo não somente ressalta a importância da análise de dados para o setor de cobrança educacional, mas também contribui para a compreensão de como as instituições e empresas do segmento podem se adaptar aos desafios contemporâneos, utilizando informações estratégicas para alcançar melhores resultados e garantir sua competitividade em um mercado em constante transformação.

2. FUNDAMENTAÇÃO TEÓRICA

2.1. Gestão do Conhecimento

Para entender melhor sobre a Gestão de Conhecimento é importante descrever a conjuntura dos termos que engloba o conhecimento. Diante disso, é importante contemplar o significado de dados, informação e conhecimento.

Os dados não possuem um significado próprio. Eles retratam acontecimentos, mas carecem de contexto, interpretação ou julgamentos que possam orientar decisões e ações. Entretanto, os dados são como matérias-primas indispensáveis para a criação da informação (Perrotti, 2004).

De acordo com Davenport e Prusak (2004), os dados são um conjunto de fatos específicos associados a eventos, representados por registros de transações, físicos ou digitais, no ambiente organizacional. Esses registros são inicialmente aleatórios e ganham significados quando se tornam informações com relevância e propósito.

Sob a perspectiva de Silva (2021), a concepção da informação requer que exista um entendimento comum em relação ao dado, intervenção humana, ainda que mínima, e a habilidade de comunicação e colaboração diante da perspectiva de quem recebe a informação.

Choo (2003) afirma que a informação decorre do ambiente externo e é gradualmente incorporada para possibilitar a ação da empresa. Primeiramente, a empresa percebe as informações advindas do ambiente ao seu entorno. Depois, por um processo social, atribuem significados para essas informações, criando assim o contexto necessário para todas suas atividades. Esse processo é crucial para a criação de conhecimento na organização. Além disso, Choo (2003) destaca que o conhecimento individual, que reside na mente das pessoas, precisa ser convertido em um conhecimento que possa ser compartilhado na organização. Essa conversão é crucial para que o conhecimento individual se torne coletivo e possa ser utilizado para promover inovações.

O conhecimento é uma informação que, através da intervenção humana, recebe contexto, significado e interpretação, resultando da síntese de várias informações. (Davenport, 1998).

Na literatura referente ao estudo do conhecimento surgem diversas classificações, entretanto para os estudiosos da Gestão do Conhecimento ele é classificado em tácito e explícito.

Para Nonaka e Takeuchi (2008), o conhecimento explícito é aquele que é facilmente transmitido e formalizado entre os indivíduos, pois sua apresentação é caracterizada por palavras, números e sons, sendo divulgado por meio de dados, fórmulas científicas, manuais e visualmente ou áudio. Já o conhecimento tácito é aquele que abrange intuições, experiências e valores profundamente pessoais, assim dificultando a verbalização desse conhecimento.

Segundo Choo (2003), o conhecimento tácito é aquele ligado à experiência prática e às habilidades pessoais dos indivíduos. Por natureza é difícil de ser difundido e é preciso um longo período para ser aprendido e da realização de uma tarefa, que permite o indivíduo a desenvolver habilidades práticas e intuitivas. Ainda de acordo com Choo (2003), o conhecimento explícito, diferente do tático, é mais fácil de ser comunicado e difundido, pois se utiliza de sistema de símbolos. O conhecimento explícito pode ser baseado em objetos e regras. Quando fundamentado em objetos é codificado por palavras, números e fórmulas ou por equipamentos, modelos e documentos. Já quando é baseado em regras pode ser codificado por normas, rotinas ou procedimentos operacionais padrões.

Nonaka e Takeuchi (2008), em vez de escolher entre os recursos internos da organização e o ambiente, é mais eficaz pensar em ambos ao mesmo tempo. Além disso, os autores afirmam que o conhecimento é gerado quando acontece a interação entre o conhecimento tácito e explícito, além da interação entre a organização e o ambiente.

Dessa forma, Nonaka e Takeuchi (2008) apresentam o modelo SECI para demonstrar o processo de interação entre o conhecimento tácito e explícito, visando apresentar os quatro estágios dessa interação: a socialização, a externalização, a combinação e a internalização.

O primeiro estágio, a socialização, tem como principais características a acumulação e transferência do conhecimento tácito através do compartilhamento de experiências. O próximo passo é a externalização, o qual é a tradução do conhecimento tácito em conhecimento explícito, facilitando o compartilhamento do conhecimento para outros. Ademais, a combinação é o processo pelo qual o conhecimento explícito, tanto externo quanto interno, é combinado, editado e organizado para formar um novo conhecimento complexo e sistemático. Por fim, a internalização se trata da incorporação do conhecimento explícito na organização, e assim se transformando em conhecimento tácito. Isso acontece quando os indivíduos aplicam o conhecimento explícito em suas atividades diárias, tornando-o parte de suas habilidades e práticas (Nonaka e Takeuchi, 2008).

Para Batista et al. (2005), a Gestão do Conhecimento é um processo sistêmico que visa a conexão entre pessoas e a conexão dessas pessoas com o conhecimento necessários para tomar decisões eficazes e criar conhecimentos. Assim, o foco da Gestão do conhecimento não é apenas no compartilhamento do conhecimento, mas na garantia de que ele será usado de forma estratégica para melhoria de desempenho, e gerar inovações na organização.

2.2. Cultura de Dados

As tecnologias digitais transformaram a percepção em relação aos dados, que antes eram difíceis de se obter e de gerenciar, mas agora são gerados em grande volume por diversas fontes, trazendo o desafio da conversão desses dados em informações valiosas (Rogers, 2017). O Big Data é impulsionado por três tendências: o crescimento dos dados não estruturados, o avanço das novas tecnologias para gerenciamento e a compressão desses dados, e, além disso, a possibilidade de computação na nuvem (Rogers, 2017). Essas tendências tornam empresas de todos os tamanhos aptas para aproveitar o grande volume de dados para obter insights e capacidade de competição.

Assim, temos a cultura orientada a dados definida como a capacidade de organizações utilizarem dados como base principal para decisões estratégicas, superando a intuição e opiniões. Esse conceito se alinha à transformação digital, que redefine modelos de negócio, enfatizando a importância de dados como ativos estratégicos e impulsionando organizações a adotarem abordagens analíticas para alcançar diferenciação competitiva no mercado (Rogers, 2017; Kayabay et al., 2022).

Desse modo, a análise é classificada em: a) Análise descritiva, que analisa eventos passados; b) Análise preditiva, que identifica padrões desconhecidos com o auxílio de ferramentas de mineração de dados; c) Análise prescritiva, que automatiza decisões, para capitalizar insights (Davenport, 2013 aput Berndtsson, 2018). Análise avançada, os quais são a junção das análises preditiva e prescritiva, são adotadas pelas organizações visando descobrir e aproveitar novos insights de negócios, exigindo habilidades muitas vezes não disponíveis interna e existe consequentemente a necessidade de contratar cientistas de dados ou consultores especializados (Berndtsson, 2018)

Para Berndtsson (2018), ao adotar uma cultura orientada a dados, as organizações conseguirão entender o processo de ampliação da análise avançada de modo mais amplo e integrado.

A cultura orientada a dados prioriza a tomada de decisão baseada em dados, proporcionando um processo decisório mais rápido e inteligente com base na análise do passado, compreensão do presente e predição do futuro. Assim, surge a Inteligência Analítica de Negócios, conhecida em inglês como Business Intelligence - BI ou Business Intelligence & Analytics - BI&A, como um conjunto de ferramentas e processos que transforma dados em informações úteis para as tomadas de decisões em tempo real, tornando-se essencial para a competitividade através da análise de dados (Pereira, 2023).

Como destaca Batista (2012), quanto mais informações relevantes uma organização possui, mais preparada ela está para tomar decisões assertivas e lidar com os desafios do mercado. Entretanto, o simples acesso às informações não é suficiente; é fundamental tratá-las e estruturá-las de maneira que sejam úteis para o processo decisório (Lima e Lima, 2011).

Nesse contexto, ferramentas de BI emergem como soluções indispensáveis para transformar dados em informações qualificadas. Conforme apontado por Eckerson (2010), o BI engloba processos de coleta, organização, análise e compartilhamento de informações que auxiliam na gestão de negócios. Seu objetivo principal é converter grandes volumes de dados brutos em insights valiosos, capazes de suportar decisões nos níveis estratégico, tático e operacional.

2.3. Gestão do Conhecimento X Cultura de Dados

A junção entre gestão do conhecimento e cultura de dados representa uma estratégia para as organizações que buscam melhorar sua eficiência e competitividade. A gestão do conhecimento, conforme mencionado por Nonaka e Takeuchi (1997), melhora e estrutura o saber organizacional, fazendo diversas mudanças, tais como, transformar informações subentendidas e nítidas em conhecimentos que podem ser compartilhados amplamente. Esse processo é viabilizado por modelos sistemáticos como o modelo SECI (Socialização, Externalização, Combinação e Internalização), o qual desempenha um papel fundamental ao utilizar de conhecimentos individuais em ativos coletivos. Quando este modelo é aplicado estrategicamente, permite que as organizações maximizem o uso de conhecimentos, fortalecendo sua capacidade de inovar e alcançar objetivos organizacionais de forma mais eficiente.

Conjuntamente, Davenport e Prusak (1998) confirmam que a distinção entre dados, informação e conhecimento é essencial para o sucesso da instituição, evidenciando que o conhecimento bem estruturado vira um recurso extremamente valioso na tomada de decisões. Já McAfee e Brynjolfsson (2012) reforçam que organizações orientadas por dados tendem a superar seus concorrentes, colocando sempre em destaque a mentalidade organizacional que valorize análises baseadas em evidências.

Na VOZ ltda, uma empresa dedicada à cobrança educacional, essa integração pode ser implementada ao mapear padrões de inadimplência e desenvolver estratégias de cobrança personalizadas. Ao organizar dados históricos de pagamentos por meio de sistemas de gerenciamento do conhecimento, a empresa pode, então, empregá-los em análises preditivas utilizando ferramentas de visualização e análise de dados, como o Power BI, favorecendo decisões precisas e que estejam em linha com os objetivos organizacionais.

A interação entre gestão de conhecimento e cultura de dados exerce uma influência significativa na eficiência operacional das empresas. Grant (1996) argumenta que o conhecimento é um ativo estratégico que, quando gerido adequadamente, possibilita às empresas alinharem seus processos internos e conquistarem uma vaga competitiva. Essa visão é aprofundada por Liebowitz (1999), que salienta que uma gestão eficaz do conhecimento diminui redundâncias e aumenta a agilidade organizacional.

3. METODOLOGIA

Para alcançar o objetivo desta pesquisa, propôs-se uma abordagem qualitativa, com base em um estudo de caso que permitisse verificar a gestão de cobrança, através da aplicação da cultura de dados em um contexto organizacional específico. Portanto, foi realizado inicialmente uma pesquisa bibliográfica sobre gestão do conhecimento e cultura de dados, seguida de uma pesquisa de campo em uma empresa de cobrança educacional. Com isso, a pesquisa assumiu um caráter exploratório, ao observar que maneira essa cultura orientada por dados impacta as decisões operacionais e estratégicas da empresa estudada e, descritivo, visto que descreve percepções, expectativas e sugestões dos profissionais entrevistados. Durante todas as etapas de desenvolvimento deste artigo acadêmico, utilizou-se a ferramenta de inteligência artificial ChatGPT como apoio auxiliar na organização das ideias, na revisão gramatical e textual, estruturação dos tópicos e refinamento da escrita. Ressalta-se que o uso da ferramenta ocorreu sob supervisão do autor, sendo escolhas metodológicas, análises, interpretações, discussões dos resultados e conclusões de responsabilidade do pesquisador.

Fundamentalmente, a coleta de dados foi realizada a partir de observação estruturada, seguida de entrevistas semiestruturadas. A observação estruturada aconteceu a partir de três momentos presenciais, entre os dias 31 de março e 09 de abril de 2025, nos setores denominados “sucesso do cliente”, “backoffice” e “financeiro”. Durante esses momentos, foram utilizados guias de observação previamente elaborados, conforme apêndice A, visando conhecer melhor os processos relacionados a gestão de cobrança, as decisões operacionais e a comunicação entre setores. As observações foram registradas em relatórios, contendo exemplos práticos e menção às ferramentas utilizadas, como o Power BI, Notion, CRM Interno e Sistemas de Discagem, e foram utilizadas para elaborar as perguntas abertas que conduziram as entrevistas semiestruturadas, conforme apêndice B.

Já as entrevistas semiestruturadas foram realizadas com 4 colaboradores de diferentes níveis hierárquicos. Esses participantes foram selecionados por sua experiência e envolvimento diário com os seguintes setores e funções:

• Assistente do setor de cobrança/backoffice: responsável por auxiliar nas operações diárias de cobrança e pela organização dos dados relacionados aos processos de análise de dados.

• Analista do setor de backoffice: responsável pela análise e o tratamento de dados operacionais, contribuindo para a geração de relatório com insights de desempenho e de monitoramento.

• Geral do setor de cobrança, sucesso e backoffice: responsável por supervisionar os processos de cobrança, sucesso do cliente e backoffice, além de liderar a equipe que lida diretamente com a análise de dados e alinhamento estratégico entre os setores.

• Coordenadora Geral: Responsável por liderar e gerenciar as operações gerais da empresa, com base em dados, assim como, implementar estratégias em níveis corporativos.

A partir dessas escolhas, as entrevistas foram realizadas com cada um e em dias diferentes, com duração média de 30 a 45 minutos, sendo gravadas com a autorização dos participantes para posterior transcrição e análise detalhada. As transcrições foram feitas com o uso do software MAXQDA, ferramenta apropriada para a análise qualitativa de dados. Após a Bardin transcrição, procedeu-se com a codificação manual das respostas, utilizando o Microsoft Excel. Foram atribuídos códigos representativos, como palavras-chave e expressões recorrentes, que refletem as principais percepções dos entrevistados sobre a utilização de dados e ferramentas analíticas na empresa. Para a análise dos dados coletados, foi adotado a técnica de análise de conteúdo que, conforme (2011), pode ser constituída de três etapas: pré-análise, codificação e categorização. No pré-análise, realizou-se uma leitura flutuante das entrevistas, organizando o material coletado e identificando os trechos mais significativos, que foram sendo destacados para uma análise mais profunda.

Partindo para a codificação, cada entrevista foi explorada pergunta por pergunta, buscando identificar padrões e significados a partir das respostas dos participantes. Ou seja, foram atribuídos códigos para as palavras, frases ou expressões que refletissem a abordagem dos entrevistados sobre a utilização dos dados. Entre os códigos atribuídos, destacam-se termos como facilidade com Power BI, dificuldade na interpretação, tomada de decisão mais ágil, integração entre setores, impacto positivo na eficiência operacional e necessidade de maior padronização.

Adiante, os códigos foram agrupados em três categorias analíticas: i) como os dados são utilizados na rotina organizacional? ii) Como melhorar a gestão de cobrança por meios dos dados? E iii) como aprimorar a tomada de decisão? Após essa categorização, foi criada uma tabela síntese, conforme apêndice C, relacionando as perguntas como as respectivas categorias e destacando os trechos mais relevantes de cada entrevista. Por fim, produziram-se três tabelas comparativas por categoria, conforme apêndice D, E F, onde foram analisadas as respostas dos diferentes participantes, permitindo identificar padrões e divergências nas percepções.

Embora a pesquisa tenha proporcionado insights valiosos sobre a utilização de dados na gestão de cobrança, algumas limitações precisam ser destacadas, como o acesso restrito a dados internos, especialmente no que se refere a informações confidenciais e relatórios financeiros detalhados, que podem ter restringido a amplitude da análise. A subjetividade das respostas dos participantes nas entrevistas também aparece como limitação, pois pode refletir diferentes níveis de compreensão e experiência com os dados analisados. Por último, vale destacar que por se tratar de um estudo de caso, não é possível generalizar as percepções e análises realizadas.

4. RESULTADOS E DISCUSSÕES

Os resultados desta seção foram elaborados a partir da análise das entrevistas realizadas com os colaboradores da empresa, associadas às observações dos processos internos da organização. A combinação dessas fontes permitiu identificar padrões recorrentes, práticas organizacionais e a forma como a análise de dados é utilizada na rotina da empresa, especialmente nos processos de cobrança e tomada de decisão.

Para facilitar a compreensão, os resultados foram organizados em três categorias: (I) utilização dos dados na rotina organizacional; (II) contribuições da análise de dados para a gestão da cobrança; e (III) uso das informações no aprimoramento da tomada de decisão. Essas categorias foram definidas com base na técnica de análise de conteúdo e estão diretamente relacionadas ao objetivo do estudo, que busca compreender como as empresas de cobrança podem utilizar a análise de dados para melhorar a gestão de cobrança e aprimorar tomada de decisões estratégicas.

4.1. Como os Dados São Utilizados na Rotina Organizacional

As respostas dos entrevistados mostram que o uso de dados já faz parte da rotina organizacional da empresa. Ao longo das entrevistas, foi frequente a menção ao uso de relatórios, indicadores e dashboards como apoio às decisões operacionais e gerenciais. Expressões como “decisão baseada em dados”, “uso diário de dados” e “metas definidas com base em dados” evidenciam que as informações são parte das atividades desenvolvidas pelos setores da organização.

Outro ponto demonstrado nas entrevistas é que os dados possuem papel importante, sendo utilizados principalmente no acompanhamento de indicadores operacionais, monitoramento das campanhas e definição das prioridades de atendimento. Foi recorrente a percepção de que relatórios e dashboards auxiliam no entendimento do comportamento dos clientes, no acompanhamento dos resultados das negociações e na reorganização das estratégias da equipe.

Os entrevistados relataram que os dados são usados para decisões relacionadas ao redirecionamento de campanhas, escolha dos canais de contato, reorganização das prioridades operacionais, ajustes em políticas de negociação e estratégias voltadas à rematrícula de alunos inadimplentes.

Durante a observação dos processos internos, identificou-se o uso frequente do Power BI como ferramenta de acompanhamento operacional e gerencial. Os dashboards são utilizados para monitorar faturamento, desempenho das campanhas, conversão de negociações, produtividade dos executivos e indicadores relacionados à inadimplência. Também foi observada a integração de diferentes sistemas e ferramentas, como CRM, plataformas de automação de mensagens, discadores automáticos e sistemas internos de controle operacional.

Os colaboradores também relataram que os dados auxiliam no acompanhamento de metas, definição de prioridades e monitoramento do desempenho das equipes. Esse resultado reforça o entendimento de Davenport, Harris e Morison (2010), segundo os quais organizações orientadas por dados tendem a reduzir a subjetividade e aumentar a confiabilidade das decisões por meio do uso de evidências empíricas.

Mesmo com esse avanço, as entrevistas e observações demonstraram que o uso das informações ainda está muito voltado ao acompanhamento de resultados já ocorridos. Na prática, percebe-se predominância de análises descritivas, utilizadas principalmente para monitoramento operacional, sem maior aprofundamento sobre os fatores que explicam os resultados identificados.

Além disso, alguns entrevistados destacaram a necessidade de maior criticidade na interpretação dos indicadores, mostrando que ainda existe espaço para evolução na compreensão das causas que impactam indicadores relevantes, como faturamento, conversão de negociações e desempenho da cobrança.

Diante desse contexto, percebe-se que a organização apresenta características de um estágio intermediário de maturidade analítica. Conforme Berndtsson (2018), a geração de valor a partir dos dados depende da evolução para análises mais sofisticadas, capazes de gerar insights estratégicos. Rogers (2017) complementa que o diferencial competitivo não está apenas na disponibilidade das informações, mas na capacidade de interpretá-las e utilizá-las de forma estratégica.

Assim, embora a empresa já utilize dados de forma recorrente na rotina, observa-se a necessidade de evolução no uso analítico dessas informações, especialmente para ampliar sua contribuição no suporte às decisões estratégicas.

4.2. Como a Análise de Dados Contribui para a Gestão da Cobrança

As respostas dos entrevistados mostram que os pensamentos sobre a ferramenta Power BI são variados. Há um receio na utilização devido à falta de conhecimento que impede melhor compreensão do funcionamento. Percebe-se, portanto, a necessidade de criar um ambiente de aprendizado entre os funcionários, o que reduziria esse receio. Outro ponto importante é o treinamento dos clientes, pois existe demanda para ajudá-los a compreender os indicadores apresentados. Assim, os funcionários precisam entender plenamente os relatórios para poder explicá-los e orientar os clientes sobre o uso da ferramenta.

As entrevistas mostram que, durante as reuniões, o Power BI contribui para a melhoria da gestão de cobrança, oferecendo visualizações rápidas e claras dos principais indicadores. Isso simplifica a interpretação dos relatórios e melhora a eficiência operacional.

Durante a observação dos processos internos, identificou-se que a empresa acompanha indicadores como taxa de conversão por faixa de atraso, tempo médio de recebimento, acordos cumpridos versus cancelados, valores recuperados e desempenho dos canais de atendimento. Essas informações são utilizadas em reuniões gerenciais e no direcionamento das campanhas de cobrança.

Outro aspecto relevante foi a segmentação dos inadimplentes com base em características comportamentais e históricas. A empresa classifica os devedores em perfis como “crônico”, “ocasional” e “mau pagador”, permitindo abordagens diferenciadas conforme o perfil. Essa prática contribui para priorização de contatos, definição de campanhas e melhor direcionamento dos esforços da equipe.

Também se observa o uso de diferentes canais de cobrança, como WhatsApp, telefone, e-mail e campanhas automatizadas. A análise dos resultados permite identificar quais abordagens apresentam melhor desempenho, contribuindo para ajustes contínuos nas estratégias adotadas.

As observações demonstraram que os relatórios gerenciais são usados para reestruturação de campanhas, reorganização das prioridades de contato e definição de estratégias voltadas à recuperação de crédito. Em alguns casos, foram aplicados testes A/B para avaliar a efetividade das abordagens.

Apesar dos avanços, os colaboradores apontaram limitações relacionadas à qualidade das informações e integração de dados entre os setores. Inconsistências, ausência de padronização e dependência de processos manuais ainda dificultam análises mais aprofundadas e reduzem o potencial estratégico.

Dessa forma, a análise de dados já contribui significativamente para a gestão da cobrança, especialmente no monitoramento operacional, segmentação dos inadimplentes e definição das estratégias de contato. Ainda assim, observa-se a necessidade de evolução para análises mais preditivas e integradas, capazes de ampliar a eficiência das ações desenvolvidas pela organização.

4.3. Como os Dados Contribuem para a Tomada de Decisão

As respostas dos entrevistados indicam que os dados exercem papel importante na tomada de decisão. Relatórios, indicadores e dashboards são utilizados como suporte para decisões operacionais e gerenciais, reduzindo a dependência de decisões baseadas apenas na experiência individual.

Outro ponto recorrente nas entrevistas envolve dificuldades com qualidade e padronização dos dados. Colaboradores apontaram problemas decorrentes de lançamentos manuais e inconsistências, percebidos também na observação dos processos internos. Essas limitações comprometem a confiabilidade das análises e dificultam interpretações mais aprofundadas.

A observação mostrou que as análises ocorrem em diferentes frequências. O acompanhamento operacional é diário, enquanto reuniões semanais e mensais são usadas para avaliação de campanhas, revisão de estratégias e definição de prioridades entre setores.

Observou-se forte integração entre áreas como Sucesso do Cliente, Financeiro, Backoffice, TI e diretoria. As informações compartilhadas contribuem para maior alinhamento estratégico e melhor controle das operações. Dashboards filtráveis e bases integradas facilitam o acompanhamento dos indicadores e reduzem retrabalho.

Assim, os resultados mostram que a análise de dados já está presente no processo decisório, mas há oportunidades de evolução no aprofundamento analítico, integração das informações e ampliação do uso estratégico dos dados.

5. CONSIDERAÇÕES FINAIS

Este trabalho teve como objetivo identificar como as empresas de cobrança podem utilizar a análise de dados para melhorar a gestão de cobrança e aprimorar tomada de decisões estratégicas, tendo como objeto de estudo a empresa VOZ. Por se tratar de um estudo de caso, entende-se que não é possível estender as discussões e resultados encontrados como uma regra generalizada; porém, a metodologia utilizada teve como foco observar as especificidades, cruzar com os referencias teóricos e gerar conclusões que pudessem ganhar amplitude.

Portanto, por meio das pesquisas realizadas, verificou-se que a análise de dados já está incorporada à rotina da organização e desempenha papel relevante nos processos de cobrança, monitoramento operacional e tomada de decisão. As entrevistas e observações realizadas demonstraram uso frequente de relatórios, dashboards, indicadores e ferramentas tecnológicas como suporte às atividades desenvolvidas pelos diferentes setores da empresa.

Observou-se que os dados são utilizados para acompanhamento de desempenho, segmentação de inadimplentes, definição de estratégias de cobrança, reorganização de campanhas e apoio às decisões gerenciais. Nesse contexto, ferramentas como Power BI, CRM, automações e plataformas de atendimento contribuem para maior controle operacional, integração entre setores e acompanhamento contínuo dos resultados.

As análises também demonstraram que a utilização de indicadores e a segmentação dos inadimplentes já permitem direcionar campanhas e definir abordagens mais adequadas para cada perfil de cliente. Esse aspecto evidencia que os dados não são utilizados apenas para acompanhamento operacional, mas também como apoio em determinadas decisões estratégicas relacionadas à cobrança.

Por outro lado, tanto as entrevistas quanto as observações realizadas evidenciaram limitações relacionadas à qualidade das informações, padronização dos dados e aprofundamento das análises. Além disso, observou-se a predominância da análise descritiva no processo da empresa. Embora esse tipo de análise seja de suma importância para sintetizar, organizar e descrever um conjunto de dados, seu foco está voltado na concentração de resultados passados e no acompanhamento de indicadores operacionais. Dessa forma, sua utilização isolada pode dificultar a capacidade da organização de antecipar cenários futuros e identificar oportunidade de melhoria.

Outro ponto a ser considerado, apontado por alguns entrevistados, é a falta de uma postura mais crítica na interpretação dos dados. Além da observação dos dados, é indispensável uma investigação mais profunda e a contextualização dessas informações. Assim, os dados podem ser transformados em conhecimento estratégico, gerando valor para a empresa.

Dessa forma, os resultados permitem compreender que a análise de dados exerce papel importante nos processos de cobrança da organização, sendo utilizada no monitoramento operacional, segmentação de inadimplentes, definição de campanhas e suporte à tomada de decisão. Contudo, embora a empresa apresente avanços relevantes na utilização de ferramentas e indicadores, ainda existem oportunidades de evolução relacionadas ao aprofundamento analítico, integração das informações e desenvolvimento de abordagens mais preditivas e estratégicas.

REFERÊNCIAS BIBLIOGRÁFICAS

BATISTA, Fábio Ferreira (2012). Modelo de Gestão do Conhecimento para a Administração Pública Brasileira: Como Implementar a Gestão do Conhecimento para Produzir Resultados em Benefício do Cidadão. Brasilía: IPEA, 2012.

BATISTA, Fábio Ferreira et al. Gestão do conhecimento na administração pública. Texto para discussão N. 1095. IPEA: Brasília, 2005.

BERNDTSSON, M. et al. Becoming a data-driven organisation. 2018.

BERNDTSSON, Mikael. Modern Business Intelligence: Supporting Decision Making and Improving Performance with Information and Analytics. Hoboken: John Wiley & Sons, 2018.

CHOO, Chun Wei. A organização do conhecimento: como as organizações usam a informação para criar significado, construir conhecimento e tomar decisões. Tradução: Eliana Rocha. São Paulo: Editora Senac São Paulo, 2003.

DAVENPORT, T. H.; PRUSAK, L. Conhecimento empresarial: como as organizações gerenciam o seu capital intelectual. Rio de Janeiro (RJ): Campus, 2004.

DAVENPORT, Thomas H. Ecologia da informação: porque só a tecnologia não basta para o sucesso na era da informação. São Paulo: Futura, 1998.

DAVENPORT, Thomas H.; HARRIS, Jeanne G.; MORISON, Robert. Analytics at Work: Smarter Decisions, Better Results. Boston: Harvard Business Review Press, 2010.

DAVENPORT, Thomas H.; PRUSAK, Laurence. Working Knowledge: How Organizations Manage What They Know. Boston: Harvard Business School Press, 1998.

ECKERSON, Wayne W. Performance Dashboards: Measuring, Monitoring, and Managing Your Business. 2. ed. Hoboken: Wiley, 2010.

GIOSA, Lívio A. Terceirização – uma abordagem estratégica. São Paulo: Pioneira, 1993.

GRANT, Robert M. Toward a Knowledge-Based Theory of the Firm. Strategic Management Journal, v. 17, 1996. Disponível em: https://www.jstor.org/stable/2486994.

KAYABAY, K.; GÖKALP, M.; GÖKALP, E.; ERHAN EREN, P.; KOÇYIĞIT, A. Data science roadmapping: an architectural framework for facilitating transformation towards a data-driven organization. Technol. Forecast. Soc. Change, v. 174, 121264, 2022.

LIEBOWITZ, Jay. Knowledge Management Handbook. Boca Raton: CRC Press, 1999.

LIMA, Pedro Calixto Alves de. Políticas públicas de gestão do conhecimento como estratégia de integração com a sociedade. Programa de Pós-Graduação em Ciência da Informação. Escola de Ciência da Informação da Universidade Federal de Minas Gerais, 2010. Disponível em: https://periodicos.ufmg.br/index.php/pci/article/view/22758.

MACHADO, Dorival dos Santos. Redução da inadimplência no setor da educação: práticas eficazes e estratégias que dão certo. São Paulo: SRS Editora, 2016.

MARR, B. Data Strategy: How to Profit from a World of Big Data, Analytics, and the Internet of Things. Kogan Page, 2018.

McAFEE, Andrew; BRYNJOLFSSON, Erik. Big Data: The Management Revolution. Harvard Business Review, 2012. Disponível em: https://hbr.org/2012/10/big-data-the-management-revolution.

NONAKA, Ikujiro; TAKEUCHI, Hirotaka. Gestão do Conhecimento. Tradução: Ana Tharell. Porto Alegre: Bookman, 2008.

NONAKA, Ikujiro; TAKEUCHI, Hirotaka. The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. New York: Oxford University Press, 1997.

PEREIRA, Felipe de Menezes. Cultura Orientada a Dados e Inteligência de Negócios: Avaliação da Maturidade Organizacional. Natal, 2023.

PERROTTI, E. Estrutura organizacional e gestão do conhecimento. Mestrado em Administração. São Paulo: Universidade de São Paulo, 30 jun. 2004.

ROGERS, David L. Transformação digital: repensando o seu negócio para a era digital. 1. ed. São Paulo: DVS Editora, 2017.

SCHMARZO, Bill. Big Data: Understanding How Data Powers Big Business. Indianapolis: Wiley, 2013.

SEMESP. Inadimplência no ensino superior privado atinge 9,33%. Disponível em: https://www.semesp.org.br/imprensa/inadimplencia-no-ensino-superior-privado-atinge-933/. Acesso em: 4 dez. 2024.

SILVA, Flávia. Cultura Orientada a Dados: uma análise das iniciativas na gestão estratégica da Fiocruz. Rio Janeiro: 2021.

APÊNDICE A — GUIA DE OBSERVAÇÃO

Guia de Observação: Organização dos Processos de Cobrança Educacional

1. ESTRUTURA DO CICLO DE COBRANÇA: EMISSÃO DE BOLETOS, CONTATO INICIAL, NEGOCIAÇÕES E ACOMPANHAMENTO

Data: 31/03/2025

Horário de Início: 14h

Horário de Término: 15h

1.1. Emissão de Boletos

A emissão dos boletos é realizada por meio do sistema interno da empresa VOZ Ltda., com adaptações conforme a preferência de cada instituição de ensino contratante. Em algumas situações, os valores pagos pelos responsáveis financeiros são depositados diretamente na conta da instituição de ensino, sendo posteriormente repassada à VOZ a parcela correspondente aos honorários. Para isso, é realizada uma integração bancária entre o banco emissor e o sistema da VOZ. Em outros casos, a cobrança é centralizada na conta da VOZ, permitindo o repasse automático dos valores líquidos à instituição e a retenção imediata dos honorários contratados.

1.2. Contato Inicial com o Devedor

O primeiro contato com o devedor é realizado aproximadamente 30 dias após o vencimento do título. Os meios de contato utilizados incluem WhatsApp (com mensagens programadas ou boots), telefone e e-mail (este último utilizado principalmente como alerta para estimular o contato do cliente). O objetivo desse primeiro contato é notificar sobre a pendência e estimular a busca por uma solução amigável.

1.3. Processo de Negociação

Uma vez estabelecido o contato com o devedor, é iniciada a etapa de negociação, conduzida de forma humanizada e conforme os parâmetros definidos pela instituição de ensino. As opções geralmente incluem pagamento à vista com desconto ou parcelamentos, sendo consideradas as condições individuais de cada caso.

1.4. Monitoramento e Acompanhamento

As equipes de Sucesso do Cliente e Backoffice realizam monitoramento contínuo dos principais indicadores operacionais, com foco na reavaliação e adaptação das estratégias de cobrança. Entre os indicadores observados destacam-se:

• Taxa de conversão por faixa de atraso;

• Tempo médio de recebimento;

• Percentual de títulos regularizados por tipo de abordagem.

Casos com maior valor ou alta probabilidade de conversão recebem prioridade na abordagem. As análises são realizadas através do Power BI, permitindo o direcionamento eficiente dos esforços para os grupos de maior retorno.

2. PERFILAMENTO DE INADIMPLENTES

A VOZ Ltda. realiza a classificação dos inadimplentes com base em dados comportamentais e históricos, o que permite a adoção de abordagens diferenciadas conforme o perfil identificado. Essa segmentação é feita a partir da análise de informações extraídas do Power BI, incluindo:

• Tempo de atraso;

• Valor devido;

• Histórico de renegociações;

• Tentativas de contato;

• Respostas em campanhas anteriores.

Os perfis estabelecidos são:

Crônico: Devedores com histórico recorrente de inadimplência, longos períodos sem pagamento ou rompimento de acordos anteriores. A abordagem é mais incisiva, podendo incluir negativação e protesto.

Ocasional: Indivíduos com atrasos esporádicos, que normalmente regularizam a situação após o primeiro contato. Utiliza-se uma abordagem empática, com foco em facilitação do pagamento.

Mau Pagador: Perfil com baixa taxa de retorno, recusas frequentes e contato dificultado. A estratégia consiste em filtragem de risco e encaminhamento para cobrança judicial ou protesto, quando viável.

Esta classificação orienta a alocação dos recursos e o desenho das campanhas, reduzindo custos operacionais e aumentando a efetividade na recuperação de crédito.

3. USO DE FERRAMENTAS DE DADOS E TECNOLOGIAS

Data: 04/04/2025

Horário de Início: 08h

Horário de Término: 10h

A VOZ Ltda. utiliza diversos relatórios gerenciais gerados no Power BI para subsidiar a tomada de decisão. Os principais relatórios são:

• Relatório de Faturamento: Apresenta o desempenho financeiro da empresa, incluindo metas diárias e mensais, permitindo avaliar a performance dos executivos e sua conversão de atendimentos em faturamento.

• Relatório de Operações: Documento abrangente que contempla a base de inadimplentes, histórico de acordos, situação dos títulos (em aberto, negociado, em cobrança), conversão de negativações e planejamento das campanhas futuras.

Tais relatórios servem como referência tanto para ajustes táticos na cobrança quanto para definições estratégicas, como reestruturação de equipes, ajustes na política de descontos e distribuição de tarefas.

A triagem de mensagens recebidas ocorre por meio da ferramenta FreshDesk, que organiza e direciona os chamados aos respectivos setores:

• Financeiro: Responde a dúvidas sobre repasses e prestação de contas.

• Sucesso do Cliente: Lida com problemas operacionais, como títulos duplicados ou pagamentos indevidos.

• Backoffice: Trata exclusivamente das remessas recebidas em planilhas pelas instituições de ensino.

Para otimizar os processos de cobrança e ampliar os canais de contato com os inadimplentes, a empresa VOZ Ltda. utiliza um conjunto de ferramentas especializadas:

• Chat Guru: Plataforma de automação para envio de mensagens via WhatsApp. Utilizada para disparos em massa de lembretes de pagamento, segunda via de boletos, solicitações de atualização cadastral e campanhas de renegociação. Possui integração com o sistema interno da empresa, permitindo o registro de interações e o acompanhamento em tempo real das respostas dos clientes.

• Crível: Sistema utilizado para a compra de créditos necessários à operação dos discadores telefônicos. Esses créditos possibilitam a realização de chamadas automáticas em larga escala para a base de inadimplentes. O sistema também fornece relatórios de consumo e efetividade, permitindo o controle orçamentário das campanhas.

• Pluri: Ferramenta de discagem automática, que realiza chamadas sequenciais a partir de listas previamente carregadas. Quando um contato atende à chamada, ele é imediatamente redirecionado para um executivo de cobrança, agilizando o processo de atendimento e maximizando o tempo útil dos colaboradores. Essa tecnologia aumenta a produtividade da equipe e contribui para o aumento das conversões em negociações.

A organização interna é gerida pelo Notion, com recursos como:

• Quadro de tarefas para controle de atividades;

• Calendário para prazos e campanhas;

• Base de dados para registros de acordos e interações.

O CRM da empresa complementa o controle com histórico de negociações, status dos títulos e anexos relevantes.

Atualização Cadastral (Enriquecimento de Dados): A VOZ adota rotinas automatizadas e manuais de enriquecimento de dados, com integração a bases externas para validação e atualização de e-mails, endereços e telefones. Disparos automatizados são feitos por WhatsApp e e-mail quando há falha de contato, e números retornados como inválidos são monitorados para nova localização.

4. USO DE DADOS PARA TOMADA DE DECISÃO

Data: 09/04/2025

Horário de Início: 10h

Horário de Término: 12h

Principais Indicadores Utilizados:

• Taxa de conversão por faixa de atraso;

• Tempo médio de recebimento;

• Taxa de acordos cumpridos versus cancelados;

• Valores recuperados versus previstos;

• Indicadores por perfil de devedor;

• Volume de contatos por canal.

Frequência das Análises:

• Diariamente: Acompanhamento de resultados operacionais.

• Semanalmente: Avaliação de campanhas e triagem por atraso.

• Mensalmente: Reuniões gerenciais para avaliação de estratégias com base nos relatórios.

Responsáveis pela Análise:

• Analista de dados (BI): Atualização dos dashboards.

• Sucesso do Cliente: Tomada de decisões operacionais.

• Financeiro: Cruzamento de dados financeiros com operacionais.

• Diretoria: Análise estratégica consolidada.

Ajustes com Base nos Relatórios:

• Redirecionamento de campanhas conforme faixa de atraso;

• Reorganização de prioridades de contato;

• Adoção de novos formatos de abordagem (ex.: WhatsApp vs. telefone);

• Definição de estratégias para rematrícula;

• Realização de testes A/B com diferentes abordagens.

5. INTEGRAÇÃO ENTRE SETORES NA TOMADA DE DECISÃO

A integração entre os setores da VOZ é pautada pela comunicação constante via Notion, e-mail e reuniões de alinhamento.

• Sucesso do Cliente e Backoffice: Colaboração na definição de estratégias e execução de campanhas.

• Sucesso do Cliente e Financeiro: Validação de recebimentos e alinhamento de relatórios.

• Sucesso do Cliente e TI: Integração de sistemas, suporte técnico e ajustes no CRM e Power BI.

Planejamento Colaborativo:

As reuniões mensais promovem o planejamento conjunto entre os setores. Os dashboards compartilhados são filtráveis por setor, e a base de dados é unificada, alimentada por fontes diversas (CRM, planilhas, relatórios). A consistência nas informações e a distribuição de acessos conforme função garantem eficiência e eliminação de retrabalho.

Resultados Esperados

• Identificar pontos fortes e fracos no uso do Power BI.

• Propor melhorias baseadas nas observações.

• Compreender o impacto da ferramenta na eficiência operacional e na tomada de decisão da VOZ Ltda.

APÊNDICE B — ENTREVISTA SEMIESTRUTURADA

1. Como você definiria o que é uma cultura orientada por dados em uma empresa?

2. Na sua visão, quais os principais benefícios de uma cultura orientada por dados para a empresa?

3. Você acha que os dados são levados em conta nas decisões estratégicas e operacionais da empresa?

4. Que tipo de ações ou iniciativas a empresa tem feito para incentivar o uso de dados como base para decisões estratégicas e operacionais?

5. Quais atividades ou tarefas do seu setor foram significativamente aprimoradas com o uso de dados? Por exemplo?

6. Quais são os maiores desafios que você enfrenta ao utilizar dados para melhorar a eficiência operacional?

7. Como os insights gerados a partir da análise de dados tem ajudado você a identificar oportunidades e resolver desafios em suas atividades diárias?

8. De que maneira os dashboards e relatórios do Power BI impactam as reuniões e discussões na sua equipe? Eles contribuem para uma maior clareza ou direcionamento nas decisões?

9. Você enfrenta desafios ou limitações ao interpretar os relatórios, ou gráficos do Power BI? Caso sim, quais seriam e como poderiam ser melhorados?

10. Como o uso do Power BI contribui para a interação entre os diferentes setores da empresa?

11. Quais ações poderiam ser implementadas para incentivar ainda mais o uso do Power BI entre os colaboradores?

12. Na sua visão, quais seriam os próximos passos que a empresa deveria adotar para fortalecer e expandir a cultura de dados em todos os setores?

13. Você acredita que a empresa valoriza decisões baseadas em dados? Como isso é percebido no dia a dia?

APÊNDICE C — CATEGORIAS TABELA SÍNTESE

APÊNDICE D — COMO OS DADOS SÃO UTILIZADOS NA ROTINA ORGANIZACIONAL

APÊNDICE E — COMO MELHORAR A GESTÃO DE COBRANÇA

APÊNDICE F — COMO APRIMORAR AS TOMADAS DE DECISÃO

¹ Discente do Curso Superior de Ciências Contábeis da Universidade Federal do Maranhão Campus Imperatriz. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail

² Discente do Curso Superior de Ciências Contábeis da Universidade Federal do Maranhão Campus Imperatriz. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail