powered by
desafio ativo
Rastrear, explicar e conter desvios no fechamento D-1
status
crítico
Requisito do desafio
People-first
Future-proof
AI-driven
Mentores
Relationship Developer
Analista de Marketing
CFO & Especialista em IA
Founder - GZero
Founder - GZero
CDO
Head of Design
CEO Loomi
Revenue Analytics
Anomaly Detection
Time Series Forecasting
Multivariate Statistical Analysis
Data Architecture for Financial Systems
Explainable AI and Interpretability
Root Cause Analysis
Traffic Pattern Recognition
Financial Risk Classification
Real-Time Data Processing
Dashboard and Decision Support Design
Process Mining
Pricing and Tariff Strategy
Payment Systems Integration
Data Quality Management
Operational Diagnostics
Decision Support System Design
Change Management
Regulatory Compliance and Auditability
Performance Analytics and Monitoring
A missão
Contexto
A EcoRodovias opera hoje 12 concessões, com 73 praças de pedágio e 8 pórticos de Free Flow, lidando com diferentes perfis de tráfego, sazonalidade e meios de pagamento. O volume diário gira em torno de 1,2 milhão de veículos, com projeção de crescimento para 2,16 milhões até setembro de 2028. Nesse cenário de escala e complexidade, Gestão de Arrecadação e Atendimento ao Usuário precisam de um fechamento diário (D-1) mais estruturado e previsível para identificar e explicar variações relevantes de tráfego e receita.
Problema
No fechamento D-1, surgem diferenças relevantes que não se explicam apenas pela variação do tráfego total, como arrecadação incompatível com o volume por categoria, mudanças inesperadas no mix categoria × meio de pagamento e oscilações atípicas de isenções/liminares. Também são comuns divergências entre tráfego e arrecadação (total e por categoria) e entre arrecadação por meio de pagamento e o comportamento histórico esperado. Hoje, identificar e analisar essas distorções depende de processos manuais, demorados e pouco padronizados, o que atrasa decisões e aumenta riscos operacionais, financeiros e regulatórios.
Desafio
Desenvolver uma solução com análise avançada de dados e automação para transformar o D-1 em um processo estruturado, explicável e orientado à decisão. A solução deve apontar rapidamente onde ocorreu o desvio, a provável causa e o impacto associado, priorizando o que exige ação imediata.
Objetivo (O)
Eliminar surpresas relevantes na arrecadação diária, garantindo visibilidade, explicação e ação rápida sobre desvios de receita em D-1.
Resultados-Chave (KRs)
KR1. Detectar automaticamente 100% dos desvios relevantes de arrecadação em D-1, considerando tráfego, categorias e meios de pagamento.
KR2. Explicar a provável causa de ao menos 90% dos desvios identificados, de forma clara, rastreável e defensável.
KR3. Reduzir em 50% o tempo médio entre a identificação do desvio e a definição da ação corretiva.
KR4. Reduzir em 40% as perdas recorrentes associadas a erros de classificação, meios de pagamento ou falhas operacionais.
KR5. Garantir que 100% dos desvios com impacto material sejam priorizados e tratados com ação registrada e acompanhável.
Leia o desafio na íntegra
Fabio Trugillo
Diretor Planejamento Controles
Financial Planning and Control
Data-Driven Decision Making
Strategic Business Management
Hugo Rafael Mitz
Diretor Controladoria
Controllership and Financial Oversight
Governance and Internal Controls
Financial Systems Management
Camilo Gomes
Superintendente Finanças
Financial Markets and Capital Structure
Strategic Financial Planning
Investor Communications
Luciano De Moraes
Gerente Gestao Arrecadação
Revenue Management Expertise
Payment Systems Innovation
Operational Excellence
