Emprestar dinheiro é vender um produto cujo custo você só descobre depois. Toda fintech de crédito pessoal vive nessa tensão: apertar a aprovação trava o crescimento da carteira; afrouxar deixa o risco comer a rentabilidade. Este é o início de um projeto que atravessa essa tensão com dados — e termina numa decisão de aprovação economicamente defensável.
O case usa uma fintech fictícia — a Aurora Crédito Digital — sobre uma base pública de risco de crédito de 150 mil solicitantes. A arquitetura, o código e todos os números são reais.
O problema
A Aurora é uma fintech de crédito pessoal não garantido — sem imóvel, sem veículo, sem nada atrás para executar se o cliente não pagar. O prejuízo de um calote é o valor emprestado inteiro. Em troca, a operação precisa crescer.
A pergunta do projeto é objetiva: qual a probabilidade de este solicitante ficar 90 ou mais dias em atraso nos próximos dois anos? E, a partir dela, qual política de aprovação custa menos para a empresa do que a política em vigor.
Por que 90 dias e por que dois anos
Esses dois números não são arbitrários — são a definição operacional de inadimplência no mercado de crédito. Noventa dias de atraso (90+ DPD) é o marco em que a recuperação despenca e a provisão entra. Dois anos é a janela em que o comportamento do cliente já se revelou. Definir o alvo assim é o que transforma "prever calote" — que é um desejo — em um problema de classificação com resposta verificável no histórico.
O que vem pela frente
A série percorre o ciclo completo, na ordem em que ele acontece de verdade:
- Negócio — traduzir o pedido em um problema de dados, com critério de sucesso e custo de erro definidos antes de qualquer código.
- Dados — conhecer a base, incluindo as armadilhas que quase custaram 2.950 clientes com 40% de inadimplência.
- Preparação — tratar, criar features e montar um pipeline onde o vazamento é impossível por construção.
- Modelagem — cinco candidatos, da linha de base ao boosting, com validação cruzada honesta.
- Avaliação — descobrir se a diferença entre dois modelos é real ou é ruído.
- Decisão e implantação — explicabilidade, ponto de corte por custo e o modelo chegando a quem decide.
Um detalhe que define o tom da série: em crédito, o modelo não pode ser uma caixa-preta. A decisão afeta a vida de uma pessoa e precisa ser auditável. Explicabilidade aqui não é enfeite — é requisito.
Parte 1 de 12 da série Aurora — um modelo de risco de crédito do zero ao deploy. O mapa completo da série reúne todas as partes e os números finais. Veja também a documentação técnica e o código no GitHub ↗.