Toda equipe de dados que trabalha com Open Finance chega à mesma conclusão em algum momento: ter acesso a milhares de transações categorizadas não é o mesmo que ter um modelo de risco melhor. A categorização organiza o dado. Mas transformar "o cliente gastou X em delivery" em uma variável que realmente separa bons e maus pagadores exige uma camada adicional de engenharia.
Esse é o problema prático que esse artigo aborda: entre todas as categorias e subcategorias que dá para extrair de uma conta bancária, quais de fato carregam poder preditivo sobre inadimplência, e quais parecem relevantes mas não entregam sinal?
Categorização de transações é o mesmo que engenharia de variáveis?
A Belvo categoriza transações em 15 categorias principais e 94 subcategorias, cobrindo desde renda e crédito até apostas e lazer. Isso já resolve um problema real: cada banco descreve uma transação PIX ou um débito automático de um jeito diferente, e sem padronização não existe comparação possível entre carteiras de clientes.
Só que uma lista de categorias, por si só, ainda não é uma variável de risco. "R$340 em delivery no último mês" é um dado. "A proporção de gasto discricionário caiu 40% em relação à média dos três meses anteriores, na mesma janela em que a renda se manteve estável" é um sinal. A diferença entre os dois é a engenharia de variáveis em cima do dado categorizado, o que é exatamente a função de um produto como Indicadores de risco.
Um exemplo simples ilustra isso. Uma fintech de crédito consignado testou, internamente, usar o volume total de transações categorizadas como "lazer" como proxy de risco, partindo da hipótese de que clientes com mais gasto discricionário seriam menos disciplinados financeiramente. O volume absoluto teve correlação fraca com inadimplência. A variável que funcionou foi outra: a variação desse gasto mês a mês combinada com o comportamento do saldo médio. Não era quanto o cliente gastava com lazer, era se esse padrão mudava de forma abrupta perto do vencimento das parcelas.
Quais variáveis de Open Finance realmente preveem a inadimplência?
Analisando o que aparece de forma consistente em modelos de score construídos sobre dados de Open Finance, algumas famílias de variáveis se destacam pela robustez preditiva:
estabilidade e comportamento de renda. Não é apenas o valor da renda, é a regularidade dela: renda que chega em datas previsíveis, de fontes identificáveis, tende a indicar menor risco do que renda irregular ou fragmentada em múltiplos depósitos pequenos.
Evolução de saldo ao longo do tempo. Um saldo médio estável ou crescente ao longo de vários meses diz mais sobre capacidade financeira do que uma fotografia do saldo em um único dia. Quedas recorrentes de saldo próximas ao fim do mês, por outro lado, são um indicador clássico de aperto financeiro.
Uso de cartão de crédito e empréstimos ativos. Utilização alta e crescente do limite de cartão, pagamento de fatura mínima recorrente e abertura simultânea de várias linhas de crédito são padrões associados a maior probabilidade de inadimplência, tanto na literatura de risco de crédito quanto nos dados agregados que a Belvo processa.
Fluxo de caixa líquido, e não apenas entradas ou saídas isoladas. A diferença entre entradas e saídas recorrentes, filtrando transferências internas entre contas do mesmo titular, mostra a capacidade de pagamento real com muito mais precisão do que olhar receitas e despesas separadamente.
Composição de categorias, não volume total gasto. O que a categoria representa dentro do orçamento do cliente importa mais do que o valor absoluto. Um aumento proporcional em categorias como apostas ou empréstimos peer-to-peer, por exemplo, costuma anteceder eventos de inadimplência.
Quais variáveis parecem preditivas mas não funcionam no credit scoring?
Nem toda variável intuitiva se sustenta quando testada. Algumas categorias e métricas que parecem óbvias à primeira vista raramente entregam poder preditivo isolado:
- Gasto total em uma categoria específica, sem normalização. Sem dividir pela renda ou pelo gasto total do cliente, o valor absoluto de uma categoria diz mais sobre o padrão de vida do que sobre risco.
- Saldo em um único ponto no tempo. Um snapshot isolado de saldo é facilmente distorcido por um pagamento recebido no dia anterior à consulta.
- Granularidade de estabelecimento comercial. Saber que o cliente compra no mercado A em vez do mercado B raramente adiciona sinal além do que a categoria de "supermercado" já captura.
- Frequência de transações, isolada de valor. Quantas transações um cliente faz por mês importa pouco se não for cruzada com o tamanho médio de cada uma.
Esses achados variam por segmento e por base de dados, mas o princípio geral se repete: variáveis de nível bruto raramente sobrevivem à validação estatística sem antes passar por normalização, agregação temporal ou combinação com outras variáveis.
O que são indicadores de risco e como eles complementam a categorização?
A categorização entrega o vocabulário. Indicadores de risco entrega a gramática: métricas pré-calculadas de saldo, renda, cartão de crédito, empréstimos, categorias, fluxo de caixa e bens, já estruturadas para alimentar modelos de score, sem que o time de dados precise reconstruir esse pipeline do zero a cada novo caso de uso.
O fluxo completo funciona em quatro etapas:
- Sincronizar: com o consentimento do usuário, a Belvo acessa saldo e histórico de transações da conta conectada.
- Padronizar: os dados transacionais são limpos, filtrados e categorizados via modelos de machine learning.
- Analisar: são geradas métricas avançadas sobre ativos, cartões de crédito, empréstimos, evolução de saldo, fluxo de caixa e transações.
- Alimentar: essas métricas entram direto nos modelos de crédito, o que reduz o tempo entre conexão da conta e decisão automatizada.
Para um time de ciência de dados, isso significa menos tempo escrevendo scripts de limpeza e mais tempo testando hipóteses de modelagem, já que o dado chega padronizado e as variáveis já vêm pré-calculadas a partir da mesma base de categorização.
Quer ver como essas métricas chegam prontas via API? A documentação de indicadores de risco mostra os payloads de saldo, cartão, empréstimos e fluxo de caixa que alimentam modelos de score.
Como validar variáveis de risco antes de colocar em produção?
Algumas práticas ajudam times de dados a separar sinal de ruído ao trabalhar com variáveis derivadas de Open Finance:
- Teste sempre a variável normalizada (proporção, variação percentual) contra a versão bruta antes de decidir qual entra no modelo.
- Avalie a estabilidade da variável ao longo de janelas temporais diferentes. Uma variável que muda de importância de um mês para outro é um sinal de ruído, não de causalidade.
- Combine categorias com métricas de fluxo de caixa e evolução de saldo antes de descartar uma categoria isolada como "não preditiva". Isoladas, muitas variáveis parecem fracas. Combinadas, o padrão aparece.
- Documente a cobertura de mercado da fonte de dados. Uma variável só é confiável na escala da carteira se a categorização por trás dela cobrir a maior parte dos bancos que os clientes usam.
Por que tratar categorização e indicadores de risco como uma camada só?
Times que tratam categorização e indicadores de risco como uma camada só, e não como duas etapas separadas, chegam mais rápido a modelos de score confiáveis. A categorização sozinha organiza a transação. A camada de indicadores de risco é o que transforma essa organização em decisão de crédito.
Se a sua equipe de dados está construindo ou revisando um modelo de score sobre dados de Open Finance, comece pelo guia de indicadores de risco da Belvo, com um passo a passo para criar, iterar e validar modelos usando variáveis já pré-calculadas.
