No atual cenário financeiro, a diminuição das taxas de juros tem gerado um notável aumento na demanda por crédito no banco "Super Caja". No entanto, essa crescente demanda tem sobrecarregado a equipe de análise de crédito, que atualmente está imersa em um processo manual ineficiente e demorado para avaliar as inúmeras solicitações de empréstimo.
Realizar a automatização do processo de análise por meio de técnicas avançadas de análise de dados. O objetivo principal é melhorar a eficiência e a precisão na avaliação do risco de crédito, permitindo ao banco tomar decisões informadas sobre a concessão de crédito e reduzir o risco de empréstimos não reembolsáveis. Esta proposta também destaca a integração de uma métrica existente de pagamentos em atraso, fortalecendo assim a capacidade do modelo.
Este conjunto de dados contém dados sobre empréstimos concedidos a um grupo de clientes do banco. Os dados estão divididos em 4 tabelas, a primeira com dados do usuário/cliente, a segunda com dados do tipo empréstimo, a terceira com o comportamento de pagamento desses empréstimos, e a quarta com a informação dos clientes já identificados como inadimplentes.
O conjunto de dados está disponível para download neste link conjunto de dados. Observe que é um arquivo compactado, você terá que descompactá-lo para acessar os arquivos com as tabelas.
Hipótese Confirmada! Ao lado podemos ver que pessoas com idade entre 21 e 41 e entre 41 e 52 anos possuem um perfil de mal pagador, confirmando a hipótese de que quanto mais jovem maior é o risco de inadimplência.
Hipótese Refutada! Pessoas classificadas como maus pagadores são aquelas com uma quantidade de empréstimos ativos entre 1 e 8.
⁉️ 3 - Pessoas que atrasam seus pagamentos por mais de 90 dias correm maior risco de serem maus pagadores.
Hipótese Confirmada! Segundo a análise de risco relativo, pessoas que atrasam seus pagamentos por mais de 90 dias tendem a ser maus pagadores.
Esses insights destacam a complexidade das relações entre os diferentes fatores financeiros e comportamentais dos clientes, sugerindo a necessidade de estratégias personalizadas para cada segmento, visando melhor gestão e mitigação de riscos.
Estas análises fornecem insights valiosos para o Banco Super Caja, permitindo que a instituição:
Aprimore suas estratégias de gerenciamento de risco. Desenvolvam abordagens personalizadas no relacionamento com diferentes perfis de clientes. Implemente medidas preventivas para reduzir a inadimplência. Otimize seus processos de concessão de crédito.
Em suma, este analise se apresenta como uma ferramenta poderosa para a tomada de decisões baseadas em dados, possibilitando uma melhor gestão do negócio e mitigação de riscos financeiros para o Banco Super Caja.
Seria valioso incluir na base de dados informações como o estado civil, o nível de escolaridade e os salários dos clientes nos últimos três meses. Esses dados permitiriam verificar se há variações nos salários a cada mês.
Além disso, manter a base de dados atualizada continuamente é fundamental para aprofundar a análise e desenvolver modelos de Machine Learning mais eficazes.
- Big Query: importei a base de dados em csv.
- Loker Studio: criar dashboard e visualizações.
- SQL no BigQuery
(1) Dashboard - 💻Loker Studio
(2) BigQuery - 💻Big Query
(3) BaseDeDados - ✳️Google Sheets
(4) Ficha Técnica - ✳️Google Docs
Carolyne Oliveira:
