Por décadas, a análise de crédito no Brasil dependeu quase exclusivamente do histórico bancário: pagamentos de empréstimos, uso de cartão e eventuais negativações em birôs. Esse modelo ainda orienta boa parte das decisões de concessão, mas deixa de fora informações que hoje ajudam a compor um retrato mais completo do risco de cada cliente.
Entre executivos que acompanham de perto essa transição, Pedro Daniel Magalhães, com atuação em mercado financeiro e crédito estruturado, observa que a ampliação das fontes de dados tem alterado a forma como bancos, fintechs e empresas avaliam a capacidade de pagamento de um tomador. A mudança não elimina o papel do histórico bancário, mas reduz sua centralidade isolada dentro da decisão final.
Por que o histórico bancário deixou de ser suficiente?
O modelo tradicional de score parte de um número reduzido de variáveis: existência de dívidas em aberto, tempo de relacionamento com instituições financeiras e registros de inadimplência. Esse recorte funciona bem para quem já tem produtos bancários ativos há anos, mas ignora uma parcela relevante da população economicamente ativa.
Trabalhadores informais, autônomos, jovens que nunca contrataram um empréstimo e pequenas empresas recém-constituídas costumam ficar de fora desse retrato, mesmo pagando contas em dia e mantendo renda estável. Para esse público, o histórico bancário sozinho tende a subestimar a real capacidade de honrar compromissos, gerando negativas de crédito que não correspondem ao risco efetivo.
Quais dados alternativos entram na conta?
A resposta do mercado a essa lacuna tem sido incorporar dados alternativos: informações que não vêm de birôs de crédito tradicionais, mas de fontes já disponíveis por meio de Open Finance, folha de pagamento e comportamento de consumo. Registros de recebimento de salário, pagamento recorrente de aluguel, contas de consumo e, no caso de empresas, dados fiscais e relacionamento com fornecedores entram nessa categoria.
Pedro Magalhães costuma associar essa mudança à consolidação do Open Finance no país, que passou a permitir o compartilhamento padronizado de dados transacionais entre instituições, mediante autorização do cliente. Movimentações de conta corrente, frequência de recebimento e padrão de gastos ganham peso analítico que antes não existia, complementando balanços patrimoniais que nem sempre são atualizados o suficiente para refletir o momento real de um negócio.
Como esses dados mudam o resultado da análise de crédito?
Quando combinados ao histórico bancário, os dados alternativos tendem a produzir uma análise de crédito mais precisa em dois sentidos. Primeiro, ampliam o número de pessoas e empresas que podem ser avaliadas com algum grau de confiança, incluindo quem antes ficava na chamada zona cinzenta, sem informação suficiente para uma decisão segura em prazo razoável.
Pedro Magalhães aponta um segundo efeito: a redução da dependência de um único indicador em decisões que envolvem risco real. Um tomador com renda estável, mas sem produtos bancários ativos, deixa de ser tratado da mesma forma que alguém sem nenhuma fonte de renda comprovada, o que afeta diretamente taxas de juros, limites de concessão e, em consequência, os indicadores de inadimplência das próprias instituições.
Que critérios devem orientar o uso desses dados?
A ampliação de fontes não substitui critério. Dados alternativos precisam vir de origem verificável e ser tratados com o mesmo rigor metodológico aplicado ao histórico bancário, sob risco de introduzir vieses novos no lugar dos antigos, especialmente quando a fonte de dado não é auditável.
Segundo Pedro Daniel Magalhães, a combinação entre dados tradicionais e alternativos funciona melhor quando cada fonte é usada para o que ela realmente informa, sem tratar nenhuma delas como resposta definitiva sobre a capacidade de pagamento de um cliente. É essa combinação, e não a substituição de um modelo por outro, que tende a moldar a próxima geração de análise de crédito no país.
