O documento descreve um estudo para classificar clientes bancários de baixa renda no Brasil com maior risco de inadimplência usando apenas variáveis cadastrais. Uma amostra de 40.000 clientes foi analisada usando técnicas como Random Forest e resultados mostraram que é possível identificar os clientes de maior risco independentemente do canal de atendimento com boa precisão.

1. 
Classificação de clientes
bancários com baixa renda
Felipe Alves Fonseca
Brasil 100% Digital
Seminário sobre Análise de Dados na Administração Pública
Set/2015

2. 1
2
3
4
Contexto
Problema
Metodologia
Resultados
 5
6
Considerações finais
Bibliografia


3. Instituições financeiras
-> Concessão de crédito
Gestão do Risco de crédito
Modelo único x Segmentação
Contexto

4. Classes C, D e E com
mais acesso aos bancos
Necessidade de modelo
específico para esse público
Existência de grupo com
inadimplência elevada
Problema
Inadimplência
300% maior!

5. Identificação feita através do
canal de abertura da c/c
Não é desejável
segmentação por canal
Necessário criar segmentação
que não dependa do canal
Problema
Inadimplência
300% maior!

6. 1
Clientes com renda
inferior à R$ 2500 e
c/c em out/14
2 Amostra pareada de
40.000 clientes
3 13 variáveis
cadastrais
Metodologia
Estado civil
Nível de instrução
Sexo
Indicador União estável
Tipo de residência
Indicador de telefone
fixoIndicador de celular
Região geográfica
Ocupação principal
Natureza da ocupação
Salário líquido
Tempo no emprego
Idade

7. 1
Clientes com renda
inferior à R$ 2500 e
c/c em out/14
2 Amostra pareada de
40.000 clientes
3 13 variáveis
cadastrais
4
Amostra para treino
de 60% e teste 40%
5 Validação feita através
do 10-fold Cross
Validation
6 Técnicas de classificação:
•Random Forest
•Support Vector
Machine
•Regressão Logística
Metodologia

8. AUROC
Teste estatístico
de comparação
das médias da
área sob a curva
ROC das três
técnicas testadas
Resultados
Resultados obtidos nas 10 amostras
de validação

9. Variáveis
Cinco variáveis
mais importantes
nas várias
árvores de
decisão criadas
no Random
Forest
Resultados
Resultados obtidos nas 10 amostras
de validação
Salário
líquido
Tempo de
ocupação
Idade
Ocupação
principal
Tel. Res.
cadastrad
o
Importância

10. AURO
C
VS
Resultados
Resultados obtidos na amostra de
teste
Sensibilidad
e
Acuráci
a
Especificidade

11. Com apenas 14 variáveis, todas cadastrais, foram obtidos
bons resultados
Independente do canal de atendimento, é possível classificar
um cliente como pertencente ao grupo de maior risco assim
que ele abre sua conta, possibilitando uma melhor gestão do
risco e o desenvolvimento de modelos mais especializados.
Random Forest se mostrou a melhor escolha, acertando bem
os clientes com baixa e com alta inadimplência.
Considerações finais

12. • ANDERSON, R. The credit scoring toolkit. Oxford University Press,
2007.
• BREINAN, L. Random forests. Machine Learning, v. 45, p. 5–32, 2011.
• MAKUCH, W. M. The basics of a better application score.
GlenlakePublishing Company, 2001.
• SIDDIQI, M. Credit risk scorecards: Developing and implementing
intelligent credit scoring. Wiley, 2005.
• THOMAS, L. C. Consumer credit models: Pricing, profit, and
portfolios.Oxford University Press, 2009.
• VAPNIK, V. N. The nature of statistical learning theory. Springer,
1995.
• Imagens:
• “poor” by Nicolas Vicent from the Noun Project
• “Bank” by Mark Caron from the Noun Project
• “earn money” by TukTuk Design from the Noun Project
• “Man by Jennifer” Morrow from the Noun Project
Bibliografia

13. Contatos
Felipe Alves Fonseca
felipe.fonseca@bb.com.br
+55 61 3493-2117
Obrigado!