Empresas | Demanda por Crédito

Variação acumulada no ano 7,9%

Variação mensal 4,6%

Consumidor | Demanda por Crédito

Variação acumulada no ano 8,0%

Variação mensal 7,4%

Empresas | Recuperação de Crédito

Percentual médio no ano 39,8%

Percentual no mês 38,7%

Consumidor | Recuperação de Crédito

Percentual médio no ano 56,7%

Percentual no mês 57,2%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.280,32

Pontualidade do pagamento 77,9%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 406,18

Pontualidade do pagamento 83,6%

Veículos | Cadastro Positivo

Ticket Médio R$ 406,18

Pontualidade do pagamento 83,6%

Consignado | Cadastro Positivo

Ticket Médio R$ 268,83

Pontualidade do pagamento 93,9%

Tentativas de Fraudes

Acumulado no ano (em milhões) 6,94

No mês (em milhões) 1,15

Empresas | Inadimplência

Variação Anual 15,9%

No mês (em milhões) 8,0

MPEs | Inadimplência

Variação Anual 16,4%

No mês (em milhões) 7,6

Consumidor | Inadimplência

Percentual da população adulta 48,3%%

No mês (em milhões) 78,8

Atividade do Comércio

Variação acumulada no ano 4,2%

Variação mensal -1,5%

Falência Requerida

Acumulado no ano 236

No mês 61

Recuperação Judicial Requerida

Acumulado no ano 638

No mês 167

Empresas | Demanda por Crédito

Variação acumulada no ano 7,9%

Variação mensal 4,6%

Consumidor | Demanda por Crédito

Variação acumulada no ano 8,0%

Variação mensal 7,4%

Empresas | Recuperação de Crédito

Percentual médio no ano 39,8%

Percentual no mês 38,7%

Consumidor | Recuperação de Crédito

Percentual médio no ano 56,7%

Percentual no mês 57,2%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.280,32

Pontualidade do pagamento 77,9%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 406,18

Pontualidade do pagamento 83,6%

Veículos | Cadastro Positivo

Ticket Médio R$ 406,18

Pontualidade do pagamento 83,6%

Consignado | Cadastro Positivo

Ticket Médio R$ 268,83

Pontualidade do pagamento 93,9%

Tentativas de Fraudes

Acumulado no ano (em milhões) 6,94

No mês (em milhões) 1,15

Empresas | Inadimplência

Variação Anual 15,9%

No mês (em milhões) 8,0

MPEs | Inadimplência

Variação Anual 16,4%

No mês (em milhões) 7,6

Consumidor | Inadimplência

Percentual da população adulta 48,3%%

No mês (em milhões) 78,8

Atividade do Comércio

Variação acumulada no ano 4,2%

Variação mensal -1,5%

Falência Requerida

Acumulado no ano 236

No mês 61

Recuperação Judicial Requerida

Acumulado no ano 638

No mês 167

Crédito

Quando combinar dados internos e externos na análise de crédito?

Descubra o momento ideal para unir dados internos e externos e ganhar precisão na análise de crédito.

Quando combinar dados internos e externos na análise de crédito?

Ao implantar políticas de crédito de qualidade, que ao mesmo tempo minimizem os riscos e correspondam às expectativas de vendas de uma empresa, as áreas de crédito se deparam com variáveis desafiadoras para a tomada de decisão, entre elas a de ter a melhor informação. No contexto da análise de crédito, a combinação ideal de dados internos e externos é uma das escolhas mais estratégicas a se fazer. A efetividade dessa política depende diretamente da quantidade e da profundidade das informações dos clientes. Afinal, como aproveitar melhor os dados externos e combiná-los com os dados internos? Como encontrar o melhor equilíbrio para a concessão de crédito? Convidamos Rodrigo de Deus, especialista em Serviços de Crédito da Serasa Experian para responder algumas perguntas.

Dados internos e externos: conheça algumas combinações

Segundo Rodrigo, a combinação de dados internos e externos para concessão de crédito depende da área de atuação da empresa e das informações à disposição. Bancos e financeiras, por exemplo, têm acesso a dados internos relacionados à movimentação de conta, renda, comportamento e poder de compra do cliente.  Uma loja de eletrônicos não costuma ter essas informações. Além do mais, quanto menor a quantidade de informação sobre o cliente, maior a necessidade da empresa recorrer a dados externos. O valor da transação também pode ser um fator determinante na hora de decidir a quais dados recorrer. Pode ser que não valha a pena investir na consulta a dados externos para analisar uma transação de tíquete baixo, por exemplo, mas isso somente quando se tem algum dado interno do cliente em análise. Em todos os casos, a análise de dados costuma  variar para clientes novos e os clientes antigos. "Do cliente novo, você só tem os dados externos para trabalhar. O principal deles é o Score, com a situação atual e o histórico desse cliente", afirma Rodrigo. Já para os clientes antigos, vale avaliar uma série de dados internos já obtidos pela empresa, além do Score. Mas o que ocorre na prática é que muitas grandes empresas trabalham apenas os dados internos para este tipo de análise. O histórico de pagamentos, a pontualidade e os comprovantes de renda obtidos anteriormente são alguns exemplos de dados internos a serem explorados. "É necessário considerar se o cliente já gerou despesas anteriores com escritórios de cobrança e quanto tempo levou para pagar essas dívidas, por exemplo", explica o especialista.

Usando o Score para uma análise de crédito acurada 

Os relatórios de crédito garantem uma acurácia muito maior para qualquer análise por si só e quando combinados com dados internos isso é potencializado. Utilizando soluções externas é possível conferir desde dados cadastrais até informações restritivas. Dependendo do fornecedor contratado, o nível de detalhamento pode chegar até em histórico de pedidos de crédito com informações de frequência e valores. Também é possível saber se existe algum financiamento em aberto e qual o seu status, além de quanto tempo uma dívida está em aberto e quem é o credor. Relatórios que contam com um bloco de informação de Score são mais precisos ainda, pois trata-se de um modelo preditivo. Ele mostra a situação financeira de uma empresa ou pessoa física naquele momento e quais as chances de inadimplência futura, facilitando e tornando a análise muito mais segura. Vale lembrar que os bureaus de crédito podem utilizar técnicas de scoragem para prever informações extras como renda, comprometimento e também a capacidade mensal de pagamento de cada cliente. Cabe à empresa definir o nível de análise que ela quer chegar.

Feedback do Artigo

Este conteúdo foi útil

Leia também

Thubmnail Pix Parcelado com CaaS: como criar solução de crédito personalizada

Pix Parcelado com CaaS: como criar solução de crédito personalizada

Ofereça Pix Parcelado com sua marca usando CaaS. Saiba como criar esteiras de crédito e aumentar receita com BNPL e APIs integradas.

Thubmnail Detector de IA - 16 alternativas para conferir plágio e identificar a inteligência artificial

Detector de IA - 16 alternativas para conferir plágio e identificar a inteligência artificial

Veja 16 ferramentas que ajudam a identificar textos gerados por IA, conferir originalidade e proteger a integridade acadêmica e corporativa.

Thubmnail Agentes autônomos de IA: o que são e como funcionam?

Agentes autônomos de IA: o que são e como funcionam?

Como agentes de IA executam tarefas complexas com autonomia, aprendizado contínuo e impacto direto na produtividade das empresas. Saiba mais!

Thubmnail Scores de Fraude Serasa Experian: a nova geração de dados pós-ClearSale

Scores de Fraude Serasa Experian: a nova geração de dados pós-ClearSale

Descubra como a unificação dos dados e modelos das duas gigantes da identificação e prevenção à fraude melhora a detecção de fraudes e protege seus negócios.

Thubmnail Humanizador de IA: 10 opções de ferramentas para usar

Humanizador de IA: 10 opções de ferramentas para usar

TEF: Veja 10 ferramentas que tornam textos de IA mais empáticos e fluidos, mantendo coerência, estilo e identidade da marca em qualquer comunicação.

Thubmnail Pódio em dobro: Serasa Experian conquista troféus no Best Performance 2025

Pódio em dobro: Serasa Experian conquista troféus no Best Performance 2025

Conheça as soluções premiadas da Serasa Experian em crédito e prevenção à fraude, que comprovam que inovação e dados mudam a vida de pessoas e empresas.