BI para o setor financeiro: o guia de indicadores e dashboards

O relatório de risco chega três dias depois da decisão que ele deveria ter guiado#

Em banco, fintech, cooperativa de crédito ou financeira, o problema quase nunca é falta de dado. É que a carteira mora no core bancário, a captação num sistema, a cobrança em outro, o CRM à parte, e a área de risco só fecha o número da inadimplência do mês depois de cruzar planilhas na unha. Quando o relatório fica pronto, a decisão de política de crédito já foi tomada no escuro. É aí que BI para o setor financeiro deixa de ser projeto de TI e vira infraestrutura de gestão de risco e resultado. Um bom projeto não inventa indicador novo, ele conecta o que já existe e entrega o número certo, com a mesma definição para todo mundo, antes da reunião e não depois.

Este guia é para quem toca risco, controladoria, produtos ou dados em instituições financeiras. Vou ser direto sobre quais indicadores movem decisão, de onde vêm os dados, como o Banco Central e a LGPD moldam o projeto e como montar dashboards que a diretoria abre de verdade.

O setor financeiro é regulado, e isso muda o projeto inteiro#

Antes de qualquer KPI, uma coisa: instituições financeiras são supervisionadas pelo Banco Central do Brasil. Isso não é detalhe jurídico, é premissa de arquitetura. Provisão para devedores duvidosos, classificação de risco das operações de crédito e reporte regulatório seguem regras do regulador, e o número que você mostra no dashboard precisa reconciliar com o que vai para o Bacen. Um BI que produz um valor de inadimplência diferente do contábil não é útil, é passivo.

Some a isso a LGPD, a Lei nº 13.709/2018. Dados de clientes de crédito são dados pessoais, muitos sensíveis quando cruzados com comportamento financeiro. Quem acessa a carteira, quem vê CPF, quem enxerga renda: tudo precisa de controle de acesso, trilha de auditoria e minimização. Governança não é enfeite no fim do projeto, ela entra no desenho do modelo. Se o tema é novo para o time, vale ler antes o guia de governança de dados no Power BI e LGPD, porque no financeiro ele deixa de ser recomendação e vira requisito.

Os indicadores que sustentam a decisão no financeiro#

O erro clássico é começar pela tela do Power BI e só depois descobrir que a definição do indicador está frouxa. No financeiro isso é fatal, porque cada indicador tem uma leitura contábil e regulatória por trás. Defina a fórmula, a data-base e a regra de classificação antes do gráfico. Abaixo estão os KPIs que aparecem em quase todo projeto sério, os que costumam mudar decisão.

Indicador	O que mede	Leitura resumida	Origem típica
Inadimplência / NPL	Peso da carteira vencida e em atraso relevante	Saldo em atraso / Carteira total	Core bancário, cobrança
PDD	Provisão para perdas esperadas de crédito	Provisão por faixa de risco da operação	Contábil, core de crédito
Spread	Diferença entre taxa de aplicação e de captação	Taxa de crédito - Custo de captação	Core, tesouraria
ROA	Retorno sobre o ativo	Lucro líquido / Ativo total	Contábil
ROE	Retorno sobre o patrimônio	Lucro líquido / Patrimônio líquido	Contábil
Índice de eficiência	Custo para gerar receita	Despesas operacionais / Receita	Contábil, orçamento
CAC e LTV	Custo de aquisição e valor do cliente no tempo	CAC = investimento / novos clientes	CRM, marketing, financeiro
Churn	Perda de clientes ou contas ativas	Clientes perdidos / Base inicial	CRM, core

Inadimplência e NPL são o indicador rei, e o mais mal definido#

NPL vem de Non-Performing Loans, operações de crédito que pararam de gerar retorno por atraso relevante. No mercado brasileiro, costuma-se olhar a carteira vencida acima de noventa dias como referência de NPL, mas a instituição pode acompanhar faixas de atraso menores para antecipar tendência. O ponto que derruba muito projeto é misturar conceitos: inadimplência por safra, por faixa de atraso, por produto e por saldo são recortes diferentes do mesmo fenômeno. A inadimplência total esconde deterioração de safras recentes. Por isso um dashboard de crédito sério não mostra um número só, mostra a curva de inadimplência por safra de originação, que revela se a política de concessão está piorando antes de o saldo total acusar.

PDD é onde o BI encosta na contabilidade#

A provisão para devedores duvidosos é a estimativa de perda que a instituição reconhece sobre a carteira, conforme as regras de classificação de risco de crédito do Banco Central. Aqui o BI tem que ser humilde: a PDD oficial é contábil e regulatória. O papel do dashboard não é recalcular a provisão, é dar visibilidade à composição dela, à movimentação de risco entre faixas, à cobertura sobre a carteira vencida e à evolução mês a mês. Quando o número do BI diverge do contábil, a causa quase sempre é data-base ou regra de corte diferente, e reconciliar isso é parte do projeto.

Spread, ROA, ROE e eficiência contam a história do resultado#

Esses quatro traduzem se a instituição ganha dinheiro de forma saudável. O spread mede quanto sobra entre o que se cobra no crédito e o que se paga na captação, antes de custos e perdas. ROA e ROE mostram retorno sobre ativo e sobre patrimônio, e a diferença entre os dois já conta a história da alavancagem. O índice de eficiência, quanto menor melhor, mostra quanto de despesa operacional se queima para gerar receita. Num dashboard executivo, os quatro andam juntos com a inadimplência, porque resultado bom com risco escondido é só um problema adiado.

CAC, LTV e churn são a régua da fintech#

Quem opera modelo digital vive de aquisição e retenção. CAC é o custo de trazer um cliente, LTV é o valor que ele gera ao longo da relação, e a conta só fecha quando o LTV supera o CAC com folga e num prazo que o caixa aguenta. Churn, a perda de clientes ou de contas ativas, é o vazamento que corrói o LTV. O detalhe honesto: definir cliente ativo é decisão de negócio, não de dado. Conta com saldo? Transação nos últimos trinta dias? Essa definição precisa estar no modelo, documentada, senão cada área calcula um churn diferente.

De onde vêm os dados e como conectar sem virar caos#

O desafio técnico do financeiro é a fragmentação. Os dados moram em sistemas que não conversam, e cada um tem sua verdade sobre o cliente. A tabela abaixo mostra o mapa típico.

Domínio	Sistema de origem comum	Indicadores que alimenta
Carteira de crédito	Core bancário / core de crédito	Inadimplência, NPL, PDD, spread
Captação e tesouraria	Sistema de captação, tesouraria	Spread, custo de funding
Contabilidade	ERP contábil	ROA, ROE, eficiência, PDD
Relacionamento	CRM	CAC, LTV, churn
Cobrança	Sistema de cobrança	Recuperação, curva de atraso

O caminho que funciona é montar uma camada de dados intermediária, um data warehouse ou lakehouse, onde esses sistemas são integrados, padronizados e historizados, antes de o Power BI encostar neles. Sem isso, você recai em conectar o relatório direto no banco de produção, o que é lento, arriscado e impossível de auditar. Essa camada é trabalho de engenharia de dados, e é onde a definição de cliente ativo, de safra e de faixa de atraso passa a existir uma vez só, para todo mundo.

Do lado da visualização, o modelo dimensional bem construído no Power BI é o que garante performance. O motor VertiPaq, que comprime os dados em memória, funciona melhor quanto menor a cardinalidade das colunas, ou seja, quanto menos valores distintos. Guardar CPF em texto livre numa tabela fato de milhões de linhas destrói a compressão e a velocidade. Modelagem em estrela, chaves inteiras e medidas DAX bem escritas resolvem a maior parte da lentidão atribuída, injustamente, ao Power BI. Se o time vai escrever muitas medidas de risco, vale seguir as boas práticas de modelagem DAX desde o início, porque medida remendada em carteira grande cobra caro.

Governança não é opcional quando o dado é financeiro#

Repito porque é o ponto que mais gera retrabalho: no financeiro, controle de acesso é requisito de projeto. Um analista de cobrança de uma regional não deveria ver a carteira nacional inteira, um gestor de produto não precisa do CPF do cliente para analisar churn. O Power BI resolve boa parte disso com segurança em nível de linha, que filtra o que cada usuário vê conforme o papel dele, e com o mascaramento ou remoção de colunas sensíveis já na camada de dados. A regra de minimização da LGPD casa bem com isso: se o dashboard não precisa do dado pessoal para responder a pergunta, ele não deve trafegar até lá.

Além do acesso, o financeiro exige rastreabilidade: quem viu, quando, o quê. Isso é trabalho contínuo de governança, não um checklist assinado no encerramento. Instituição supervisionada precisa provar como o número foi produzido e quem teve acesso a ele. Um projeto de BI em Power BI que ignora isso entrega velocidade hoje e dor de cabeça regulatória amanhã.

Onde Microsoft Fabric entra nessa conta#

O Fabric, plataforma de dados que a Microsoft anunciou em 2023, unifica engenharia de dados, armazenamento e Power BI num mesmo ambiente. Para o financeiro, o ponto interessante é o Direct Lake, um modo de conexão que lê os dados direto do OneLake, o armazenamento único do Fabric, sem importar nem consultar em tempo real o sistema de origem. Na prática, aproxima o desempenho da importação da atualidade do dado, o que ajuda quando a carteira é grande e precisa refletir movimentação recente.

O custo no Fabric é medido em Capacity Units, e as capacidades vão dos SKUs F2 até F2048. Para quem já roda Power BI por usuário, as licenças Pro e PPU continuam válidas, e nem toda instituição precisa saltar para Fabric no dia um. A escolha depende de volume, de necessidade de atualidade e de quantos domínios serão integrados. Se você avalia o caminho, o guia sobre Microsoft Fabric ajuda a decidir com critério.

BI para o setor financeiro começa por um indicador, não por vinte painéis#

O padrão de fracasso é conhecido: dezenas de relatórios criados, nenhum confiável, cada área com sua versão da inadimplência. Comece pelo contrário. Escolha uma pergunta que dói, quase sempre a evolução da inadimplência por safra e a cobertura da PDD, e resolva ela ponta a ponta: definição acordada, dado integrado na camada intermediária, medida validada contra o contábil, dashboard com acesso controlado. Um indicador certo vale mais que vinte painéis que ninguém confia. Depois que o primeiro caso está sólido, os próximos vêm mais rápido porque a fundação já existe.

Perguntas frequentes#

Qual é o primeiro indicador que vale a pena colocar no dashboard? Quase sempre a inadimplência por safra de originação, com a cobertura da PDD ao lado. É o indicador que antecipa deterioração da carteira antes de o saldo total acusar, e é o que a mesa de crédito e a diretoria olham primeiro. Resolver esse caso ponta a ponta dá a fundação para os demais.

O número do BI precisa bater com o contábil e com o Banco Central? Sim, quando se trata de inadimplência, PDD e resultado. O BI não substitui a contabilidade nem o reporte regulatório, ele dá visibilidade e antecipação. Divergência quase sempre vem de data-base ou de regra de corte diferente, e reconciliar isso faz parte do projeto. Um dashboard que produz uma provisão diferente da oficial vira passivo, não ativo.

Como a LGPD afeta um projeto de BI no setor financeiro? A LGPD, Lei nº 13.709/2018, trata dados de clientes de crédito como dados pessoais, e isso exige controle de acesso, minimização e trilha de auditoria. Na prática, significa segurança em nível de linha no Power BI, remoção ou mascaramento de dados sensíveis já na camada de dados e registro de quem acessou o quê. Governança entra no desenho do modelo, não no fim do projeto.

Preciso migrar para o Microsoft Fabric para fazer BI financeiro? Não necessariamente. Power BI com Pro ou PPU e um data warehouse bem construído atende muita instituição. Fabric passa a fazer sentido quando o volume cresce, quando há vários domínios de dados a integrar e quando a atualidade do dado importa, caso em que o Direct Lake sobre o OneLake ajuda. A decisão depende de dimensionar as Capacity Units com critério.

Por que o Power BI fica lento com a carteira de crédito? Na maioria dos casos a culpa não é da ferramenta, é do modelo. O motor VertiPaq comprime melhor colunas de baixa cardinalidade, então guardar CPF em texto numa tabela fato de milhões de linhas destrói a performance. Modelagem em estrela, chaves inteiras e medidas DAX bem escritas resolvem a maior parte das lentidões atribuídas ao Power BI.

Como definir churn e cliente ativo numa fintech sem virar briga entre áreas? Definindo uma vez só, no modelo de dados, e documentando. Cliente ativo pode ser quem tem saldo, quem transacionou nos últimos trinta dias ou quem tem produto contratado, e essa é decisão de negócio, não de dado. Sem uma definição única na camada intermediária, cada área calcula um churn diferente e a discussão nunca fecha.

Para fechar#

BI para o setor financeiro só funciona quando junta três coisas: indicador com definição clara, dado integrado e governado, e visualização que respeita a regulação. A ferramenta é a parte fácil. O que separa o dashboard decorativo do ativo de gestão é a disciplina de definir antes de desenhar e de reconciliar com o contábil e com o Banco Central. Se a sua instituição vive de cruzar planilhas para fechar a inadimplência do mês, dá para mudar isso com método. Fale com a gente e começamos pelo indicador que mais dói.