BI para Serviços Financeiros: indicadores, casos de uso e como começar

O número da inadimplência fecha depois que a política de crédito já foi decidida#

Em banco, fintech, cooperativa de crédito ou financeira, o gargalo raramente é falta de dado. A carteira mora no core bancário, a captação num sistema, a cobrança em outro, o score num terceiro, e a área de risco só fecha a inadimplência do mês depois de cruzar exportações na planilha. Quando o número fica pronto, a decisão de concessão que ele deveria ter guiado já foi tomada no escuro. É nesse ponto que BI serviços financeiros deixa de ser projeto de relatório e vira infraestrutura de gestão de risco e de resultado. Esta é uma página de panorama: cobre os indicadores que movem decisão, os casos de uso que pagam o projeto, as fontes de dados, a regulação do Banco Central e a LGPD, e como começar sem virar caos. Onde o assunto pede profundidade, aponto para os guias específicos.

Escrevo para quem toca risco, crédito, cobrança, produtos ou dados numa instituição financeira. Vou ser direto sobre o que funciona e honesto sobre onde o BI encosta em limites contábeis e regulatórios que ele não substitui. A ferramenta é a parte fácil. O que separa o painel decorativo do ativo de gestão é a disciplina de definir o indicador antes de desenhar a tela.

Os indicadores que sustentam decisão em BI serviços financeiros#

O erro clássico é abrir o Power BI e só depois descobrir que a definição do indicador está frouxa. No financeiro isso é caro, porque cada métrica tem uma leitura contábil e regulatória por trás. Defina a fórmula, a data-base e a regra de classificação antes do gráfico. A tabela abaixo reúne os indicadores que aparecem em quase todo projeto sério do setor.

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
Spread	Diferença entre taxa de crédito e custo de captação	Taxa de aplicação - custo de funding	Core, tesouraria
Rentabilidade (ROA e ROE)	Retorno sobre ativo e sobre patrimônio	Lucro / Ativo e Lucro / Patrimônio	Contábil
Evolução da carteira	Crescimento e composição do saldo de crédito	Saldo por produto, safra e faixa de atraso	Core de crédito
LTV	Valor gerado pelo cliente ao longo da relação	Receita esperada por cliente no tempo	CRM, financeiro

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

NPL vem de Non-Performing Loans, as operações de crédito que pararam de gerar retorno por atraso relevante. O que derruba 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 a deterioração das safras recentes. Por isso um bom painel de crédito não mostra um número só, mostra a curva por safra de originação, que revela se a política de concessão está piorando antes de o saldo consolidado acusar. Esse é o indicador que a mesa de crédito olha primeiro.

Spread e rentabilidade contam se o dinheiro entra de forma saudável#

O spread mede quanto sobra entre o que a instituição cobra no crédito e o que paga na captação, antes de custos e perdas. Rentabilidade, olhada por ROA e ROE, mostra o retorno sobre o ativo e sobre o patrimônio, e a distância entre os dois já conta a história da alavancagem. Num painel executivo esses indicadores andam colados à inadimplência, porque resultado bom com risco escondido é só um problema adiado. Ver o spread subir sem olhar a curva de atraso é a receita para uma surpresa no trimestre seguinte.

Evolução da carteira e LTV mostram para onde a operação vai#

A evolução da carteira responde se o crédito está crescendo com qualidade ou empurrando risco para a frente. Já o LTV, o valor que o cliente gera ao longo da relação, é a régua de quem opera modelo digital: a conta da aquisição só fecha quando o LTV supera o custo de trazer o cliente com folga e num prazo que o caixa aguenta. O detalhe honesto é que definir cliente ativo é decisão de negócio, não de dado. Conta com saldo? Transação nos últimos trinta dias? Produto contratado? Essa definição precisa morar no modelo, documentada, senão cada área calcula um LTV diferente. Se você quer a lista completa de métricas com fórmula e leitura, o guia de indicadores e dashboards do setor financeiro detalha cada uma.

Os casos de uso que pagam o projeto: risco de crédito, cobrança e prevenção a fraude#

Indicador bonito não sustenta orçamento. O que aprova um projeto de BI no financeiro é o caso de uso que devolve dinheiro ou evita perda. Três aparecem em quase toda instituição, e a tabela abaixo resume o que cada um resolve.

Caso de uso	Pergunta que responde	Dado que consome	Ganho típico
Risco de crédito	Estou concedendo para quem paga?	Score, histórico, carteira, safras	Menos perda esperada, política mais fina
Cobrança	Onde vale a pena atuar primeiro?	Curva de atraso, contatos, acordos	Mais recuperação, esforço priorizado
Prevenção a fraude	Esta operação tem cara de fraude?	Transações, comportamento, cadastro	Menos perda operacional e chargeback

Risco de crédito é onde o dado vira política#

Aqui o BI deixa de descrever o passado e começa a orientar a concessão. Ligar score, histórico de pagamento e comportamento da carteira permite enxergar em quais faixas a inadimplência está se formando e ajustar a régua de aprovação antes que o prejuízo apareça no balanço. Não é sobre um número único de score, é sobre acompanhar como cada safra de originação se comporta ao longo do tempo. Se o tema é novo para o time, vale ler como funciona score de crédito e risco com dados antes de desenhar o painel, porque modelar risco sem entender o conceito produz gráfico bonito e decisão errada.

Cobrança é o caso de uso que se paga sozinho mais rápido#

Cobrança é onde o BI costuma dar retorno mais rápido, porque cada real recuperado é caixa de volta. O painel de cobrança útil não lista quem deve, ele prioriza: qual faixa de atraso responde melhor a contato, qual carteira tem maior chance de acordo, onde o esforço da equipe rende mais. Cruzar a curva de atraso com histórico de contatos e acordos transforma uma operação reativa numa fila de prioridade. É o tipo de caso que a diretoria entende sem precisar de explicação técnica.

Prevenção a fraude vive de padrão e de velocidade#

Fraude é o caso mais dependente de comportamento. O BI ajuda a enxergar desvios: transação fora do padrão do cliente, cadastro recém-alterado, sequência de tentativas, valores atípicos para o perfil. O dashboard não substitui o motor de decisão em tempo real, mas dá à equipe de risco a visão de tendência e os pontos cegos que o motor não cobre. No digital, onde o volume é alto e a janela de reação é curta, essa visão consolidada é o que permite ajustar regra antes de a perda escalar.

De onde vem o dado: core bancário e sistemas de crédito#

O desafio técnico do setor é a fragmentação. Cada sistema tem sua verdade sobre o cliente, e nenhum conversa com o outro sem esforço. A carteira e as operações vêm do core bancário e do core de crédito. O score e o histórico de comportamento vêm dos sistemas de crédito e de bureaus. A cobrança tem seu próprio sistema, a captação e a tesouraria também, e o relacionamento mora no CRM. Puxar tudo isso na hora do relatório é o caminho para o caos.

O que funciona é montar uma camada de dados intermediária, um data warehouse ou lakehouse, onde essas fontes são integradas, padronizadas e historizadas antes de o Power BI encostar nelas. É nessa camada que a definição de safra, de faixa de atraso e de cliente ativo passa a existir uma vez só, para todo mundo. Sem ela, você acaba conectando o relatório direto no banco de produção, o que é lento, arriscado e impossível de auditar. Do lado da entrega, um modelo dimensional bem construído sobre essa base é o que garante performance e número confiável, e não o contrário.

O setor é regulado, e isso é premissa de arquitetura#

Instituições financeiras são supervisionadas pelo Banco Central do Brasil. Isso não é detalhe jurídico, é premissa de desenho. Provisão, classificação de risco das operações e reporte regulatório seguem regras do regulador, e o número que aparece no painel precisa reconciliar com o que vai para o Bacen. Um BI que produz uma inadimplência diferente da contábil não é útil, é passivo. O papel do dashboard não é recalcular a provisão oficial, é dar visibilidade à composição dela, à movimentação de risco entre faixas e à evolução mês a mês. Quando o número diverge, a causa quase sempre é data-base ou regra de corte diferente, e reconciliar isso faz parte do projeto.

Some a isso a LGPD, a Lei nº 13.709/2018. Dados de clientes de crédito são dados pessoais, e ficam ainda mais sensíveis quando cruzados com comportamento financeiro. Quem acessa a carteira, quem vê o CPF, quem enxerga renda: tudo precisa de controle de acesso, trilha de auditoria e minimização. Na prática isso significa segurança em nível de linha no Power BI, remoção ou mascaramento de colunas sensíveis já na camada de dados, e registro de quem acessou o quê. Governança entra no desenho do modelo, não num checklist assinado no encerramento. No financeiro ela deixa de ser recomendação e vira requisito, e por isso tratamos governança de dados como parte do escopo, não como acessório.

Como começar sem virar vinte painéis que ninguém confia#

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 ou a priorização da cobrança, 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, e depois que o primeiro caso está sólido os próximos vêm mais rápido porque a fundação já existe.

O roteiro que funciona é curto e tem esta ordem:

1. Escolha um caso de uso com dono e com dor, de preferência risco de crédito ou cobrança, que devolvem valor rápido.
2. Acorde a definição do indicador com risco e contabilidade antes de abrir o Power BI, incluindo data-base e regra de corte.
3. Integre a fonte na camada intermediária, começando pelo core bancário e pelos sistemas de crédito que alimentam o caso.
4. Valide o número contra o contábil e o regulatório, porque no financeiro o painel que não reconcilia não é usado.
5. Publique com governança desde o dia um, com segurança em nível de linha e trilha de acesso, não como etapa final.

Esse é o método que aplicamos em soluções de BI para serviços financeiros: um caso sólido primeiro, fundação reaproveitável depois. A ferramenta principal costuma ser o Power BI, mas a diferença entre o projeto que pega e o que morre não está na ferramenta, está no primeiro indicador escolhido e na disciplina de reconciliar contra o contábil e o regulatório.

Perguntas frequentes#

Por onde começar um projeto de BI serviços financeiros? Por um caso de uso único com dono e com dor, quase sempre inadimplência por safra ou priorização de cobrança. Resolva ele ponta a ponta, da definição acordada até o painel com acesso controlado, e valide o número contra o contábil. Um caso sólido cria a fundação que acelera todos os próximos. Vinte painéis lançados de uma vez viram vinte versões diferentes do mesmo número.

Quais indicadores não podem faltar num painel financeiro? Inadimplência e NPL, spread, rentabilidade por ROA e ROE, a evolução da carteira e, para quem opera no digital, o LTV. O ponto não é a lista, é a definição: cada indicador precisa de fórmula, data-base e regra de classificação acordadas antes do gráfico, senão cada área calcula um número diferente.

O número do BI precisa bater com o contábil e com o Banco Central? Sim, quando se trata de inadimplência, provisão 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 painel que produz uma provisão diferente da oficial vira passivo, não ativo.

Como a LGPD afeta o projeto no setor financeiro? A LGPD, Lei nº 13.709/2018, trata dados de clientes de crédito como dados pessoais, o que 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. A governança entra no desenho do modelo, não no fim.

Preciso integrar todos os sistemas antes de entregar o primeiro painel? Não. Integre só as fontes que o primeiro caso de uso exige, quase sempre o core bancário e o sistema de crédito. Montar uma camada intermediária que puxa tudo de uma vez atrasa a entrega e aumenta o risco. A camada cresce por caso de uso, não de uma tacada só.

Qual caso de uso dá retorno mais rápido? Cobrança costuma pagar o projeto mais rápido, porque cada real recuperado é caixa de volta e o ganho é fácil de medir. Risco de crédito tem retorno maior no médio prazo, ao reduzir a perda esperada com uma política de concessão mais fina. Prevenção a fraude entra forte em operações digitais de alto volume.

Para fechar#

BI para serviços financeiros só funciona quando junta três coisas: indicador com definição clara, dado integrado a partir do core bancário e dos sistemas de crédito, e visualização que respeita a regulação do Banco Central e a LGPD. O resto é escolha de caso de uso e disciplina de reconciliar. Se a sua instituição ainda fecha a inadimplência do mês cruzando planilhas na unha, dá para mudar isso com método, começando pelo indicador que mais dói. Fale com a gente e desenhamos o primeiro caso ponta a ponta.