Gestão de carteira de crédito com Business Intelligence

A carteira é o maior ativo da instituição e o pior lugar para operar no escuro#

Para um banco, uma financeira, uma cooperativa ou uma fintech de crédito, a carteira é onde o dinheiro está e onde o risco mora. A gestão de carteira de crédito feita em planilha mensal, fechada três dias depois da virada do mês, já nasce vencida: quando o gestor finalmente enxerga que a inadimplência de uma safra subiu, o crédito ruim já foi concedido, o cliente já rolou para atraso e a provisão já está reconhecida no resultado. Business Intelligence não substitui a política de crédito nem o modelo de score, isso continua sendo trabalho de risco. O que o BI faz é encurtar de forma drástica o intervalo entre o fato acontecer e alguém decidir sobre ele.

Este texto é para quem já tem os dados de crédito espalhados em sistemas de originação, cobrança e core bancário, e quer transformar isso em um painel que a diretoria de risco, a área comercial e a auditoria consigam usar sem brigar sobre qual número está certo. Vamos passar pelos indicadores que importam, pela modelagem que sustenta cada um deles e pelo que a regulação do Banco Central exige que esteja rastreável.

Saldo e evolução da carteira contam a primeira história#

Antes de falar de risco, o painel precisa responder o básico com honestidade: quanto de saldo devedor está em aberto hoje, como esse número evoluiu e o que está por trás do movimento. Carteira crescendo pode ser sinal de negócio saudável ou de originação afrouxada para bater meta. Os dois cenários geram a mesma linha subindo no gráfico, e é aí que a decomposição salva o gestor.

A evolução da carteira deve ser aberta em originação (crédito novo desembolsado), amortização (pagamento de principal), baixa (write-off) e transferência entre produtos. Sem essa abertura, uma carteira que parece estável pode estar escondendo originação forte compensada por baixas altas, ou seja, você está emprestando muito e perdendo muito ao mesmo tempo. Em DAX, o saldo em uma data é uma medida de estoque, calculada com CALCULATE sobre a última posição do período, enquanto originação e amortização são medidas de fluxo, somadas dentro do intervalo. Misturar estoque com fluxo na mesma medida é um dos erros mais comuns e mais silenciosos nesse tipo de projeto.

NPL e provisão são o termômetro que a diretoria olha primeiro#

NPL (non-performing loans) é a fração da carteira em atraso relevante, quase sempre acima de noventa dias, o famoso NPL 90. É o indicador que resume a saúde da carteira em um número, e por isso mesmo precisa ser calculado sempre da mesma forma em todo o relatório. A provisão, chamada no Brasil de PDD ou PCLD, é o quanto a instituição reconhece de perda esperada sobre esse saldo. O índice de cobertura relaciona provisão e carteira vencida, e diz se o colchão de perdas está proporcional ao risco já visível.

A tabela abaixo organiza os indicadores centrais de risco e o tratamento que cada um pede na modelagem.

Indicador	O que mede	Cuidado na medida DAX
NPL 90	Saldo vencido acima de 90 dias sobre carteira total	DIVIDE para evitar erro quando o denominador é zero
Provisão (PDD)	Perda esperada reconhecida sobre a carteira	Ligar ao rating regulatório, não a um percentual fixo
Índice de cobertura	Provisão sobre saldo vencido	Numerador e denominador na mesma granularidade
Perda líquida	Baixas menos recuperações no período	Medida de fluxo, nunca de estoque
Carteira em atraso por faixa	Aging em buckets de dias	Faixas como dimensão, não como coluna calculada solta

Note o padrão: quase todo indicador de risco é uma razão. Usar DIVIDE no lugar do operador de divisão não é preciosismo, é o que evita que um mês sem originação em um produto quebre o cartão inteiro com erro de divisão por zero. E toda razão precisa que numerador e denominador venham da mesma granularidade, senão o número mente sem avisar.

Concentração é o risco que ninguém vê até estourar#

Uma carteira pode ter NPL baixo e provisão confortável e ainda assim estar perigosa, porque o risco não está na média, está na concentração. Se poucos clientes, um setor econômico ou uma região respondem por uma fatia grande do saldo, um único evento derruba o resultado. Concentração é o tipo de risco que fica invisível em indicador agregado e só aparece quando você força o painel a olhar a distribuição.

O caminho prático é medir concentração por tomador, por grupo econômico, por produto, por setor e por região. Um recurso simples e poderoso é o percentual acumulado dos maiores tomadores: quanto da carteira está nos dez, cinquenta ou cem maiores clientes. Em DAX isso se resolve com funções de ranking e um acumulado ordenado por saldo, e vira um gráfico de Pareto que qualquer comitê de risco entende em segundos. Cruzar concentração com NPL na mesma tela responde a pergunta que interessa: os grandes tomadores estão pagando ou são justamente eles que estão puxando o atraso.

Safra de originação separa o problema novo do problema herdado#

Aqui está o indicador que mais muda decisão e o que mais some das planilhas: a análise de safra, ou cohort. A ideia é agrupar os contratos pelo mês em que foram originados e acompanhar como cada grupo se comporta ao longo dos meses de vida. Isso separa uma questão que o NPL agregado embaralha: a carteira piorou porque o crédito que você concede hoje está ruim, ou porque uma safra antiga continua envelhecendo mal.

Sem safra, a área de risco discute com a área comercial no escuro. Com safra, a conversa fica objetiva: a originação de março tem inadimplência maior no terceiro mês de vida do que a de janeiro, então algo mudou na política ou no mix de clientes entre esses dois meses. A tabela a seguir ilustra o formato de leitura de uma matriz de safra, com a estrutura que o painel deve reproduzir.

Safra de originação	Mês 3 de vida	Mês 6 de vida	Mês 12 de vida
Jan	Baixo	Estável	Controlado
Fev	Baixo	Sobe	Atenção
Mar	Médio	Sobe	Piora
Abr	Médio	Atenção	Em observação

A construção dessa matriz depende de uma dimensão de tempo bem feita e de uma medida que calcule os meses decorridos desde a originação de cada contrato. É trabalho de modelagem, não de visual. Quem tenta montar safra direto no gráfico, sem uma tabela calendário e uma marcação de idade do contrato, acaba com números que não fecham entre visões. Se a base de time intelligence do seu modelo está frágil, vale revisar antes a fundação, e o tema de modelagem e boas práticas de DAX trata justamente disso.

Cobrança e recuperação definem quanto você perde de verdade#

Originar bem controla a entrada do risco. Cobrar bem controla a saída. A perda que aparece no resultado é o que a régua de cobrança e a recuperação não conseguiram evitar. Por isso o painel de crédito precisa medir eficiência da cobrança com o mesmo rigor que mede o risco: rolagem entre faixas de atraso, taxa de cura (o contrato que estava vencido e voltou a ficar em dia), recuperação sobre saldo baixado e produtividade por canal ou assessoria.

A matriz de rolagem é o coração dessa análise. Ela mostra, entre um mês e outro, quanto do saldo que estava em uma faixa de atraso migrou para a faixa seguinte, curou ou permaneceu. É a leitura que antecipa o NPL do mês que vem, porque a inadimplência de amanhã está se formando hoje nas faixas iniciais de atraso. Ligar a rolagem à efetividade das ações de cobrança fecha o ciclo: você para de olhar só o estoque de vencidos e passa a agir sobre o fluxo que alimenta esse estoque.

A gestão de carteira de crédito no Power BI vive da modelagem, não do visual#

Todo o resto depende de um modelo bem construído. A recomendação prática é um modelo estrela com uma fato de posição diária ou mensal da carteira, uma fato de movimentação (desembolsos, pagamentos, baixas, recuperações) e dimensões de cliente, contrato, produto, calendário e rating. O motor VertiPaq do Power BI comprime os dados por cardinalidade, então colunas de alta cardinalidade, como identificadores de contrato e chaves concatenadas, são as que mais pesam. Em carteiras grandes, tratar essas colunas é o que diferencia um relatório que atualiza em minutos de um que trava.

Para volumes altos e necessidade de dado fresco, o Microsoft Fabric, anunciado em 2023, oferece o modo Direct Lake, que lê os dados direto do OneLake sem a etapa de importação, unindo a leitura próxima do tempo real com o desempenho de consulta do modelo em memória. Não é bala de prata: exige a arquitetura de dados organizada por trás. Se o cenário do seu time ainda está em avaliação, o material sobre o que é o Microsoft Fabric e se vale a pena ajuda a separar o que é ganho real do que é marketing. E quando a base de originação e cobrança está fragmentada em vários sistemas, o gargalo não é o Power BI, é o pipeline, terreno de engenharia de dados.

A régua para as medidas é sempre a mesma. Estoque com CALCULATE sobre a última posição, fluxo somado dentro do período, razões com DIVIDE, e comparações temporais com funções de time intelligence apoiadas em uma tabela calendário marcada como tabela de datas. Consistência de definição vale mais do que sofisticação: um NPL calculado de um jeito no cartão da capa e de outro no detalhe destrói a confiança no painel inteiro.

Regulação do Banco Central não é opcional, é parte do modelo#

Carteira de crédito no Brasil opera dentro de uma moldura regulatória que o painel precisa respeitar, não contornar. A classificação de risco em níveis de rating, do AA ao H, e a provisão associada a cada nível vêm da regulação do Conselho Monetário Nacional e do Banco Central, com a Resolução CMN nº 4.966, de 2021, trazendo o modelo de perda esperada para o crédito. Além disso, as instituições reportam a carteira ao Sistema de Informações de Crédito, o SCR, do Banco Central. Isso significa que a provisão no seu painel deve conversar com a provisão contábil e regulatória, e não ser um número paralelo inventado pelo BI.

Na prática, dois pontos merecem disciplina. Primeiro, rastreabilidade: cada número exibido tem que ser reconstruível a partir da origem, porque auditoria e regulador vão pedir. Segundo, dados pessoais. Carteira de crédito é feita de informação sensível de tomadores, sob a LGPD, a Lei nº 13.709 de 2018, o que torna controle de acesso, segurança em nível de linha e trilha de auditoria requisitos de projeto, não enfeites. O tema de governança de dados e LGPD no Power BI detalha esse arranjo. Construir isso desde o início custa uma fração do que custa remendar depois de um apontamento.

Perguntas frequentes#

Business Intelligence substitui o modelo de score e a política de crédito? Não, e desconfie de quem promete isso. Score e política decidem a quem conceder e em que condições, com base em estatística e regra de negócio. O BI monitora o resultado dessas decisões ao longo do tempo, mostra safra, concentração, rolagem e provisão, e alimenta o ciclo de revisão da política com evidência. São camadas complementares.

Qual a diferença entre NPL e provisão no painel? NPL mede o quanto da carteira está em atraso relevante, é um retrato do que já venceu. Provisão mede a perda esperada reconhecida sobre a carteira, seguindo a classificação de risco regulatória, e olha para frente. Uma carteira pode ter NPL controlado e provisão subindo porque o risco esperado das novas safras piorou. Por isso os dois indicadores andam juntos, nunca isolados.

Com que frequência esse painel deve atualizar? Depende do processo. Indicadores de fechamento, como provisão contábil, seguem o ciclo mensal. Indicadores operacionais de cobrança e atraso ganham muito com atualização diária, porque a rolagem de faixas se forma dia a dia. Modelos em importação atendem bem a maioria dos casos, e cenários de volume alto com necessidade de dado fresco são onde o Direct Lake no Fabric faz diferença.

Dá para fazer análise de safra confiável no Power BI? Dá, e é um dos maiores ganhos do projeto, mas depende de modelagem, não de visual. É preciso uma tabela calendário robusta e uma medida que calcule a idade de cada contrato desde a originação. Feito assim, a matriz de safra fecha entre visões e vira ferramenta de decisão. Feito na força do gráfico, gera números que não batem.

Como o painel lida com a exigência do Banco Central e do SCR? O painel não reporta ao regulador, isso continua sendo função dos sistemas oficiais. O que ele deve garantir é que os números apresentados sejam rastreáveis até a origem e consistentes com a base contábil e regulatória, incluindo a classificação de risco por rating e a provisão associada. Rastreabilidade e consistência de definição são o que sustentam o painel em uma auditoria.

Precisamos arrumar os dados antes ou o Power BI resolve na consulta? Se a originação e a cobrança estão em sistemas diferentes e desalinhados, o Power BI vai apenas expor o problema mais rápido. A base precisa ser integrada e tratada antes, com um modelo dimensional consistente. Tentar resolver tudo em medida na hora da consulta gera relatório lento e frágil. Investir na fundação de dados é o que faz o painel escalar.

Gestão de carteira de crédito com Business Intelligence não é sobre ter mais gráficos, é sobre encurtar a distância entre o risco se formando e a decisão sendo tomada, com números que a diretoria, o comercial e a auditoria confiam por igual. Se você quer sair da planilha mensal e montar um painel de crédito que respeita a regulação e sustenta decisão, fale com a gente.