A análise completa está disponível no meu GitHub, assim como a base e as análises feitas.

Introdução

O Projeto se trata sobre uma Fintech de Crédito com Operações de Crédito, sua base consta com informações referentes ao empréstimo pedido pelo cliente e a base foi disponibilizada pela Preditiva.

No projeto, foi feito seguindo as normas e orientações da metodologia CRISP-DM, para a construção da análise, utilizei o Excel para mensurar o possível resultado, Python para construir a análise e o plano de ação e o Power BI para criação do Dashboard de acompanhamentos das soluções propostas.

Desenvolvendo o Projeto

Contexto e Objetivo

A empresa ao longo de 1 ano, iniciou a operação de empréstimo pessoal e acompanhou o pagamento de 1000 clientes. Com isso, o objetivo é verificar quais clientes contam com a menor taxa de inadimplência possível para aceitar mais contratos.

Com isso foi pedido que:

Quais fatores de risco estão mais associados a inadimplência?

Com isso, o que a Fintech deveria mudar de forma a minimizar a inadimplência?

Então nossos critérios de sucesso, será buscar entender quais fatores que mais estão relacionados com a inadimplência. Além de também buscar diminuir a taxa atual.

Tipo de Dados

Foi disponibilizado uma pasta de trabalho de Excel com o conjunto de dados. Como dito, conta com 1000 linhas (referente aos clientes) e os metadados estão:

Nossa base consta com 9 variáveis, sendo 5 qualitativas, 3 variáveis numéricas e 1 variável dummies que também é nossa variável alvo.

Ao longo da análise foi criada 3 variáveis em relação a Faixas numéricas para cada variável numérica.

Analise Exploratória

Nessa parte foi explorado cada variável, afim de entender possíveis causas que colaboram com a inadimplência, além também de descobrir possíveis padrões. Utilizando as análises univariada e bivariada.

Os principais obtidos foram:

Análise Unidimensional

• A base apresentou uma inadimplência de 30%.

• 60% dos clientes possuem pouca quantia investida em outro banco.
• Apenas 21% dos clientes possuem uma quantia moderada ou alta em algum outro tipo de banco.
• Contamos apenas com 18% dos clientes que não possuem nenhum outro saldo investido em outro banco.

• A maior concentração (39%) é em clientes que não contam com algum tipo de conta corrente em outro banco.
• Apenas 10% dos clientes possuem um saldo alto em conta de outro banco.

• 75% dos clientes pediram um empréstimo de até 4000.
• A média do valor do empréstimo é de 3200.
• 21% dos clientes pediram um empréstimo com o valor acima de 5000.
• A maior concentração de clientes (31%) fica na faixa de 1000 a 2000.

Com isso, já foi possível entender alguns possíveis padrões. Porém, para identificar tendências e quais fatores estão relacionados com a inadimplência, é necessário uma análise bivariada.

Análise Bivariada

Para essa parte foi abordado a exploração das variáveis em relações as outras ou diretamente com a inadimplência.

E obtemos os seguintes resultados:

‍Correlação de Pearson

Em relação a correlação linear, apenas a duração do empréstimo junto ao valor do empréstimo apresentam uma correlação significativa sendo 0.62, o que faz sentido, quando aumenta o valor do empréstimo o cliente tende a pedir mais meses para poder pagar.

Análise IV

Na análise IV foi mais significativo, onde obtemos resultados melhores e que podem explicar a inadimplência, sendo os mais notáveis:

• A variável que mais conta com poder de separação é a de Saldo de Conta Corrente sendo 0,72.
• Os clientes que tem pouco saldo ou um saldo moderado em algum outro banco, apresentam uma maior chance a não realizarem o pagamento do crédito.
• Os clientes que possuem saldo investido em outro banco, sendo um saldo baixo ou moderado, também apresentam uma chance maior de não concluírem o pagamento do empréstimo.
• Clientes que pedem empréstimo de até 10 meses, são mais propensos a pagarem o crédito pedido.

Validação do Projeto

Com a primeira parte finalizada, em relação aos fatores associados com a Inadimplência. Irei concluir a segunda abordagem, sugerir possíveis mudanças de forma que minimizem a inadimplência.

Assim, é feita a criação do plano de ação, de acordo com o que foi visto nas análises anteriores. Onde é detalhado abaixo:

Em conjunto as sugestões criadas, apresento uma mensuração sobre o impacto da medida com maior prioridade do projeto e como impactaria os resultados atuais.

Em relação as tabelas, a tabela da esquerda apresenta a amostra inteira e na tabela da direita apresenta apenas clientes que não contém conta ou possuem um saldo alto em outro banco. (No estudo foi considerado a taxa de juros de 35%).

E também apresento um dashboard de acompanhamento com esses indicadores para ficar mais prático a visualização pela área de crédito, que pode ser visto no Power BI.

Conclusão

A análise feita busca minimizar ou controlar a total inadimplência sofrida pela Fintech com base nos dados que foram compartilhados.

Foi possível criar essas soluções e análises, entendendo o contexto do problema e negócio, além de usar os métodos certos para o problema enfrentado.