Regra de política por CEP existe em banco grande desde os anos noventa. Faixa de CEP, cidade, região. Isso não é novidade.
O que não existe dentro do motor de crédito é distribuição condicional de renda no nível do setor censitário, comparável em tempo real, condicionada ao perfil demográfico do solicitante e disponível para qualquer data de referência desde janeiro de 2022. A novidade não é olhar para a geografia. É a granularidade, o condicionamento demográfico e a série temporal.
Imagine dois irmãos gêmeos, homens, 40 anos, mesma renda declarada de R$ 5.000, composição familiar idêntica, mesmo histórico e score de crédito. Para qualquer bureau tradicional, são o mesmo perfil. Moram em bairros diferentes de Joinville/SC, e essa diferença abre duas leituras distintas de risco.
A comparação de referência é sempre com a renda declarada pelo solicitante. Comparar com estimativa de renda de bureau é possível, mas secundário: várias dessas estimativas já usam localização como insumo, o que introduz circularidade na avaliação.
Sem contexto territorial, os dois recebem a mesma decisão. Com contexto, recebem decisões diferentes por motivos diferentes: o Gêmeo A levanta questão de plausibilidade cadastral, o Gêmeo B levanta questão de capacidade de pagamento. Nenhum dos dois é uma negativa automática.
Os dois extremos do eixo são de risco, por mecanismos diferentes, e o mínimo fica no meio. Ler o desvio de renda como sinal unidirecional custa metade do valor da variável.
Renda declarada muito acima do entorno. Hipóteses: inconsistência cadastral, renda inflada, fraude documental. Ação: comprovação de renda.
Renda alta em região de renda alta. Menor densidade de sinal. Prosseguir com política padrão.
Renda baixa em região de renda baixa. Risco clássico de capacidade de pagamento, parcialmente já capturado pelo bureau.
Renda bem abaixo do custo de vida local. Aluguel, escola, transporte e consumo por pressão social comprimem a sobra mensal. Ação: revisar comprometimento e limite.
O z entra mal como termo linear. Recomendações práticas: discretizar em faixas com WOE, usar spline, ou separar em duas features, magnitude e sinal. O cruzamento com a mediana absoluta da região é o que distingue orçamento comprimido de capacidade absoluta.
Recomendamos validar as duas leituras na sua própria safra antes de subir para política. A leitura de implausibilidade é a mais estabelecida. A leitura de orçamento comprimido é um mecanismo que observamos e que precisa ser confirmado no seu portfólio.
Um z-score de +1,12 (percentil 87) no Gêmeo A não nega crédito automaticamente. Ele levanta uma pergunta que o bureau não consegue fazer: a renda declarada é compatível com o entorno real onde o solicitante vive?
Renda declarada de R$ 5k em região com mediana de R$ 2,4k é estatisticamente atípica. Pode indicar inconsistência cadastral, renda inflada ou fraude documental, sinais que o bureau não detecta.
Custo de vida é local. Renda relativamente baixa frente ao entorno significa aluguel, escola e transporte proporcionalmente mais pesados sobre o orçamento. Isso comprime a sobra mensal e afeta capacidade de pagamento, sem que o bureau enxergue.
Z-score no extremo positivo é sinal precoce, antes do primeiro atraso, antes da negativação. A localização antecipa o que o score só captura meses depois, quando o prejuízo já foi contabilizado.
Envie a coordenada do solicitante. A PrismaData retorna a renda mediana do setor censitário, o percentil em que a renda declarada se posiciona, o z-score derivado desse percentil, o tamanho da amostra e um indicador explícito de confiabilidade. Variáveis numéricas prontas para alimentar regras de política ou features de modelo.
{
"renda_mediana": 2414.38,
"percentil": 86.9,
"z_score": 1.12,
"qtde_pessoas": 601,
"confiabilidade": "alta",
"data_referencia": "2026-08-01"
}
{
"renda_mediana": 16021.18,
"percentil": 4.3,
"z_score": -1.71,
"qtde_pessoas": 410,
"confiabilidade": "alta",
"data_referencia": "2026-08-01"
}
Nomes reais na resposta:
os campos vêm prefixados com prismadata__personal_income_pdf__.
renda_mediana corresponde a renda_pessoas_com_renda_mediana;
percentil a renda_comparada_cdf;
z_score a renda_comparada_z_score.
{
"renda_mediana": 4210.00,
"percentil": 71.4,
"z_score": 0.57,
"qtde_pessoas": 24,
"confiabilidade": "baixa",
"aviso": "amostra insuficiente para leitura individual, usar com faixa de incerteza"
}
Setor censitário com poucos domicílios gera estimativa instável. Em vez de esconder isso atrás de casas decimais, devolvemos o tamanho da amostra e um indicador explícito de confiabilidade. Você decide se aquela consulta entra na política ou fica de fora.
Percentil e z_score são a mesma informação em escalas diferentes. Incluir ambas no modelo não adiciona sinal e gera colinearidade perfeita. Escolha uma.
A consulta aceita data de referência. Qualquer data desde janeiro de 2022. Isso significa que a feature pode ser calculada na data em que a proposta entrou, não na data de hoje.
Consequência prática: dá para enriquecer uma safra fechada de 2023, rodar IV, KS e PSI, comparar swap set e medir ganho real, sem vazamento temporal e sem esperar seis meses de coleta prospectiva.
Dado transacional não faz isso. Open Finance não existe retroativamente para quem não consentiu na época. Nós conseguimos enriquecer uma safra fechada; a alternativa transacional não consegue.
GET /v1/location/query_personal_income_pdf ?lat=-26.301319 &lon=-48.819026 &data_referencia=2023-04-15
Recalibração mensal por IPCA e salário mínimo. Incorporação trimestral de microdados da PNAD Contínua. Base estrutural no Censo 2022. O resultado é uma série mensal servível em qualquer data desde janeiro de 2022, e não um valor único congelado na data de coleta.
A PrismaData funciona como pré-score: adiciona variáveis de contexto geoespacial antes (ou durante) o motor de decisão processar a análise de crédito. Três formas de aplicar:
Use z_score e cdf como variáveis numéricas em modelos de ML. Contínuas, normalizadas, prontas para treino.
Crie regras no motor: "se percentil > 95, solicitar comprovação de renda" ou "se percentil < 10 em região de renda alta, revisar limite e comprometimento". Duas leituras, duas decisões, ambas explicáveis.
Combine percentil de renda com dados de fronteira e presídio da PrismaData para compor um score geoespacial proprietário que complementa o score de bureau.
Importante: a responsabilidade pela decisão final permanece com o motor de crédito do parceiro. A PrismaData fornece variáveis explicáveis e auditáveis; não toma decisões.
A mesma coordenada usada para validar renda pode ser enriquecida com dados de fronteira e presídio. Cada camada é um endpoint independente, combinável por coordenada, e se justifica por PLD e FT.
A chave de consulta é a coordenada geográfica, não CPF, nome ou qualquer identificador pessoal. Os dados retornados descrevem o perfil de uma região, não de um indivíduo.
Não recebemos CPF, nome ou identificador direto do solicitante. O insumo é uma coordenada e o retorno descreve uma região, não um indivíduo. A base legal e o enquadramento do tratamento na ponta permanecem sob governança do contratante, que é quem detém a relação com o titular.
Cada variável é rastreável. A renda vem do Censo 2022, dos microdados da PNAD Contínua e de modelos proprietários PrismaData. Percentil e z_score são cálculos reproduzíveis a partir da distribuição estimada. Ideal para auditorias internas e regulatórias.
Referências:
¹ Dados retornados pela API PrismaData (endpoint query_personal_income_pdf) para as coordenadas de Joinville/SC.
² Censo Demográfico 2022 (IBGE), renda por setor censitário.
³ PNAD Contínua (IBGE), microdados usados na recalibração trimestral.
⁴ Modelos proprietários PrismaData de estimação de distribuição de renda no nível do setor censitário e recalibração mensal por IPCA e salário mínimo.