Análise de Crédito

#  Mesmo score. Mesmo perfil.  
Riscos completamente diferentes.

Análise de crédito com renda por setor censitário — dois solicitantes com bureau idêntico, contextos socioeconômicos opostos.

Dois irmãos gêmeos, mesma idade, mesma renda declarada, mesmo score. A diferença está em onde cada um mora. Veja como distribuição de renda no nível do setor censitário muda a leitura do risco. 

Setor censitário

granularidade da distribuição  
de renda, não faixa de CEP

Desde 01/2022

qualquer data de referência,  
para backtest sem vazamento temporal

Sem CPF

o insumo é a coordenada,  
não identificador direto do solicitante

O problema

##  Não é geografia. É a granularidade e a série temporal. 

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. 

O cenário

##  Dois irmãos gêmeos. Mesmo perfil de bureau.  
A localização abre duas leituras diferentes. 

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. 

O que os bureaus enxergam, perfil idêntico 

**Sexo:** Masculino

**Idade:** 40 anos

**Renda declarada:** R$ 5.000

**Composição familiar:** Idêntica

**Histórico de crédito:** Similar

**Score de crédito:** ~700 (próximo)

Para o motor de crédito tradicional, ambos recebem a mesma decisão. 

A comparação de referência é sempre com a renda declarada pelo solicitante. Comparar com estimativa de renda de bureau também é útil, sobretudo quando duas fontes divergem: o percentil de cada estimativa indica qual é mais compatível com a região. Vale saber, porém, que algumas estimativas de bureau já usam localização como insumo — o que introduz circularidade parcial na leitura. 

Gêmeo A, primeira leitura 

###  Boa Vista, Joinville/SC 

R. Antonio de Oliveira Silva, 283 · [-26.301319, -48.819026] 

**Renda declarada:** R$ 5.000

**Renda mediana da região:** R$ 2.083,07

**Percentil:** 88,7 (renda bem acima do padrão local)

**Z-score (normal score):** +1,21

**Tamanho da amostra:** 441 pessoas com renda

Renda declarada acima da grande maioria da distribuição local. Questão de plausibilidade cadastral. Ação sugerida: comprovação de renda. 

Gêmeo B, segunda leitura 

###  Centro, Joinville/SC 

R. Pastor Fritz Buhler, 73 · [-26.307350, -48.849506] 

**Renda declarada:** R$ 5.000

**Renda mediana da região:** R$ 14.342,51

**Percentil:** 5,7 (renda muito abaixo do padrão local)

**Z-score (normal score):** -1,58

**Tamanho da amostra:** 288 pessoas com renda

Região de renda alta. O solicitante ganha bem abaixo do entorno em que vive. Custo de vida local, aluguel, escola e transporte tendem a comprimir o orçamento. Não é sinal de fraude, é sinal de comprometimento de renda. Ação sugerida: revisar limite e endividamento, não comprovação de renda. 

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. 

Leitura bidimensional

##  A relação com risco não é monotônica 

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. 

Solicitante frente ao entorno (abaixo, acima) 

Aqui está o Gêmeo A

#### Implausibilidade cadastral

Renda declarada muito acima do entorno. Hipóteses: inconsistência cadastral, renda inflada, fraude documental. Ação: comprovação de renda. 

#### Coerência de alta renda

Renda alta em região de renda alta. Menor densidade de sinal. Prosseguir com política padrão. 

#### Capacidade absoluta

Renda baixa em região de renda baixa. Risco clássico de capacidade de pagamento, parcialmente já capturado pelo bureau. 

Aqui está o Gêmeo B

#### Orçamento comprimido

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. 

Nível de renda da região (baixo, alto) 

Nota para modelagem 

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. 

O insight

##  O risco não está só na pessoa.  
Está no contexto. 

Um z-score de +1,21 (percentil 89) 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?**

#### Incompatibilidade renda × entorno

Renda declarada de R$ 5k em região com mediana de R$ 2,1k é estatisticamente atípica. Pode indicar inconsistência cadastral, renda inflada ou fraude documental, sinais que o bureau não detecta. 

#### Pressão sobre o orçamento

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. 

#### Sinais precoces de risco

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. 

A solução

##  Uma coordenada. Inteligência socioeconômica  
pronta para o motor de crédito. 

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 e o tamanho da amostra. O corte mínimo de amostra aceitável para a decisão fica na política do cliente — a API entrega o número, você define a régua. Variáveis numéricas prontas para alimentar regras de política ou features de modelo. 

GET /v1/location/personal_income_pdf

Gêmeo A, Boa Vista, Joinville/SC 
    
    
    {
      "renda_pessoas_com_renda_mediana": 2083.07,
      "renda_comparada_cdf": 88.72,
      "renda_comparada_z_score": 1.21,
      "renda_pessoas_com_renda_qtde": 441
    }

Gêmeo B, Centro, Joinville/SC 
    
    
    {
      "renda_pessoas_com_renda_mediana": 14342.51,
      "renda_comparada_cdf": 5.71,
      "renda_comparada_z_score": -1.58,
      "renda_pessoas_com_renda_qtde": 288
    }

**Recorte da resposta:** os campos acima estão com o nome real que a API retorna, prefixados com `prismadata__personal_income_pdf__` (prefixo omitido no exemplo para legibilidade). Valores obtidos em consulta real ao endpoint com `income_compared=5000` e `date_income=2023-04-15`. 

Exemplo ilustrativo — quando a amostra é pequena 
    
    
    {
      "renda_pessoas_com_renda_mediana": 4210.00,
      "renda_comparada_cdf": 71.4,
      "renda_comparada_z_score": 0.57,
      "renda_pessoas_com_renda_qtde": 24
    }

Setor censitário com poucos domicílios gera estimativa instável. A API devolve o tamanho da amostra explicitamente em `renda_pessoas_com_renda_qtde`, sem esconder o número atrás de casas decimais nem inventar um selo de "confiabilidade" que a política do cliente é quem deve definir. Estabeleça o corte mínimo na sua régua — por exemplo, exigir `renda_pessoas_com_renda_qtde ≥ 30` para que a consulta entre em decisão automática — e trate abaixo disso como caso de análise manual ou de sinal de baixa confiança. 

renda_pessoas_com_renda_mediana

Mediana do setor censitário

Renda mediana do setor censitário na data de referência solicitada. Base: Censo 2022, microdados da PNAD Contínua, IPCA e modelos proprietários PrismaData. 

renda_comparada_cdf

Posição relativa do solicitante

Em que percentil da distribuição local a renda declarada se posiciona. É a estatística primária, livre de suposição de forma da distribuição. Estável para uso em regra de política. 

renda_comparada_z_score

Normal score derivado do percentil

Percentil expresso em escala de desvios-padrão. Carrega a mesma informação do percentil, em escala centrada em zero. Conveniente para modelos que esperam variável centrada — não usar as duas como features independentes. 

Nota para modelagem 

`renda_comparada_cdf` e `renda_comparada_z_score` são a mesma informação em escalas diferentes (percentil × normal score). Incluir ambas no modelo não adiciona sinal e gera colinearidade perfeita. Escolha uma. 

Backtest

##  Você pode calcular a feature na data da proposta 

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. 

Exemplo de chamada com data retroativa 
    
    
    GET /v1/location/personal_income_pdf
      ?lat=-26.301319
      &lng=-48.819026
      &date_income=2023-04-15

Como a série é mantida 

###  Nowcast mensal, não foto do censo 

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. 

Integração

##  Camada adicional de inteligência.  
Não substitui, complementa. 

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: 

01

#### Feature de modelo

Use `z_score` e `cdf` como variáveis numéricas em modelos de ML. Contínuas, normalizadas, prontas para treino. 

02

#### Regra de política

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. 

03

#### Score auxiliar combinado

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. 

Ampliação

##  Renda é só o começo. Combine com outras camadas. 

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. 

/v1/location/border

Fronteira

Faixa de fronteira, cidade gêmea, país mais próximo e tríplice fronteira. Insumo para PLD/FT alinhado à Circular BACEN 3.978 e às recomendações do GAFI/FATF.

/v1/location/prison

Presídio

Proximidade a unidades prisionais. Sinal para detecção de operações originadas de dentro de presídios.

Governança

##  Dados territoriais. Sem identificador direto. Auditável. 

#### Sem dado pessoal

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. 

#### Sem identificador direto

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. 

#### Auditável e explicável

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. 

Resultado

##  Mais contexto na decisão. Menos surpresas no portfólio. 

Pré-score

Enriquecimento geoespacial antes do motor de decisão processar

Contínuo

Percentil e z_score são variáveis numéricas, não rótulos binários. Prontas para regra de política e para features de modelo.

Sem CPF

Enriquecimento por coordenada. O insumo não é identificador direto do solicitante.

**Referências:**  
¹ Dados retornados pela API PrismaData (endpoint `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. 

##  E se você estivesse decidindo crédito com apenas metade da informação? 

Converse com a PrismaData. Podemos rodar um teste com seus próprios endereços em minutos, e você decide se faz sentido para o seu motor. 

[ Fale com a PrismaData ](<https://prismadata.io/contato/>) [ Testar renda no Playground ](<https://prismadata.io/api-playground/renda/>) [ Explorar a API ](<https://prismadata.io/documentacao-tecnica/>)