Análise de Risco # E se a esteira de risco pudesse enxergar o território? Análise de risco geoespacial: renda, fronteira, comunidade e presídio como features territoriais na esteira de decisão. Dados geoespaciais como variáveis complementares em esteiras de crédito, seguros, onboarding, compliance e KYC — renda, fronteira, contexto territorial e proximidade de áreas sensíveis. Sem CPF, via API. 588 municípios na faixa de fronteira do Brasil 11,5 mi tentativas de fraude no Brasil em 2024 R$ 3,76 bi apreendidos em contrabando e descaminho em 2024 O problema ## Esteiras de risco são cegas para o contexto territorial Modelos de crédito, seguros e compliance dependem de variáveis cadastrais e comportamentais — mas ignoram **onde** o cliente está, o que o entorno dele revela e em que contexto territorial a operação acontece. Score de crédito trata da mesma forma uma pessoa no interior de Minas e outra em uma cidade-gêmea na Tríplice Fronteira. 0 variáveis territoriais na maioria dos modelos de risco tradicionais Score de crédito não distingue região de fronteira, presídio ou área urbana 16.886 km de fronteira terrestre praticamente sem controle digital integrado Fonte: SEDEP / Faixa de 150 km com 11 milhões de habitantes +24% mais relatórios de inteligência financeira (RIFs) emitidos pelo COAF em 2023 — comunicações de operações suspeitas de lavagem Fonte: COAF / Metrópoles, 2024 — Tríplice Fronteira é área de risco reconhecida pelo GAFI O cenário ## Dois cadastros idênticos. Contextos territoriais opostos. Sem dados geoespaciais, sua esteira de risco não consegue distinguir um cliente em região residencial estável de outro em zona de fronteira com histórico de lavagem — ambos chegam com o mesmo score. Perfil A ### Bairro Savassi — Belo Horizonte/MG **Renda declarada:** R$ 10.000 **Renda mediana da região:** R$ 9.152 **Z-score:** +0.51 (compatível) **Faixa de fronteira:** NÃO **Presídio mais próximo:** 8,4 km **Comunidade mais próxima:** 1,2 km (fora) → Renda compatível. Contexto territorial estável. Prosseguir. Perfil B ### Centro — Ponta Porã/MS (fronteira seca) **Renda declarada:** R$ 10.000 **Renda mediana da região:** R$ 1.890 **Z-score:** +4.28 (anomalia) ⚠ **Faixa de fronteira:** SIM — Paraguai (1,1 km) ⚠ **Presídio mais próximo:** 2,3 km **Cidade-gêmea:** SIM — Pedro Juan Caballero ⚠ → Renda altamente incompatível. Fronteira seca. Cidade-gêmea. Escalar para revisão. Sem a PrismaData, ambos têm o mesmo score. Com ela, o Perfil B é imediatamente sinalizado — renda incompatível com o entorno, zona de fronteira e cidade-gêmea com histórico de lavagem. A solução ## Múltiplas camadas de contexto. Uma coordenada. Envie latitude e longitude. Receba de volta renda estimada com z-score, proximidade de fronteira, indicador de cidade-gêmea, contexto de comunidade e proximidade de presídios. Cada variável é uma feature pronta para a esteira de risco. GET /v1/location/personal_income_pdf GET /v1/location/border GET /v1/location/slum GET /v1/location/prison Resposta combinada — Ponta Porã/MS (lat=-22.5302, lng=-55.7162) { // — Renda (personal_income_pdf) — "renda_media_regiao": 1890.45, "renda_mediana_regiao": 1420.30, "renda_comparada_z_score": 4.28, "renda_comparada_cdf": 0.9991, "qtde_pessoas": 312, // — Fronteira (border) — "ponto_contido_na_faixa_de_fronteira": true, "pais_mais_proximo": "PARAGUAI", "distancia_pais_mais_proximo_km": 1.112, "municipio_possui_cidade_gemea": true, "nome_municipio_de_fronteira": "Ponta Porã", // — Comunidade (slum) — "favela_distancia_m": 890.2, "favela_dompp_total": 342, // — Presídio (prison) — "ponto_dentro_presidio": false, "distancia_borda_m": 2340.5, "nome_estabelecimento": "Unidade Penal Ricardo Brandão" } Renda z_score + cdf A renda declarada é compatível com o entorno? Quão atípica é? Fronteira faixa + cidade_gemea Está na faixa de fronteira? É cidade-gêmea? Qual país mais próximo? Comunidade distancia_m + contexto Variável contínua — não é rótulo, é distância. Contexto, não julgamento. Presídio dentro + distancia_m Operação originada de dentro de unidade prisional? Qual presídio? Aplicações ## Em quais esteiras aplicar? Toda operação que capture um endereço, CEP ou coordenada GPS é uma oportunidade de adicionar camadas de contexto territorial à decisão de risco. #### Crédito Z-score de renda como variável de consistência. Renda declarada é compatível com a região? Se o z-score é +4, a renda está muito acima do padrão local — sinal de atenção. #### Seguros Contexto de comunidade como variável de precificação — que pode inclusive **reduzir** o prêmio. Dados de fronteira e presídio como variáveis para sinistro e fraude. #### Onboarding / KYC Cadastro feito de cidade-gêmea na faixa de fronteira? Com renda incompatível? Sinal forte para revisão manual ou camada adicional de verificação. #### PLD/FT e Compliance Monitoramento contínuo de clientes em zonas de risco reconhecidas pelo GAFI — Tríplice Fronteira, cidades-gêmeas, rotas de contrabando. Variáveis auditáveis para reporte ao COAF. #### Prevenção a fraude transacional Transação bancária de uma favela no RJ — vinda de pessoa que nunca frequenta o local? Sinal forte de sequestro relâmpago. Morador da comunidade fazendo a mesma transação? Contexto normal. #### Precificação por contexto Ajuste de taxas, limites e condições com base no perfil socioeconômico real do entorno — não apenas no CEP. Granularidade de setor censitário, não de cidade. Nuance ## Dado de comunidade não é rótulo. É contexto. Proximidade de favela não é sinônimo de risco. É uma variável de contexto que pode **aumentar ou reduzir** a percepção de risco dependendo do cenário. Dois exemplos reais mostram por quê: Menos risco ### Seguro auto — veículo dorme na comunidade Quando um veículo segurado dorme na rua, a percepção de risco da seguradora aumenta e o prêmio sobe. Porém, se o veículo dorme em uma comunidade, o prêmio tende a subir **menos** — porque existe um forte código de respeito entre moradores que protege bens dentro da comunidade. → Saber que o cliente mora em comunidade pode **reduzir** o prêmio do seguro. Mais risco ### Fraude bancária — sequestro relâmpago Um turista de BH, no RJ, foi vítima de sequestro relâmpago dentro de uma favela. Obrigado a entregar senhas, sofreu R$ 16 mil em prejuízos em 4 instituições. Se os bancos cruzassem o GPS da transação com o dado de comunidade e o histórico de movimentação, a transação seria barrada — **ele nunca frequentava aquele local**. → Transação vinda de favela por não-morador = sinal forte de coação. O dado não discrimina. Ele contextualiza. A variável de comunidade da PrismaData é uma **distância contínua em metros** , não um rótulo binário "favela / não-favela". Combinada com o perfil de movimentação do cliente, ela se torna uma feature de risco poderosa e justa — podendo proteger tanto o morador quanto a instituição. Integração ## Como funciona Integração simples via API REST. Envie endereço, CEP ou coordenada do cliente. Receba contexto territorial completo para alimentar sua esteira de risco. Operação / Cadastro Endereço, CEP ou GPS do dispositivo APIs PrismaData /income + /border /slum + /prison lat + lng Contexto territorial Renda, fronteira, comunidade, presídio Esteira de risco Score composto, regra de política, feature de modelo ou flag para PLD/FT REST API padrão < 200ms Latência típica Lote Endpoint batch disponível OpenAPI Spec + Sandbox SDK Python disponível AI-ready Claude Code, Cursor, Copilot A documentação OpenAPI da PrismaData é compatível com agentes de codificação como **Claude Code** , **Cursor** e **GitHub Copilot** — o que reduz drasticamente a fricção na integração. Seu time de engenharia consegue conectar a API à esteira de risco em minutos, não semanas. Diferencial ## Camadas combináveis. Dados atualizados. Exclusivo. Nenhum bureau de crédito ou provedor de dados oferece, em uma única plataforma, renda estimada com PDF + dados de fronteira + contexto de comunidade + geointeligência prisional. Na PrismaData, tudo é combinável por coordenada. Mensal Atualização dos modelos de renda via PNAD Contínua. Não é Censo 2022. 4 camadas Renda + fronteira + comunidade + presídio. Combináveis por coordenada. Contínuo Distância em metros, não rótulo binário. Z-score, não faixa genérica. Ideal para modelos de ML. Dados de referência: PNAD Contínua (IBGE), Censo Demográfico 2022, SENAPPEN/SISDEPEN, dados cartográficos oficiais. Modelos proprietários com inferência via ML. Geofences de presídios e fronteiras criadas manualmente pela equipe PrismaData. Governança ## Dados territoriais, não pessoais. LGPD-compliant. 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. #### LGPD-compliant Não há tratamento de dado pessoal na camada de enriquecimento. O dado que entra é uma coordenada; o que sai é contexto territorial. Simplifica a discussão de compliance. #### Auditável e explicável Cada variável é rastreável — renda vem do modelo PDF, fronteira vem de dados cartográficos oficiais, presídio de geofences proprietárias. Ideal para suportar decisão humana e atender exigências regulatórias. Resultado ## Mais variáveis na esteira. Menos pontos cegos no risco. 4 camadas geoespaciais independentes adicionadas à esteira 588 municípios de fronteira agora identificáveis automaticamente 0 CPFs necessários — enriquecimento 100% por coordenada, sem dado pessoal **Referências:** ¹ Serasa Experian, _Indicador de Tentativas de Fraude_ , 2024. 11,5 milhões de tentativas registradas no Brasil. ² Receita Federal, _Balanço de Apreensões_ , fev. 2025. R$ 3,76 bilhões em contrabando e descaminho em 2024. ³ GAFI/FATF, _Avaliação Mútua do Brasil_ , dez. 2023. Tríplice Fronteira reconhecida como zona de risco para PLD/FT. ⁴ COAF / Metrópoles, set. 2024. Aumento de 24% nos relatórios de inteligência financeira em 2023. ⁵ Agência Brasil, set. 2024. 588 municípios na faixa de fronteira, 11 milhões de habitantes. ## Pronto para adicionar contexto territorial à sua esteira de risco? Converse com a PrismaData. Podemos rodar um piloto com suas próprias coordenadas em minutos. [ Fale com a PrismaData ]() [ Testar no Playground de Localização ]() [ Explorar a API → ]()