Modelagem Estatística da Inadimplência sob a Perspectiva da Ciência da Informação

Modelagem Estatística da Inadimplência sob a Perspectiva da Ciência da Informação

• Autor
• Juliana Simoes da Silva Dutra
• Co-autores
• Frederico Cesar Mafra Pereira
• Resumo

• O crescimento da inadimplência representa desafio para instituições financeiras e empresas de recuperação de crédito, exigindo estratégias eficientes de análise, segmentação e tomada de decisão. A Ciência da Informação, associada à Estatística e às tecnologias de análise de dados, contribui para a transformação de grandes volumes de dados em conhecimento aplicado à gestão organizacional. O estudo apresenta uma análise da inadimplência sob a perspectiva da Ciência da Informação, utilizando técnicas estatísticas para construção de modelo preditivo aplicado à recuperação de crédito. O objetivo foi identificar variáveis relacionadas à probabilidade de adimplência de clientes inadimplentes, além de discutir o papel da gestão da informação e inteligência analítica na construção de estratégias de cobrança mais eficientes. A pesquisa caracteriza-se como quantitativa, descritiva e exploratória. A base de dados, anonimizada e em conformidade com a LGPD, compreendeu informações de 665.379 clientes inadimplentes de cartões de crédito, cedidas por um escritório de cobrança extrajudicial de Belo Horizonte/MG. O modelo estatístico adotado foi a regressão logística, com seleção de variáveis por stepwise forward selection e avaliação por Curva ROC e AUC. Os resultados demonstraram que 96,2% dos clientes foram classificados como maus pagadores e 3,8% como bons pagadores. Estado civil, fase da dívida, valor da dívida, idade, sexo e dia de vencimento foram as variáveis mais relevantes. O modelo apresentou AUC aproximada de 0,70, indicando capacidade preditiva moderada. Conclui-se que a integração entre Ciência da Informação, Estatística e Ciência de Dados favorece estratégias de cobrança mais eficientes, segmentadas e alinhadas à gestão do conhecimento organizacional.

• Palavras-chave
• Ciência da Informação, Inadimplência, Regressão Logística, Gestão da Informa-ção, Inteligência Artificial
• Área Temática
• Ciência de Dados, IA e Sistemas

Voltar Download