Visual analytics para o acompanhamento de modelos de credit scoring

• Ano de defesa: 2022
• Autor(a) principal: Baldo, Daiane Rodrigues
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul; Escola Politécnica; Brasil; PUCRS; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: Acompanhamento; Modelagem de Dados; Risco de Crédito; Credit Scoring; Visual Analytics; Performance; Data Modeling; Credit Risk; CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: https://tede2.pucrs.br/tede2/handle/tede/10259

Modelos de Credit Scoring são utilizados por instituições financeiras com o objetivo de predizer a inadimplência de seus clientes e auxiliar na tomada de decisão sobre a concessão de crédito. Como há um grande volume de transações de crédito sendo gerado diariamente e um potencial aumento dessas informações com o advento do open finance, existe o desafio de conseguir monitorar essas informações de forma rápida para que se possa atuar em caso de perda de desempenho desses modelos. Diversos trabalhos encontrados na literatura visam aperfeiçoar as técnicas utilizadas na etapa de construção do modelo. No entanto, não encontramos trabalhos relacionados ao acompanhamento destes modelos. Considerando este contexto, o principal objetivo desta pesquisa foi criar uma abordagem de Visual Analytics para auxiliar na gestão de modelos de crédito. Para isto, inicialmente, realizamos uma revisão sistemática da literatura sobre o tema e conduzimos entrevistas semiestruturadas com 13 profissionais que possuem experiência na área. Considerando as necessidades levantadas com este estudo, criamos um protótipo chamado VACS (Visual Analytics para o Acompanhamento de Modelos de Credit Scoring). As principais contribuições deste trabalho são: (a) Os resultados obtidos com a revisão sistemática da literatura que mostram que há uma lacuna sobre o tema e que permitiram identificar insights sobre o uso de Visual Analytics e análise de cenários no acompanhamento destes modelos.(b) O levantamento de requisitos realizado por meio das entrevistas com especialistas, que permitiu o registro de como os modelos são acompanhados dentro das instituições financeiras, algo que não é divulgado devido ao sigilo do dados e que pode ajudar na padronização dos monitoramentos; (c) O VACS, que foi avaliado por quatro especialistas de domínio que o classificaram como uma ferramenta muito completa e fácil de usar; (d) As sugestões coletadas na etapa de feedbacks, que contribuirão no aprimoramento do VACS e em trabalhos futuros.