Clusterização de Clientes de uma Instituição Financeira para Geração de Alertas de Economia Personalizados

Ewerton Martins de Menezes; Beatriz Garcia Lopes

DOI: 10.22167/2675-6528-202602877

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A transformação digital e a inteligência analítica no setor bancário possibilitaram uma atuação mais consultiva das instituições financeiras. O estudo objetivou desenvolver um sistema de geração de alertas de economia personalizados com base no histórico de transações financeiras. A metodologia adotada envolveu três etapas: primeiramente, realizou-se o agrupamento de indivíduos por meio de múltiplos algoritmos de clusterização, com destaque para K-means e TimeSeriesKMeans. Em seguida, detectaram-se anomalias contextuais, mapeando desvios estatisticamente significativos no comportamento de consumo dentro dos grupos e em suas respectivas séries temporais, utilizando os algoritmos Isolation Forest, Distância de Mahalanobis e Z-Score modificado. Por fim, geraram-se alertas contextuais, traduzindo os desvios matemáticos em intervenções estruturadas. Os resultados dessa estratégia, aplicados a uma amostra de 2.679 correntistas de uma instituição financeira brasileira de grande porte, demonstraram sua viabilidade técnica, identificando pelo menos um alerta personalizado para 69,50% da base analisada. A principal contribuição consistiu em operacionalizar teorias da economia comportamental com algoritmos de aprendizado de máquina. Concluiu-se que a convergência entre ciência de dados e economia comportamental pode viabilizar uma assessoria financeira escalável e ajustada à realidade de cada cliente.

Palavras-chave: Aprendizado não supervisionado; Detecção de anomalias; Finanças pessoais; Séries temporais; Teoria do nudge.

1. Introdução

A crescente digitalização dos meios de pagamento e o declínio do uso de dinheiro em espécie transformaram o setor bancário, conferindo às instituições financeiras uma visibilidade sem precedentes sobre os hábitos de consumo de seus clientes. Esse cenário de abundância de dados transacionais, contudo, contrasta com um baixo nível de educação financeira na população.

Dados da Confederação Nacional do Comércio (CNC, 2026) indicam que o endividamento das famílias brasileiras permanece em patamares elevados, evidenciando uma lacuna no letramento financeiro, especialmente em camadas de menor renda. As abordagens tradicionais de assessoria financeira, por serem genéricas e desconectadas da realidade individual, demonstram efeitos limitados nesse contexto.

Para superar essas limitações, a literatura recente aponta que estratégias orientadas a dados são fundamentais para aprimorar a experiência do cliente e permitir a personalização de serviços em escala, superando as restrições do serviço bancário tradicional (Adeniran et al., 2024). Nesse panorama, a segmentação de clientes transcende uma atividade puramente operacional e se consolida como uma ferramenta estratégica de retenção e marketing.

A análise de negócios, conforme reforçado por Hossen et al. (2025), permite identificar padrões ocultos no comportamento do consumidor, auxiliando na tomada de decisões gerenciais mais assertivas. A importância da segmentação dinâmica, que combina modelos clássicos como Recência, Frequência, Valor Monetário (RFM) com técnicas de séries temporais, é destacada por Abbasimehr e Bahrini (2022). Além das transações, fatores emocionais e sociodemográficos também influenciam a fidelidade, sugerindo segmentações baseadas nos sentimentos dos clientes em relação aos serviços bancários (Calvo-Porral e Lévy-Mangin, 2020).

Entre as técnicas de aprendizado não supervisionado para segmentação, o algoritmo K-means é uma referência na indústria devido à sua simplicidade de implementação, facilidade de interpretação e eficiência computacional em grandes bases de dados (Hossen et al., 2025; Thompson et al., 2021). No entanto, o K-means possui limitações, como a sensibilidade a “outliers” e a dificuldade em identificar clusters de formatos irregulares. Para mitigar esses problemas, Yan et al. (2025) propõem melhorias em algoritmos baseados em densidade, como o DBSCAN, que são mais eficazes na identificação de ruídos e na separação de grupos complexos, embora exijam maior esforço na parametrização.

Avanços mais recentes exploram o uso de Deep Learning, com modelos como o Deep Clustering que utilizam autoencoders e redes neurais para capturar relações não lineares em dados financeiros complexos (Choi et al., 2024). Contudo, Wei et al. (2024) alertam que o custo computacional e a natureza de “caixa-preta” das redes neurais ainda impõem barreiras à adoção generalizada dessas técnicas em comparação com métodos clássicos. A eficácia dos algoritmos de clusterização também é afetada pela alta dimensionalidade e correlação entre variáveis, desafio abordado por Zhao et al. (2021) com versões regularizadas do K-means, e por Nisha e Pramod (2025) que destacam a redução de dimensionalidade para segmentação e modelos preditivos.

No contexto da educação financeira, a personalização das orientações é um fator crítico para o engajamento do usuário. Este trabalho fundamenta-se na teoria do “nudge” (Thaler e Sunstein, 2009), da economia comportamental, que defende a possibilidade de orientar as pessoas a tomarem decisões melhores sem restringir sua liberdade de escolha. Diferentemente de intervenções tradicionais que recorrem à comparação social genérica, o que pode gerar frustração (Beshears et al., 2015), a estratégia proposta emprega algoritmos de clusterização para delimitar segmentos de clientes com perfis sociodemográficos e hábitos de consumo similares. Dessa forma, o “nudge” atua de maneira contextualizada e é potencializado pela prévia categorização das transações, ampliando o leque de intervenções possíveis e viabilizando recomendações altamente direcionadas. Diante do exposto, o objetivo do trabalho é gerar alertas de economia personalizados por meio da clusterização de clientes combinada com a detecção de anomalias utilizando seus perfis sociodemográficos e comportamentos de consumo, com o intuito de incentivar decisões financeiras mais conscientes e sustentáveis.

2. Material e Métodos

Este trabalho adotou uma abordagem quantitativa exploratória, utilizando dados transacionais de clientes reais de uma instituição financeira de grande porte do Brasil. A pesquisa foi realizada com uma amostra de 2.679 indivíduos, selecionada de um universo de 24 milhões de clientes pessoas físicas. O cálculo amostral seguiu a metodologia de Fávero e Belfiore (2025), considerando população infinita, 95% de confiança e 5% de margem de erro.

A coleta de dados abrangeu aproximadamente 4,4 milhões de transações financeiras, registradas entre janeiro e dezembro de 2025. Para garantir a ética e a proteção de dados sensíveis, a base foi integralmente anonimizada pela instituição antes do acesso acadêmico. A autorização institucional foi formalizada por um Termo de Anuência, assegurando a conformidade no tratamento das informações.

A preparação dos dados envolveu a seleção de atributos sociodemográficos e transacionais, categorizados por uma solução interna da instituição. Após a limpeza de transações inválidas e a remoção de dois clientes com dados incompletos, a amostra final consistiu em 2.679 clientes e 4.065.152 transações válidas. Variáveis qualitativas foram codificadas, incluindo “One-Hot Encoding”.

A engenharia de atributos condensou o histórico transacional em métricas estatísticas por cliente e por mês, criando cinco dimensões de consumo (Receitas, Gastos, Resultado, Investimentos e Gastos no cartão) e variáveis de séries temporais. O escalonamento e a normalização dos dados foram cruciais para tratar a heterogeneidade. Variáveis contínuas foram escalonadas com “StandardScaler”, assimétricas com “PowerTransformer” e percentuais com “MinMaxScaler”.

A modelagem da clusterização buscou criar grupos homogêneos internamente e heterogêneos externamente (Fávero e Belfiore, 2025), em duas fases: otimização individual e comparação global. Cinco algoritmos foram selecionados: K-means, K-prototypes, HDBSCAN (Campello et al., 2015), Modelo de Mistura Gaussiana (GMM) e K-means para séries temporais (TimeSeriesKMeans). A otimização de cada algoritmo utilizou métricas internas específicas, como Método do Cotovelo, Coeficiente de Silhueta, DBCV, BIC e AIC. Para o K-means, aplicou-se Principal Component Analysis [PCA] para redução de dimensionalidade.

O K-means para séries temporais empregou a métrica Dynamic Time Warping [DTW] para similaridade longitudinal (Abbasimehr e Bahrini, 2022). Na fase de comparação global, os algoritmos foram avaliados por métricas agnósticas, incluindo testes de Kruskal-Wallis e Qui-Quadrado para significância prática, e Epsilon-Quadrado (€²) e V de Cramér para tamanho do efeito (Cohen, 1988).

A detecção de anomalias contextuais focou em desvios significativos do padrão de grupo. Para variáveis críticas, aplicou-se o Z-score Modificado (Iglewicz e Hoaglin, 1993), com anomalias definidas por Z-score superior a 3,5. A Distância de Mahalanobis (Mahalanobis, 1936) foi utilizada para inconsistências na alocação de recursos, considerando a covariância dos dados, com anomalias acima do valor crítico da distribuição Qui-quadrado com 99% de confiança. Para monitorar mudanças bruscas de comportamento, empregou-se o algoritmo Isolation Forest (Liu, Ting e Zhou, 2008), treinado individualmente por cluster com variáveis de tendência.

Na detecção de anomalias em séries temporais, o comportamento ideal de cada cluster foi extraído pelo DTW Barycenter Averaging [DBA] (Petitjean et al., 2011). A distância DTW entre a série individual e o baricentro do grupo serviu como coeficiente de anomalia, com o Z-score Modificado aplicado para disparar alertas. A etapa final consistiu na geração de alertas contextuais, traduzindo as anomalias detectadas em mensagens educativas predefinidas, fundamentadas nos princípios da economia comportamental e no viés cognitivo da prova social. Todas as etapas foram implementadas na ferramenta Spyder IDE, utilizando a linguagem Python e bibliotecas como Scikit-learn, Pandas e Numpy.

3. Resultados e Discussão

O presente estudo visou desenvolver um sistema de geração de alertas de economia personalizados, fundamentado na análise do histórico de transações financeiras de clientes. A abordagem metodológica adotada demonstrou a viabilidade técnica da solução proposta, identificando pelo menos um alerta personalizado para 69,50% da base analisada, composta por 2.679 correntistas de uma instituição financeira brasileira de grande porte. Os resultados obtidos evidenciam a capacidade de operacionalizar princípios da economia comportamental, como a teoria do “nudge”, por meio de algoritmos de aprendizado de máquina, promovendo uma assessoria financeira escalável e ajustada à realidade individual de cada cliente.

Entendimento dos Dados

A amostra analisada revelou um perfil sociodemográfico diversificado, com 66% de homens e 34% de mulheres. Observou-se uma concentração significativa de clientes com ensino superior completo e pós-graduação, indicando um nível de instrução elevado. Os perfis de renda B e C foram os mais frequentes, abrangendo 99% da amostra. A idade dos clientes variou de 22 a 75 anos, com uma média de 44 anos, refletindo a inclusão tanto de clientes recentes quanto de longa data na instituição. A maioria dos clientes possuía apenas uma conta ativa, embora a amostra também incluísse indivíduos com múltiplas contas.

Em relação ao estado civil, 55% dos clientes eram casados e 34% solteiros. A renda média observada foi de R$ 50.457,51, caracterizada por uma alta amplitude e dispersão, englobando desde clientes sem renda formal cadastrada até aqueles com rendimentos 20 vezes superiores à média geral. No que tange ao comportamento transacional, foram analisadas 4.065.152 transações financeiras válidas. Desse total, 45,76% foram realizadas com cartão de crédito, enquanto 54,24% corresponderam a transferências, pagamentos, compras, receitas, saques e depósitos em dinheiro. A distribuição dessas movimentações manteve-se relativamente constante ao longo dos meses, com uma média de 338 mil transações mensais.

Engenharia de Atributos e Pré-processamento

A etapa de engenharia de atributos foi crucial para transformar o histórico transacional em métricas que capturassem o comportamento de consumo. Os dados foram agrupados por cliente e por mês, resultando na criação de cinco dimensões principais: Receitas (RC), Gastos (GSTO), Resultado (RSTD), Investimentos (INVS) e Gastos no Cartão (GSTO_CRT). Adicionalmente, os gastos foram detalhados por macrocategorias (dívida, essencial, não classificados e supérfluos) e dez categorias específicas, calculando-se a porcentagem em relação ao gasto mensal total de cada cliente. Essa granularidade permitiu uma análise aprofundada dos padrões de consumo.

Para capturar o comportamento das dimensões e categorias de despesas ao longo de 12 meses, foram empregadas duas estratégias de extração. A primeira consistiu em agregações estatísticas, gerando 76 variáveis de comportamento de consumo para cada cliente, incluindo média (MED), desvio padrão (DPDR), máximo (MAX) e tendência (TND). A segunda estratégia envolveu a criação de séries temporais, sequenciando as médias mensais das dimensões de consumo e gastos por categoria, resultando em 19 variáveis de comportamento de consumo para cada cliente, estruturadas em um cubo tridimensional para a aplicação de algoritmos específicos.

A heterogeneidade dos atributos coletados, que incluíam variáveis ordinais, percentuais, métricas temporais e valores monetários com variadas distribuições e escalas, exigiu uma estratégia de pré-processamento robusta. As variáveis sociodemográficas, como idade, perfil de renda, nível de instrução, anos de relacionamento e quantidade de contas, foram escalonadas com o StandardScaler. Esse procedimento padronizou os dados, centrando a média em zero e igualando o desvio padrão a um, prevenindo que atributos com maiores faixas numéricas dominassem o cálculo da distância euclidiana e preservando a estrutura da variância original.

As variáveis financeiras volumétricas, como renda presumida, resultado, receita, gastos e investimentos, foram normalizadas com o PowerTransformer. Essa escolha se justifica pela natureza assimétrica desses atributos monetários, que frequentemente apresentam distribuições de cauda longa à direita devido à presença de clientes com alta movimentação financeira. O PowerTransformer estabilizou a variância e mapeou esses dados para uma distribuição mais próxima da curva normal. Já os gastos por macrocategoria e categoria, expressos como valores percentuais do gasto total, foram normalizados com o MinMaxScaler, que mapeou esses atributos para o intervalo de zero a um, preservando as proporções e distâncias relativas do consumo sem distorções.

Modelagem e Seleção dos Algoritmos de Clusterização

A modelagem da clusterização foi realizada em duas fases para criar grupos homogêneos internamente e heterogêneos entre si. Na primeira fase, cinco algoritmos foram selecionados e otimizados individualmente: K-means, K-prototypes, HDBSCAN, GMM e K-means para séries temporais (TimeSeriesKMeans). A redução de dimensionalidade foi um passo essencial, com a aplicação do Principal Component Analysis (PCA) que comprimiu o espaço original para nove componentes principais, retendo 80,42% da variância explicada. Em cenários de redução de dimensionalidade não linear via UMAP, a métrica “Trustworthiness” foi mantida acima de 80%, assegurando a preservação das relações de proximidade originais entre os clientes.

A otimização do número de clusters (k) para K-means e K-means para séries temporais, utilizando o Método do Cotovelo, não revelou um ponto de desaceleração nítida na curva de inércia, sugerindo uma distribuição contínua e complexa dos dados financeiros. A análise do Coeficiente de Silhueta para esses algoritmos indicou um valor máximo global em k = 2, o que, sob a ótica de negócio, resultaria em uma segmentação binária excessivamente genérica e inviável para alertas personalizados. Diante disso, o k ideal foi definido com base em picos locais, adotando-se k = 5 para o K-means, k = 4 para o K-prototypes e k = 6 para o K-means para séries temporais.

No caso do algoritmo GMM, a otimização convergiu para k = 7, minimizando os critérios de informação BIC e AIC, o que sugere que sete distribuições gaussianas representam melhor a probabilidade de pertencimento dos clientes. A otimização do HDBSCAN envolveu a avaliação de 324 combinações de hiperparâmetros e a redução de dimensionalidade via UMAP. A configuração ótima, com UMAP de 2 componentes, 10 vizinhos próximos, distância mínima de 0,01 e distância euclidiana, combinada com parâmetros de HDBSCAN de tamanho mínimo de agrupamento de 30 e rigor de densidade da vizinha de 3, resultou na formação de quatro clusters, classificando apenas 1 cliente como ruído e alcançando um DBCV de 0,75.

Na segunda fase da modelagem, a comparação global dos algoritmos revelou que o K-means para séries temporais e o GMM apresentaram uma distribuição populacional mais equilibrada. Em contraste, o HDBSCAN concentrou 72,52% da amostra (1.943 clientes) em um único grupo, e o K-means e K-prototypes geraram clusters com menos de 1% da base amostral, indicando a presença de “outliers” extremos. Embora os testes estatísticos de Kruskal-Wallis e Qui-Quadrado tenham mostrado diferenças significativas entre os clusters para a maioria das variáveis em todos os algoritmos, a mensuração do tamanho do efeito (Epsilon-Quadrado e V de Cramér) forneceu contrastes metodológicos mais relevantes.

O HDBSCAN destacou-se no alinhamento com rótulos qualitativos de negócio, enquanto o GMM obteve melhor desempenho nas categorias de gasto. O K-means demonstrou superioridade analítica na partição das variáveis financeiras volumétricas, com uma média de tamanho do efeito de 0,138. Essa capacidade de maximizar a separação das grandezas quantitativas ratificou a escolha do K-means como o algoritmo principal para a formação dos clusters, fornecendo uma base robusta para a subsequente fase de detecção de anomalias. A eficácia do K-means, conforme evidenciado por Zhao et al. (2021), é sensível à alta dimensionalidade e correlação entre variáveis, o que justifica as etapas de pré-processamento e redução de dimensionalidade aplicadas.

Caracterização dos Clusters de Comportamento

Os cinco clusters gerados pelo algoritmo K-means revelaram perfis comportamentais distintos, apesar de alguma sobreposição em perfis de renda e despesas intermediários. Essa segmentação garantiu a heterogeneidade necessária para a geração de alertas personalizados. O Cluster K0, denominado “Devedores”, compreendeu 639 clientes com idade média de 46 anos, predominantemente homens casados, com alto nível de instrução e renda elevada. Esse grupo apresentou o pior resultado financeiro médio da amostra, com um déficit de R$ -3.458,61 e saldo negativo em investimentos de R$ -569,37, sugerindo uma dependência de linhas de crédito para manter o padrão de vida.

O Cluster K1, “Novos clientes”, foi o grupo mais jovem da amostra, com a maior proporção de mulheres (38%) e os perfis de renda mais baixos. Com 837 clientes, movimentava o menor volume financeiro, mas conseguia equilibrar receitas e gastos, mantendo um saldo positivo em investimentos. Destacou-se por ter a maior proporção de gastos com despesas pessoais (17,1%) e a maior parcela do orçamento comprometida com dívidas (5,1%). O Cluster K2, “Cliente médio”, foi o maior grupo em termos numéricos, com 1.138 clientes de níveis intermediários de renda e instrução. Esse grupo apresentou o maior comprometimento do orçamento com gastos essenciais (37,4%), um pequeno déficit médio de R$ -867,22 e pequenas reservas em investimento de R$ 920,12, liderando as despesas em categorias como Transporte (9,3%), Casa (8,6%) e Alimentação (8,5%).

O Cluster K3, “Poupador”, com 47 clientes, apresentou a maior média de idade, forte predominância masculina, alto perfil socioeconômico e longo histórico de relacionamento. A renda desse grupo era significativamente superior às saídas de recursos, gerando um resultado médio de R$ 33 mil e um volume de investimentos de R$ 73 mil. Apresentava a menor proporção de gastos essenciais (29,70%), indicando maior disponibilidade de renda para investimentos e lazer. Além disso, registrava a maior proporção de despesas em tarifas e impostos (5,1%) e gastos não classificados (36,94%), sugerindo o uso frequente de dinheiro em espécie. O Cluster K4, “Elite/Alta Renda”, foi o menor grupo, com 18 clientes, representando o topo da pirâmide financeira. Detinha os maiores volumes de renda, gasto e receita, com um excedente financeiro individual de R$ 110 mil, direcionado para investimentos. Era o único grupo com presença relevante do perfil de renda A e a maior concentração de mestres e doutores, além de apresentar as maiores despesas proporcionais com lazer (7,9%) e saúde (6,6%).

A análise dos baricentros dos seis clusters gerados pelo K-means para séries temporais (T0 a T5) revelou padrões temporais distintos no comportamento financeiro ao longo de 2025. Um pico de receita em fevereiro foi perceptível em todos os grupos, influenciando saldos líquidos e investimentos, sugerindo um evento sazonal forte na base de dados. O Cluster T0, o menor em termos numéricos, caracterizou-se por uma forte tendência de queda de atividade ao longo do ano, com retração contínua de receita e gastos a partir do segundo semestre. O Cluster T1 apresentou picos secundários de receita em abril e setembro, com o mês de abril concentrando o maior gasto do grupo, refletindo-se em resultado e saldo em investimentos negativos.

O Cluster T2, diferentemente dos demais, teve seu pico de receita em setembro, acompanhado por um pico de gastos, sem sobra financeira ou saldo em investimentos, com consumo de cartão de crédito oscilando. O Cluster T3, o maior grupo da base, também exibiu um pico secundário de receita em setembro, com resultado e saldo positivos em investimentos, e um consumo de cartão de crédito estável, mas com tendência de aumento no final do ano. O Cluster T4 registrou um pico secundário de receita em setembro sem um pico de gastos, resultando em sobra financeira e saldo em investimentos. Por fim, o Cluster T5 apresentou diversos picos de receita ao longo do ano que não se refletiram nas demais métricas financeiras, com um claro pico de gastos em julho que reduziu os saldos em investimento.

Análise de Anomalias e Geração de Alertas

A detecção de anomalias contextuais foi um componente central para a geração de alertas, diferenciando-se das abordagens tradicionais que buscam apenas “outliers” globais. Para alertas em variáveis críticas, utilizou-se o Z-score Modificado, que substitui a média pela mediana e o desvio padrão pelo desvio absoluto da mediana (MAD), tornando os estimadores mais robustos. Valores de Z-score superiores a 3,5 foram considerados anomalias. Para detectar inconsistências e desequilíbrios na estrutura de alocação de recursos, como a relação entre renda, receitas, gastos e investimentos, empregou-se a Distância de Mahalanobis, que considera a matriz de covariância dos dados, aspecto fundamental em finanças. Observações que ultrapassassem o valor crítico da distribuição Qui-quadrado com 99% de confiança foram classificadas como anomalias.

Para monitorar mudanças bruscas de comportamento, o algoritmo Isolation Forest foi aplicado, isolando anomalias por meio de partições em árvores aleatórias, sendo eficaz em capturar padrões complexos sem assumir uma distribuição normal. Este algoritmo foi treinado individualmente para cada cluster, com base nas variáveis de tendência de resultado, receita, gastos e investimentos, permitindo identificar clientes cuja situação financeira sofreu alteração abrupta. Para os alertas baseados em séries temporais de consumo agrupadas pelo K-means, a detecção de anomalias foi estruturada a partir do alinhamento sequencial dos dados, utilizando o método DTW Barycenter Averaging (DBA) para calcular a sequência temporal média ponderada de cada cluster. A distância de DTW entre a série temporal individual do cliente e o baricentro do seu grupo foi usada como coeficiente de anomalia, e o Z-score Modificado foi aplicado para quantificar o desvio e disparar o alerta.

O primeiro conjunto de regras de alerta, focado em anomalias estruturais e de tendência, identificou inconsistências financeiras e quebras de tendência em relação aos pares, alcançando 18,66% da amostra (500 clientes) com a geração de 544 alertas. Especificamente, 161 clientes receberam alertas sobre “Tendência de queda no orçamento”, detectados pelo Isolation Forest e por um resultado de tendência de saldo negativo. Outros 153 clientes foram alertados sobre “Desequilíbrio estrutural entre renda e gastos”, com base na Distância de Mahalanobis, indicando um desvio significativo do padrão de seu perfil. Adicionalmente, 230 clientes foram identificados com “Crescimento de gastos com dívidas”, com base em Z-score superior a 3,5 e média acima de 5% para as variáveis de dívida.

A segunda categoria de alertas, focada em gastos excessivos em categorias específicas e no uso do cartão de crédito, impactou 30,27% da base (811 usuários), gerando um total de 862 alertas. Exemplos incluem 20 clientes com “Gasto excessivo com cartão de crédito”, com média de R$ 5.450,45, e 14 clientes com “Gasto com estilo de vida em excesso”, representando 23% do total de gastos. Alertas sobre “Gastos com dívidas em excesso” atingiram 624 clientes (17% do total), “Gastos com comunicação em excesso” 64 clientes (24% do total), “Gastos com despesas pessoais em excesso” 13 clientes (32% do total), “Gastos com lazer em excesso” 78 clientes (36% do total) e “Gastos com transporte em excesso” 49 clientes (46% do total), todos baseados em Z-score modificado e/ou média percentual acima de limites definidos.

A detecção de desvios em séries temporais de gastos totais e gastos com cartão de crédito, utilizando o Z-score modificado, identificou mudanças bruscas no comportamento de consumo em 3,43% da base (92 clientes), resultando em 93 alertas. Desse total, 3 clientes foram alertados sobre “Desvio nos gastos em geral” e 90 clientes sobre “Desvio nos gastos com cartão de crédito”. Além dos alertas baseados em desvios estatísticos, foram gerados alertas para incentivar boas práticas financeiras, abrangendo 20,38% da amostra (546 clientes) e totalizando 614 intervenções. Isso incluiu 307 clientes com “Potencial de investimento”, identificados por saldo disponível acima da média e investimentos abaixo do esperado, e 303 clientes com “Gastos não classificados”, com mais de 50% de seus gastos sem categorização.

Sob a ótica do reforço positivo, foram gerados alertas para a manutenção de hábitos saudáveis e cenários de superávit, impactando 35,91% da base (962 indivíduos) com 1.095 alertas. Essa categoria incluiu 526 clientes com “Crescimento da parcela investimentos”, identificados por investimentos e tendência de investimentos positivos, e 551 clientes com “Baixo nível de endividamento”, caracterizados por alta receita média e baixa proporção de dívidas. O reconhecimento proativo de bons comportamentos atua como um gatilho para fortalecer o relacionamento do usuário, conforme sugerido por Calvo-Porral e Lévy-Mangin (2020), que destacam a influência das emoções positivas na satisfação e retenção de clientes bancários.

Em síntese, a solução proposta demonstrou sua viabilidade técnica para atuar em escala, gerando um total de 3.118 alertas e tornando 69,50% da amostra (1.862 clientes) elegível ao recebimento de pelo menos um alerta contextual nas diferentes dimensões da vida financeira. A transição de um modelo de segmentação estático para uma estrutura de monitoramento dinâmico, baseada na detecção de anomalias não só no volume total das transações, mas também nas categorias, revelou-se fundamental para ampliar o leque de intervenções possíveis. Os resultados evidenciam a capacidade analítica de identificar anomalias estruturais, gastos excessivos e desvios morfológicos significativos nas séries temporais, automatizando a identificação de vulnerabilidades antes que culminem em inadimplência. A abordagem, fundamentada na teoria do “nudge” (Thaler e Sunstein, 2009), permite que os desvios sejam calculados comparando o cliente apenas com os pares do seu próprio agrupamento matemático, garantindo uma personalização justa e contextualizada das orientações financeiras.

4. Conclusão

O presente estudo objetivou desenvolver um sistema de geração de alertas de economia personalizados com base no histórico de transações financeiras. Verificou-se a viabilidade técnica da solução proposta, que identificou pelo menos um alerta personalizado para 69,50% da base analisada, composta por 2.679 correntistas. A metodologia empregada, que envolveu a clusterização de clientes em perfis sociodemográficos e comportamentais distintos, aliada à detecção de anomalias contextuais por meio de algoritmos como K-means, Isolation Forest, Distância de Mahalanobis e Z-score modificado, permitiu a identificação de inconsistências financeiras estruturais, gastos excessivos em categorias específicas e desvios morfológicos significativos nas séries temporais de consumo. Essa abordagem resultou na geração de 3.118 alertas, tornando 1.862 clientes elegíveis ao recebimento de intervenções direcionadas. A principal contribuição do trabalho reside na operacionalização de princípios da economia comportamental, como a teoria do “nudge”, por meio de algoritmos de aprendizado de máquina, viabilizando uma assessoria financeira escalável e ajustada à realidade individual de cada cliente, e promovendo a educação financeira.

Embora a arquitetura metodológica para a geração de alertas tenha demonstrado sua eficácia analítica, uma limitação do estudo consistiu na ausência da mensuração da eficácia comportamental dessas mensagens em campo. Sugere-se, para estudos futuros, a aplicação de testes práticos controlados com usuários finais, visando validar o real impacto dos “nudges” na mudança de hábitos de consumo. Adicionalmente, recomenda-se investigar aspectos relacionados à priorização e à frequência de envio dessas notificações, a fim de mitigar a fadiga informacional, especialmente nos casos de clientes elegíveis a múltiplos alertas. A convergência entre ciência de dados e economia comportamental, conforme evidenciado por este trabalho, possui o potencial de transformar a atuação das instituições financeiras, tornando-a mais consultiva e proativa na promoção da saúde financeira dos clientes.

Referências Bibliográficas

Abbasimehr H.; Bahrini A. 2022. An analytical framework based on the recency, frequency, and monetary model and time series clustering techniques for dynamic segmentation. Expert Syst Appl 192: 116373.

Adeniran, I. A.; Abhulimen, A. O.; Obiki-Osafiele, A. N.; Osundare, O. S.; Agu, E. E.; Efunniyi, C. P. 2024. Data-driven approaches to improve customer experience in banking: techniques and outcomes. International Journal of Management & Entrepreneurship Research 6(8): 2797-2818.

Beshears, J.; Choi, J. J.; Laibson, D.; Madrian, B. C.; Milkman, K. L. 2015. The Effect of Providing Peer Information on Retirement Savings Decisions. The Journal of Finance, 70(3): 1161-1201.

Calvo-Porral C.; Lévy-Mangin JP. 2020. An emotion-based segmentation of bank service customers. International Journal of Bank Marketing 38 (7): 1441-1463.

Campello, RJ.G.B; Moulavi, D.; Zimek, A.; Sander, J. 2015 Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Trans Knowl Discov Data. 10(1):1-51.

Choi I.; Koh W.; Koo B.; Chang Kim W. 2024. Network-based exploratory data analysis and explainable three-stage deep clustering for financial customer profiling. Eng Appl Artif Intell, 128: 107378.

Cohen, J. 1988. Statistical Power Analysis for the Behavioral Sciences. 2. ed. Routledge. New York.

Confederação Nacional do Comércio de Bens, Serviços e Turismo [CNC]. 2026. Pesquisa de Endividamento e Inadimplência do Consumidor [PEIC]. Disponível em: <https://pesquisascnc.com.br/pesquisa-peic/>. Acesso em: 01 abr. 2026.

Fávero, L. P.; Belfiore, P. 2025. Manual de Análise de Dados: Estatística e Machine Learning com Excel®, SPSS®, Stata®. 2. ed. LTC, Rio de Janeiro, RJ, Brasil.

Hossen, M. A.; Bhattacharjee, B.; Dey, S. K.; Jamee, S. S.; Obaid, M. O.; Mia, M. S. I.; Khan, S. I.; Sharif, M. K. 2025. Business analytics for customer segmentation: a comparative study of machine learning algorithms in personalized banking services. International Journal of Economics Finance & Management Science, 10(03): 1-13.

Iglewicz, B.; Hoaglin, D. C. 1993. How to Detect and Handle Outliers. ASQC Quality Press.

Liu, F. T.; Ting, K. M.; Zhou, Z. H. 2008. Isolation forest. Proceedings – IEEE International Conference on Data Mining, ICDM: 413-422.

Mahalanobis, P. C. 1936. On the generalized distance in statistics. Proceedings of the National Institute of Sciences of India 2(1): 49-55.

Nisha T.N.; Pramod D. 2025. Improving bank customer churn prediction with feature reduction using GA. Scientific Reports 15(1): 40035.

Petitjean F.; Ketterlin A.; Gançarski P. 2011. A global averaging method for dynamic time warping, with applications to clustering. Pattern Recognit. 44(3): 678-693.

Thaler, R. H.; Sunstein, C. R. 2009. Nudge: Improving Decisions About Health, Wealth, and Happiness. Penguin Publishing Group.

Thompson J. R. J.; Feng L.; Reesor R. M.; Grace C. 2021. Know your clients’ behaviours: a cluster analysis of financial transactions. Journal of Risk and Financial Management 14(2): 50.

Wei X.; Zhang Z.; Huang H.; Zhou Y. 2024. An overview on deep clustering. Neurocomputing, 590: 127761.

Yan X.; Li Y.; Nie F.; Li R. 2025. Bank customer segmentation and marketing strategies based on improved DBSCAN algorithm. Applied Sciences 15(6): 3138.

Zhao H.; Luo X.C.; Ma R.; Lu X. 2021. An extended regularized k-means clustering approach for high-dimensional customer segmentation with correlated variables. IEEE Access 9: 48405-48412.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy