Artigo

03 de agosto de 2026

Impacto preditivo e financeiro de variáveis temporais em modelos de risco de crédito

Gabriel Serrat da Cunha Bento; Anaximandro Anderson Pereira Melo De Souza

DOI: 10.22167/2675-6528-202600834

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

O risco de crédito representa um desafio financeiro significativo, impactando a rentabilidade e a sustentabilidade bancária. O presente estudo desenvolveu e analisou comparativamente modelos preditivos de risco de crédito, investigando o ganho de performance ao integrar variáveis comportamentais dinâmicas a dados estáticos. A metodologia utilizou a base de dados “Home Credit Default Risk” e implementou os algoritmos Regressão Logística, XGBoost, LightGBM e CatBoost. Aplicaram-se técnicas de engenharia de atributos para criar variáveis de “lag” e agregações temporais, além do método SHAP para mensurar a explicabilidade das predições. Os resultados demonstraram a superioridade técnica dos modelos de “boosting” em relação à abordagem linear, com destaque para o CatBoost Temporal, que atingiu KS de 41% e AUROC de 77%. A inclusão de componentes históricos permitiu identificar padrões de inadimplência recentes e a estabilidade do hábito de pagamento, elevando a eficiência econômica da operação. A integração de séries históricas no motor de crédito redefiniu o limite de lucratividade, consolidando as abordagens temporais como ferramentas estratégicas para a tomada de decisão institucional.

Palavras-chave: Aprendizado de máquina; CatBoost; Engenharia de atributos; Explicabilidade; Variáveis temporais.

1. Introdução

O risco de crédito representa um dos maiores desafios enfrentados pelo setor financeiro global, impactando diretamente a rentabilidade, a liquidez e a sustentabilidade das instituições bancárias e fintechs. A avaliação precisa desse risco é fundamental não apenas para a saúde financeira das entidades credoras, mas também para a estabilidade do sistema financeiro como um todo, influenciando a tomada de decisões estratégicas e a alocação de capital de forma eficiente (Banco Central do Brasil, 2017; Jordà et al., 2016; Thakor, 2020). A capacidade de prever a inadimplência de tomadores de crédito é, portanto, uma prioridade estratégica para mitigar perdas e otimizar operações.

Historicamente, a gestão do risco de crédito tem se apoiado em modelos estatísticos tradicionais, como a regressão logística e a análise discriminante. Esses métodos foram amplamente adotados devido à sua simplicidade conceitual, facilidade de implementação e, notavelmente, alta interpretabilidade, uma característica valorizada no setor bancário para justificar decisões de crédito (Hand e Henley, 1997). Tais abordagens baseiam-se predominantemente em dados estáticos e características cadastrais dos clientes.

No entanto, a crescente digitalização e a proliferação de fontes de dados resultaram em um volume e uma variedade de informações sem precedentes, especialmente no que tange a dados comportamentais e transacionais dos clientes. Esse cenário expôs as limitações intrínsecas dos modelos estatísticos estáticos, que se mostram ineficazes na captura de relações não lineares e, crucialmente, de dependências temporais presentes no comportamento de crédito. A incapacidade de lidar com a dinâmica temporal pode comprometer significativamente a eficácia das previsões de risco (Bellotti e Crook, 2009).

O comportamento dos clientes em relação a pagamentos e à utilização de crédito não é estático; ele evolui ao longo do tempo, apresentando uma natureza dinâmica e sequencial. Para abordar essa complexidade, a literatura recente tem explorado o desenvolvimento de metodologias que incorporam o fator tempo, como as técnicas de aprendizado de máquina e modelos dinâmicos. Algoritmos como XGBoost, LightGBM e CatBoost, bem como redes neurais recorrentes, demonstram capacidade superior para capturar padrões evolutivos de comportamento, oferecendo ganhos significativos de performance em relação às abordagens tradicionais (Ala’raj et al., 2021; Gunnarsson et al., 2021; Sousa et al., 2014). A inclusão de informações temporais é, assim, um tema central para viabilizar alocações de crédito mais justas e sustentáveis.

Diante desse contexto, a presente pesquisa justifica-se pela necessidade de aprimorar a capacidade preditiva dos modelos de risco de crédito, integrando a riqueza das informações comportamentais dinâmicas. O objetivo deste trabalho foi desenvolver e analisar comparativamente modelos preditivos de risco de crédito, investigando o ganho de performance obtido ao adicionar atributos dinâmicos, derivados do histórico comportamental dos clientes, aos dados estáticos, e empregando a técnica SHAP para conferir explicabilidade às predições e mensurar a relevância das componentes temporais na mitigação do risco.

2. Material e Métodos

A presente pesquisa caracterizou-se como um estudo quantitativo, com abordagem metodológica comparativa e preditiva. O objetivo foi desenvolver e analisar modelos de risco de crédito, investigando o impacto da inclusão de atributos dinâmicos e a explicabilidade das predições. Para tanto, empregou-se a implementação de algoritmos de aprendizado de máquina supervisionado.

A base de dados utilizada foi a “Home Credit Default Risk”, disponibilizada na competição Kaggle (2018). Esse conjunto é composto por múltiplas tabelas relacionais, representativas de diferentes aspectos do comportamento dos clientes, incluindo informações cadastrais, histórico de crédito e comportamento de pagamento.

Dentre as tabelas, a “application_train” serviu como base principal, contendo variáveis explicativas e a variável alvo (“TARGET”), indicativa da inadimplência. A tabela “installments_payments” foi empregada para a construção de variáveis temporais, detalhando o histórico de pagamentos de parcelas.

A engenharia de atributos temporais buscou capturar a dinâmica comportamental, decompondo dados brutos de transações em métricas agregadas, utilizando funções estatísticas e janelas temporais específicas. As variáveis criadas incluíram métricas de tendência central e dispersão, de extremos e recência, janelas de curto prazo (6 meses) e variáveis de sequência e tendência.

A preparação dos dados envolveu a utilização de 121 variáveis para o modelo baseline e 137 com componentes temporais. Variáveis categóricas foram convertidas por Ordinal Encoding. O tratamento de dados ausentes foi realizado por imputação por média para a Regressão Logística e por valor constante (-999) para os modelos baseados em árvore (XGBoost, LightGBM e CatBoost).

A partição dos dados foi efetuada utilizando o método de “holdout” (80/20), com aplicação de amostragem estratificada, garantindo a preservação da proporção da variável alvo. Para a modelagem, foram utilizados algoritmos de Machine Learning para comparar modelos e avaliar o impacto das informações temporais, construindo dois conjuntos de experimentos: não-temporais (variáveis cadastrais) e temporais (com variáveis dinâmicas).

Os algoritmos selecionados foram Regressão Logística, XGBoost, LightGBM e CatBoost, totalizando oito modelos. A Regressão Logística serviu como modelo de referência (baseline clássico) (Hosmer et al., 2013). Os demais algoritmos, do tipo boosting, foram escolhidos por sua capacidade de capturar relações não lineares e por possuírem mecanismos internos de regularização e tratamento de desbalanceamento de classes (Chen e Guestrin, 2016; He e Ma, 2013).

Os hiperparâmetros dos modelos foram padronizados para garantir comparabilidade e rigor metodológico. A avaliação fundamentou-se em duas dimensões: mensuração da capacidade estatística de discriminação entre classes e análise de impacto financeiro sobre os modelos otimizados.

Para a análise estatística, os modelos foram submetidos à classificação em matriz de confusão (TP, TN, FP, FN) e avaliados por métricas como KS, AUROC, PR-AUC, F1-Score e Recall. Após a validação estatística, os modelos foram submetidos a uma simulação de impacto financeiro. A base de teste foi segmentada em decis de risco, e a análise baseou-se nos indicadores de Prejuízo Evitado, Perda Oportunidade Acumulada, Resultado Líquido e % Recuperação.

Como etapa final, aplicou-se a técnica SHAP (SHapley Additive exPlanations) para conferir transparência e interpretabilidade às predições dos modelos (Lundberg e Lee, 2017). Essa abordagem permitiu decompor a predição de cada instância como a soma das contribuições individuais das variáveis explicativas.

3. Resultados e Discussão

A avaliação inicial dos modelos preditivos de risco de crédito revelou uma distinção clara no desempenho entre as abordagens lineares e os algoritmos baseados em árvores. Os resultados demonstraram a superioridade técnica dos modelos de boosting na capacidade de discriminar entre bons e maus pagadores, indicando que a inadimplência, neste conjunto de dados, manifesta-se por meio de padrões complexos e não lineares. A Regressão Logística, um modelo linear, apresentou um valor de Kolmogorov-Smirnov (KS) de apenas vinte por cento, enquanto os algoritmos XGBoost, LightGBM e CatBoost alcançaram patamares significativamente mais elevados, situando-se entre trinta e oito e trinta e nove por cento. Essa diferença ressalta a limitação dos modelos logísticos em capturar a complexidade inerente aos dados de crédito (Chen e Guestrin, 2016).

Embora as métricas de área sob a curva (AUROC e PR-AUC) para os modelos de boosting tenham se mostrado estatisticamente semelhantes, com valores de setenta e seis por cento e vinte e cinco por cento, respectivamente, a análise da volumetria absoluta de classificações revelou perfis operacionais distintos. O CatBoost exibiu um comportamento mais agressivo, priorizando a sensibilidade ao atingir o maior índice de Recall, que foi de sessenta e seis por cento. Isso permitiu a identificação de 3.200 casos positivos de inadimplência, embora resultasse em um volume mais elevado de falsos positivos, totalizando 15.000. Em contraste, o XGBoost adotou uma postura mais conservadora, apresentando um número menor de falsos positivos, 12.000, mas sacrificando a captura de inadimplentes reais. O LightGBM, por sua vez, posicionou-se como um equilíbrio operacional entre essas duas abordagens. Dada a capacidade de estabelecer o maior teto de identificação de risco, o CatBoost foi selecionado como o principal modelo de referência para a comparação com as abordagens temporais.

A incorporação das variáveis temporais ao conjunto de dados elevou o patamar discriminatório dos modelos preditivos, evidenciando o ganho de performance ao adicionar atributos dinâmicos derivados do histórico comportamental dos clientes. O CatBoost consolidou sua posição como o modelo superior, alcançando o maior valor de KS, quarenta e um por cento, e a maior AUROC, setenta e sete por cento. Esse aprimoramento indica que a maior dimensionalidade dos dados, resultante da inclusão de informações temporais, foi convertida em um ganho direto de sensibilidade, elevando a capacidade de captura para 3.300 inadimplentes. Tal resultado sublinha a importância de considerar a evolução do comportamento do cliente ao longo do tempo, conforme apontado por Sousa et al. (2014), para mitigar o risco de crédito.

Um fenômeno notável foi observado no LightGBM, cujo Recall, sob um limiar de 0,5, recuou para quatro por cento após a inclusão das variáveis temporais. Contudo, essa aparente queda no desempenho é atenuada pela análise da Curva Precision-Recall, que demonstrou uma PR-AUC de vinte e seis por cento, equivalente à do CatBoost. Essa disparidade entre o baixo Recall e a robustez da PR-AUC sugere que o LightGBM manteve seu poder de ordenação, mas exige uma recalibração do ponto de corte devido ao deslocamento das probabilidades após a inclusão do componente temporal. Isso reforça a necessidade de uma avaliação cuidadosa das métricas de desempenho em contextos de classes desbalanceadas, onde a PR-AUC pode oferecer uma visão mais precisa da performance do modelo na detecção da classe minoritária (inadimplentes), como discutido por He e Ma (2013).

A análise do impacto financeiro, que assumiu uma taxa teórica de ganho de quinze por cento por concessão de crédito, demonstrou que a transição de uma modelagem estritamente cadastral para uma abordagem temporal gerou um ganho significativo de eficiência econômica. No cenário baseline, o ponto de saturação da lucratividade ocorreu no quinto decil, onde o resultado líquido ainda era positivo em R$ 0,67 milhão. Isso significa que, ao recusar os cinquenta por cento dos clientes com maior probabilidade de inadimplência, o modelo ainda gerava um pequeno lucro, mas a margem de segurança era limitada, indicando a fragilidade da operação sem a incorporação de dados dinâmicos.

Em contraste, o modelo CatBoost Temporal não apenas ampliou o lucro nos decis iniciais, mas também sustentou a viabilidade financeira da operação até o quinto decil com um saldo positivo de R$ 7,04 milhões. Esse diferencial financeiro confere à instituição credora uma margem de manobra estratégica consideravelmente mais ampla. A capacidade de recusar crédito de forma mais agressiva, sem comprometer o valor gerado pelos clientes adimplentes, otimiza o fluxo de caixa operacional e maximiza o retorno financeiro. Essa robustez do CatBoost Temporal valida a implementação de modelos que integram o comportamento histórico para uma gestão de risco mais eficaz e lucrativa.

A capacidade de recuperação de ativos também foi avaliada, e o LightGBM demonstrou a maior eficiência de curto prazo, isolando trinta e dois vírgula cinquenta e oito por cento do prejuízo total logo no primeiro decil, o que corresponde a R$ 904,16 milhões em perdas evitadas. Contudo, o CatBoost exibiu maior resiliência à medida que a base de clientes avançava para perfis de risco moderado, mantendo a rentabilidade da carteira de forma mais consistente. Essa comparação ratifica que a inclusão de variáveis temporais não apenas aprimora o ranqueamento estatístico, mas também eleva o limite de lucratividade da operação de crédito, consolidando o CatBoost Temporal como a solução que oferece o melhor equilíbrio entre o prejuízo evitado e a preservação da receita.

Enquanto o XGBoost e o LightGBM, com a inclusão de variáveis temporais, cruzaram a linha do prejuízo líquido já no quinto decil, apresentando perdas acumuladas de -R$ 10,52 milhões e -R$ 5,55 milhões, respectivamente, o CatBoost preservou a rentabilidade da carteira. Essa “seletividade” do CatBoost é evidenciada pela menor perda de oportunidade acumulada para atingir um nível de recuperação de prejuízo de oitenta e um por cento. O modelo temporal, ao impactar menos clientes bons, otimiza o fluxo de caixa operacional e confere à instituição uma vantagem competitiva fundamentada na estabilidade e previsibilidade do comportamento financeiro, conforme a literatura sobre a importância de abordagens dinâmicas (Ala’raj et al., 2021; Gunnarsson et al., 2021).

A análise de explicabilidade, realizada por meio da técnica SHAP (SHapley Additive exPlanations), revelou que a dinâmica do comportamento de pagamento se sobrepõe aos dados estáticos na determinação do risco de crédito. O ranqueamento das variáveis temporais demonstrou que as métricas de atraso médio, como `INS_DPD_MEAN`, e os indicadores de pontualidade, como `INS_DAYS_PAY_DIFF_MEAN`, figuram no topo da lista de importância. A variável `INS_DPD_MEAN` é crucial para identificar o “atrasador crônico”, enquanto `INS_DAYS_PAY_DIFF_MEAN` introduz o conceito de comportamento de liquidez, onde o modelo atribui valor significativo a pagamentos antecipados como um fator de mitigação de risco. Essa abordagem permite uma interpretação mais robusta e transparente dos modelos, conforme proposto por Lundberg e Lee (2017).

Além da visão histórica de longo prazo, a relevância das variáveis que capturam o comportamento dos últimos seis meses, como `INS_6M_PAYMENT_RATIO_MEAN` e `INS_6M_DPD_MEAN`, destaca-se. Essas janelas temporais de curto prazo conferem ao modelo a capacidade de identificar a deterioração recente do perfil de crédito, permitindo diferenciar entre um cliente com histórico sólido que enfrenta uma instabilidade conjuntural e outro em desequilíbrio financeiro progressivo. Observou-se um padrão estrutural no ranqueamento, onde as métricas de tendência central (MEAN) dominam o topo da tabela, indicando que o comportamento médio habitual do cliente é o preditor primário. Em contrapartida, as métricas de dispersão e extremos, como o desvio padrão (STD) e o valor máximo (MAX), aparecem em posições inferiores, atuando como refinamentos que penalizam a inconsistência e a gravidade de eventos isolados.

A presença de variáveis de razão de pagamento (`PAYMENT_RATIO`) e valores defasados (`LAG`) nas posições de destaque indica que o algoritmo monitora atentamente a capacidade do cliente em honrar o valor integral das faturas. Uma queda nessa proporção serve como um sinal de alerta precoce de superendividamento, permitindo intervenções proativas. Em suma, o fortalecimento das médias no início do ranqueamento demonstrou que a estabilidade do hábito de pagamento é o fator de maior relevância estatística, transformando o tempo em um indicador de confiança. Essa abordagem dinâmica, que considera a evolução do comportamento do cliente, é fundamental para aprimorar a precisão das previsões de risco de crédito e sustentar decisões financeiras mais informadas.

Em síntese, os resultados desta pesquisa confirmam a superioridade dos modelos de boosting, especialmente o CatBoost Temporal, na predição do risco de crédito, em comparação com a regressão logística. A integração de variáveis comportamentais dinâmicas, derivadas do histórico de pagamentos, demonstrou um ganho significativo de performance preditiva e eficiência econômica, elevando o limite de lucratividade da operação de crédito. A análise de explicabilidade via SHAP ressaltou a predominância das métricas temporais, como atraso médio e pontualidade, na determinação do risco, e a importância das janelas de curto prazo para identificar deteriorações recentes. Esses achados validam a utilidade das abordagens temporais como ferramentas estratégicas para a tomada de decisão institucional, permitindo uma gestão de risco mais precisa e rentável.

4. Conclusão

O presente estudo desenvolveu e analisou comparativamente modelos preditivos de risco de crédito, investigando o ganho de performance obtido ao integrar atributos dinâmicos, derivados do histórico comportamental dos clientes, a dados estáticos, e empregando a técnica SHAP para conferir explicabilidade às predições. Verificou-se a superioridade técnica dos modelos de boosting em relação às abordagens lineares, com o CatBoost Temporal destacando-se ao atingir um KS de 41% e AUROC de 77%. Observou-se que a inclusão de componentes históricos permitiu identificar padrões de inadimplência recentes e a estabilidade do hábito de pagamento, elevando a eficiência econômica da operação. A análise de explicabilidade, realizada por meio da técnica SHAP, demonstrou que a dinâmica do comportamento de pagamento se sobrepõe aos dados estáticos na determinação do risco de crédito, com métricas de atraso médio e indicadores de pontualidade figurando no topo da lista de importância. Adicionalmente, as janelas temporais de curto prazo revelaram-se cruciais para identificar a deterioração recente do perfil de crédito.

A integração de séries históricas no motor de crédito redefiniu o limite de lucratividade, consolidando as abordagens temporais como ferramentas estratégicas para a tomada de decisão institucional. A transição de uma modelagem estritamente cadastral para uma abordagem temporal gerou um ganho significativo de eficiência econômica, com o modelo CatBoost Temporal sustentando a viabilidade financeira da operação até o quinto decil com um saldo positivo de R$ 7,04 milhões. Essa capacidade de ordenação de risco superior possibilita a aplicação de políticas de concessão mais precisas, que maximizam a recuperação de ativos sem comprometer o relacionamento com clientes adimplentes. A seletividade demonstrada pelo algoritmo otimiza o fluxo de caixa operacional e confere à instituição uma vantagem competitiva fundamentada na estabilidade e previsibilidade do comportamento financeiro.

Referências Bibliográficas

Ala’raj, M.; Abbod, M. F.; Majdalawieh, M. 2021. Modelling customers credit card behaviour using bidirectional LSTM neural networks. Journal of Big Data, v. 8, n. 1, p. 69.

Bellotti, T.; Crook, J. 2009. Support vector machines for credit scoring and discovery of significant features. Expert Systems with Applications, v. 36, n. 2, p. 3302-3308.

Brasil. Banco Central do Brasil. Resolução CMN n° 4.557, de 23 de fevereiro de 2017. Dispõe sobre a estrutura de gerenciamento de riscos. Brasília, DF: BCB, 2017.

Chen, T.; Guestrin, C. 2016. Xgboost: A scalable tree boosting system. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, p. 785-794.

Gunnarsson, B. R.; Vanden Broucke, S.; Baesens, B.; Óskarsson, G. V.; Lemmey, T. 2021. Deep learning for credit scoring: Do or don’t? European Journal of Operational Research, v. 291, n. 1, p. 292-305.

Hand, D. J.; Henley, W. E. 1997. Statistical classification methods in consumer credit scoring: A review. Journal of the Royal Statistical Society: Series A, v. 160, n. 3, p. 523-541.

He, H.; Ma, Y. 2013. Ensemble methods for imbalanced learning. p. 75–91. In: HE, H.; MA, Y. Imbalanced learning: foundations, algorithms, and applications. 1. ed. Wiley, Hoboken, NJ, USA.

Home Credit. 2018. Home Credit Default Risk: leverage telco and transactional data to predict the clients’ repayment abilities. Disponível em: https://www.kaggle.com/competitions/home-credit-default-risk. Acesso em: 3 dez. 2025.

Hosmer, D. W.; Lemeshow, S.; Sturdivant, R. X. 2013. Interpretation of the fitted logistic regression model. p. 47–87. In: HOSMER, D. W.; LEMESHOW, S.; STURDIVANT, R. X. Applied logistic regression. 3. ed. Wiley, New York, NY, USA.

Jordà, Ò.; Schularick, M.; Taylor, A. M. 2016. The great mortgaging: housing finance, crises and business cycles. Economic Policy, v. 31, n. 85, p. 107-152.

Lundberg, S.; Lee, S.I. 2017. A unified approach to interpreting model predictions. arXiv e-prints arXiv:1705.07874. Disponível em: https://arxiv.org/abs/1705.07874. Acesso em: 20 fev. 2026.

Sousa, M. R.; Gama, J.; Gonçalves, M. J. S. 2014. A two-stage model for dealing with temporal degradation of credit scoring. arXiv preprint arXiv:1406.7775. Disponível em: https://arxiv.org/abs/1406.7775. Acesso em: 10 fev. 2026.

Thakor, A. V. 2020. Fintech and banking: What do we know? Journal of Financial Intermediation, v. 45, 100833.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

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

Mais recentes

26 de agosto de 2026

Gerenciamento de Cronograma de Manutenção no Setor de Extração de Caldo em uma Indústria Sucroalcooleira

26 de agosto de 2026

Fomento à liderança de mulheres por meio da gestão estratégica de partes interessadas

26 de agosto de 2026

Transformação do Modelo Comercial em Serviços Linguísticos para Maior Previsibilidade de Receita

Neurociência E Aprendizagem Na Educação

24 de agosto de 2026

Do Mundo à Mente: o Impacto Intercultural na Neuroplasticidade

Neurociência E Aprendizagem Na Educação

24 de agosto de 2026

Estudo Comparativo: o Conhecimento Docente sobre Neuroplasticidade e Práticas Pedagógicas na Rede Direta e Indireta

24 de agosto de 2026

Precificação Baseada em Valor como Estratégia Competitiva Frente ao Modelo Orientado por Custos

24 de agosto de 2026

Modelo Preditivo de Risco Reputacional Baseado em Textos Jornalísticos

Compliance E Esg

24 de agosto de 2026

Liderança Feminina Negra no Brasil: como Políticas Corporativas de Diversidade Apoiam Trajetórias de Sucesso

24 de agosto de 2026

Segmentação Estratégica de Adquirentes Brasileiras por Clusterização Multivariada

Você também pode gostar

26 de agosto de 2026

Gerenciamento de Cronograma de Manutenção no Setor de Extração de Caldo em uma Indústria Sucroalcooleira

A manutenção de entressafra em indústrias sucroalcooleiras representa um projeto de alta complexidade, frequentemente comprometido por limitações na definição do escopo, no sequenciamento de atividades e nas estimativas de duração, afetando a confiabilidade e previsibilidade da execução. Objetivou-se aprimorar o gerenciamento do cronograma de manutenção de entressafra no setor de extração de caldo, por meio da aplicação das práticas do PMBOK 6ª edição, com foco na estruturação do escopo, sequenciamento lógico das atividades, melhoria das estimativas de duração e identificação do caminho crítico. A pesquisa caracterizou-se como um estudo de caso único, de natureza aplicada e abordagem mista, realizado em uma indústria sucroalcooleira. Os métodos incluíram análise documental de cronogramas de entressafra e coleta de dados por meio de questionários com profissionais da área. Inicialmente, diagnosticou-se o cronograma vigente, identificando lacunas. Em seguida, aplicaram-se ferramentas de gerenciamento do cronograma, como a Estrutura Analítica do Projeto (EAP), sequenciamento de atividades, estimativa análoga e bottom-up, e o método do caminho crítico (CPM), permitindo a comparação entre o cenário original e o reestruturado. Os resultados evidenciaram ganhos significativos em previsibilidade, organização das atividades, clareza nas dependências e maior controle sobre prazos e desvios, com a redução de atividades sem predecessoras ou sucessoras de 18,85% para 2,32%. Concluiu-se que a aplicação estruturada das boas práticas de gerenciamento do cronograma aprimorou o planejamento e contribuiu para a disponibilidade operacional na safra subsequente.

Palavras-chave: Caminho crítico; Confiabilidade do planejamento; Estrutura Analítica do Projeto (EAP); Planejamento operacional; Previsibilidade.

26 de agosto de 2026

Fomento à liderança de mulheres por meio da gestão estratégica de partes interessadas

A persistente sub-representação de mulheres em cargos de liderança revelou limitações nas estratégias institucionais de promoção da igualdade de gênero, destacando a necessidade de abordagens mais integradas entre gestão de projetos e negociação estratégica. O estudo objetivou analisar como estratégias de negociação e engajamento de partes interessadas fomentaram o compromisso institucional com políticas que impulsionam a liderança feminina, e propôs uma matriz estratégica orientada por uma perspectiva de gênero. Adotou-se uma abordagem de métodos mistos, de natureza convergente e articulação epistemológica crítica-transformativa, que combinou análise documental, estudos de caso institucionais e uma entrevista semiestruturada com uma líder feminina, seguida de análise temática e triangulação de dados para aumentar a robustez interpretativa. Os resultados indicaram que organizações que institucionalizaram práticas de governança, estabeleceram metas mensuráveis e incorporaram partes interessadas como participantes ativos demonstraram maior capacidade de converter compromissos discursivos em ações estruturadas. Evidenciou-se, ainda, que a integração entre negociação estratégica e gestão de partes interessadas potencializou a sustentabilidade das iniciativas de equidade de gênero. Concluiu-se que a implementação de uma matriz estratégica, denominada Matriz Estratégica de Engajamento de Stakeholders com foco em gênero (MEES-G), configurou-se como uma ferramenta de gestão relevante para fortalecer o compromisso institucional e facilitar transformações organizacionais consistentes, oferecendo orientação eficaz a gestores públicos e privados na implementação de políticas inclusivas.

Palavras-chave: Equidade; Governança; Inclusão organizacional; Representatividade; Transformação organizacional.

26 de agosto de 2026

Transformação do Modelo Comercial em Serviços Linguísticos para Maior Previsibilidade de Receita

A busca por previsibilidade de receita e maior controle sobre o desempenho comercial tem se tornado um desafio relevante na indústria de serviços linguísticos, caracterizada por alta variabilidade de demanda e modelos historicamente baseados em volume de serviços. Neste contexto, o estudo teve como objetivo analisar a reestruturação do modelo comercial de uma empresa do setor, com foco na transição de uma abordagem orientada à receita faturada para um modelo baseado na formalização de contratos e na previsibilidade de receita potencial. A pesquisa foi conduzida por meio de pesquisa-ação entre maio de 2024 e março de 2026, utilizando dados quantitativos provenientes de sistemas internos e dados qualitativos obtidos por observação participante e entrevistas com profissionais-chave. Os resultados quantitativos indicaram que a meta trimestral de contratos foi superada, atingindo 106% no primeiro trimestre de 2026, e os contratos firmados entre o final de 2025 e o primeiro trimestre de 2026 resultaram em uma projeção de receita de US$ 1.230.500, equivalente a aproximadamente 88% da meta anual, evidenciando aumento na previsibilidade da receita potencial. Qualitativamente, os dados apontaram maior clareza na avaliação da performance comercial, maior transparência na identificação dos fatores que impactam a conversão de contratos em receita e melhoria na integração entre as áreas envolvidas. Concluiu-se que a adoção de um modelo baseado em contratos contribui para uma gestão mais eficiente, previsível e orientada à geração sustentável de receita.

Palavras-chave: Contratos comerciais; Gestão comercial; Modelo de vendas; Pesquisa-ação; Serviços linguísticos.

Neurociência E Aprendizagem Na Educação

24 de agosto de 2026

Do Mundo à Mente: o Impacto Intercultural na Neuroplasticidade

Um estudo investigou a associação entre experiências interculturais e mudanças cognitivas autorrelatadas em adultos brasileiros, à luz do conceito de neuroplasticidade. A pesquisa caracterizou-se como exploratória, de abordagem mista, e foi composta por revisão bibliográfica narrativa e levantamento empírico. Este último foi realizado por meio de questionário online aplicado a 33 participantes que vivenciaram experiências em diferentes países. Coletaram-se dados sociodemográficos, características das vivências internacionais e autoavaliações relacionadas a funções executivas, aprendizagem, memória, atenção e comunicação social. Os resultados indicaram predominância de percepções positivas de mudanças cognitivas, especialmente nos domínios da flexibilidade cognitiva, planejamento, tomada de decisão, aprendizagem e competências comunicativas. A maioria dos participantes relatou a manutenção dessas mudanças ao longo do tempo, associando-as principalmente à duração da experiência, à necessidade de adaptação e ao contato intercultural direto. Os achados sugerem que experiências interculturais constituem contextos de estimulação cognitiva complexa, potencialmente associados a processos de reorganização funcional em múltiplos domínios cognitivos na vida adulta.

Palavras-chave: Adaptação cognitiva; Adaptação cultural; Aprendizagem; Flexibilidade cognitiva; Funções executivas.

Neurociência E Aprendizagem Na Educação

24 de agosto de 2026

Estudo Comparativo: o Conhecimento Docente sobre Neuroplasticidade e Práticas Pedagógicas na Rede Direta e Indireta

A primeira infância constitui um período crítico de plasticidade neural, no qual a qualidade das intervenções pedagógicas determina a arquitetura cerebral e o desenvolvimento integral da criança. O presente estudo teve como objetivo comparar o conhecimento docente sobre neuroplasticidade e sua aplicação prática em unidades de educação infantil de administração direta e indireta na cidade de São Paulo. A metodologia consistiu em um estudo de caso descritivo com abordagem mista, no qual foram aplicados questionários de autopercepção com docentes e realizada uma análise documental de projetos políticos pedagógicos, relatórios de desenvolvimento de alunos e diários de bordo. Os resultados indicaram que, embora ambas as redes tenham executado práticas neurocompatíveis, a Rede Direta apresentou maior intencionalidade pedagógica e segurança técnica 20% superior na identificação de marcos do desenvolvimento, fator diretamente associado à maior carga horária de formação continuada. O estudo evidenciou que a formação continuada atuou como um divisor entre a prática intuitiva e a mediação baseada em evidências. Concluiu-se que o acesso ao saber neurocientífico e a equiparação dos tempos de reflexão docente são fundamentais para garantir maior equidade no desenvolvimento infantil e a eficácia das políticas públicas de educação em territórios de vulnerabilidade.

Palavras-chave: Educação Infantil; Formação Docente; Neurociência Aplicada; Primeira Infância; Redes de Ensino.

24 de agosto de 2026

Precificação Baseada em Valor como Estratégia Competitiva Frente ao Modelo Orientado por Custos

A gestão estratégica de preços consolidou-se como fator determinante para a sustentabilidade e competitividade em mercados industriais, onde a transição de modelos baseados em custos para estratégias orientadas ao valor representa um desafio cultural e operacional crítico. Este estudo teve como objetivo comparar as práticas de precificação em duas unidades industriais do setor business-to-business (B2B), analisando como o alinhamento com a estratégia baseada em valor impacta a sustentabilidade do negócio. Para tanto, investigou-se uma unidade operacional e uma unidade que recentemente descontinuou suas atividades, buscando identificar correlações entre a gestão de preços e a viabilidade competitiva. Adotou-se uma abordagem qualitativa com elementos comparativos, a partir de entrevistas semiestruturadas aplicadas a gestores de duas empresas do setor metalmecânico, utilizando questões fechadas em escala Likert e perguntas abertas organizadas em sete dimensões analíticas relacionadas à maturidade em precificação. Os resultados evidenciaram que a empresa em operação apresentou maior estruturação de processos, melhor integração entre áreas, uso mais frequente de indicadores e ambiente cultural mais favorável à sustentação de preços com base no valor entregue ao cliente. Em contraste, a empresa descontinuada demonstrou fragilidades na formalização da precificação, baixa integração interfuncional, limitações na comunicação de valor e forte predominância de uma cultura orientada por custos. O estudo reforçou que a adoção da precificação baseada em valor requer a institucionalização de processos interfuncionais e governança para garantir a perenidade organizacional frente à pressão competitiva.

Palavras-chave: Concorrência; Cultura; Governança; Liderança.

24 de agosto de 2026

Modelo Preditivo de Risco Reputacional Baseado em Textos Jornalísticos

A reputação corporativa é um ativo intangível crítico, cuja volatilidade na era digital torna as organizações suscetíveis a crises por exposições midiáticas negativas. O estudo desenvolveu um modelo preditivo de risco reputacional para identificar se variáveis da cobertura de mídia, como volume, sentimento e léxico, atuam como precursores de danos severos. A metodologia fundamentou-se na coleta de dados via Web Scraping de notícias sobre eventos de risco ocorridos entre 2023 e 2025. O processamento utilizou Processamento de Linguagem Natural (NLP) para análise de sentimento e feature engineering. A modelagem consistiu em uma tarefa de classificação binária supervisionada, com o target de dano grave determinado por proxies quantificáveis, como impactos financeiros e penalidades regulatórias. Foram comparados os algoritmos Regressão Logística, Random Forest e XGBoost, além da implementação de um modelo Ensemble, em ambiente Python, validados pelas métricas AUC-ROC e F1-Score. Os resultados apontaram a superioridade da abordagem conjunta (Ensemble), que alcançou F1-Score de 0.878 e Recall de 85.4%, e a viabilidade de estimar a probabilidade de crises e estabelecer limiares de risco acionáveis. Comprovou-se a eficácia da integração entre NLP e Machine Learning para a mitigação proativa de riscos corporativos, oferecendo uma ferramenta de suporte à decisão para equipes de comunicação corporativa e gestão de riscos.

Palavras-chave: Análise de Sentimentos; Aprendizado de Máquina; Danos à reputação; Modelagem de Dados Históricos; Processamento de Linguagem Natural (PLN).

Compliance E Esg

24 de agosto de 2026

Liderança Feminina Negra no Brasil: como Políticas Corporativas de Diversidade Apoiam Trajetórias de Sucesso

O presente estudo analisou como as políticas corporativas de diversidade e inclusão influenciaram as trajetórias profissionais de mulheres negras que ocupam cargos de liderança no Brasil. O estudo buscou compreender as experiências e percepções dessas profissionais em relação às práticas organizacionais que moldaram seu desenvolvimento e ascensão. A pesquisa adotou uma abordagem qualitativa, descritiva e aplicada, e coletou dados por meio de levantamento de campo, utilizando questionário semiestruturado com 30 mulheres negras em posições de liderança. Os resultados revelaram que a maioria das participantes possuía alta qualificação acadêmica, atuava predominantemente na região Sudeste e ocupava cargos intermediários de liderança, como supervisão e coordenação. Observou-se a coexistência de trajetórias recentes e consolidadas, indicando avanços na inserção de mulheres negras em liderança, mas também a persistência de limites estruturais que dificultaram a progressão para níveis hierárquicos superiores. Esses achados indicaram que, embora as políticas de diversidade e inclusão fossem relevantes, seus efeitos mostraram-se insuficientes quando não articulados a transformações organizacionais mais amplas voltadas à equidade racial e de gênero, sugerindo que o esforço individual emergiu como estratégia central de trajetória em contextos de suporte institucional frágil.

Palavras-chave: Ascensão profissional; Diversidade organizacional; Inclusão; Interseccionalidade; Políticas corporativas.

24 de agosto de 2026

Segmentação Estratégica de Adquirentes Brasileiras por Clusterização Multivariada

O setor de adquirência desempenha um papel central na infraestrutura de pagamentos, e compreender as diferenças estruturais entre as empresas adquirentes, com base em indicadores operacionais e econômicos, mostrou-se crucial para diagnósticos e decisões fundamentados em dados. O estudo teve como objetivo segmentar as adquirentes brasileiras utilizando indicadores trimestrais de porte, capilaridade, mix de canais e métricas econômicas, empregando análise exploratória de dados e o algoritmo de agrupamento K-means para identificar perfis estratégicos distintos. Realizou-se uma pesquisa quantitativa, exploratória e descritiva, utilizando uma base de dados estruturada com informações trimestrais de adquirentes brasileiras ao longo de doze períodos. A definição do número de agrupamentos baseou-se no método do cotovelo (elbow method) e no coeficiente de silhueta, sendo a interpretação reforçada pela visualização via Análise de Componentes Principais (PCA). Os principais resultados revelaram a formação de dois perfis predominantes: um caracterizado por maior escala e capilaridade, com elevado volume de transações e spreads médios mais comprimidos; e outro com maior participação do canal remoto e maior monetização relativa, evidenciada pela taxa MDR e por spreads médios mais elevados. Concluiu-se que o agrupamento reduziu a complexidade multivariada do mercado a perfis interpretáveis, oferecendo uma base objetiva para benchmarking e para a interpretação estratégica do posicionamento das adquirentes, com potencial de aplicação na análise de dados para a tomada de decisões.Palavras-chave: Adquirência; Análise multivariada; K-means; Pagamentos digitais; Perfis estratégicos.

Inteligência Artificial

03 de setembro de 2026

O desafio atual da colaboração

Na medida em que o processo criativo começa com a IA, organizações precisam repensar como preservar a construção coletiva das ideias Em pouco mais de três anos, ferramentas de inteligência artificial generativa passaram a ocupar grande parte do trabalho nas organizações, seja para escrever, programar, pesquisar, planejar, analisar ou projetar. A presença já é tão […]

Inteligência Artificial

02 de setembro de 2026

O preço de usar IA sem treinamento

Adoção da tecnologia já alcança 88% das organizações mundiais, enquanto o número de profissionais punidos por usá-la sem preparo dobrou em sete meses No primeiro semestre de 2026, ministrei aulas de inteligência artificial com foco em planilhas, dashboards e apresentações, em Barcelona, na Espanha. Entre meus alunos havia advogados e juízes do Il·lustre Col·legi de […]

Sustentabilidade

28 de agosto de 2026

Como a sustentabilidade está redesenhando os data centers

Economia digital encontra limites físicos e tenta reduzir seu impacto ambiental O crescimento acelerado da infraestrutura digital transforma consumo de energia, disponibilidade hídrica, refrigeração, materiais construtivos e localização em variáveis centrais para o projeto da próxima geração de data centers. Durante boa parte da transformação digital, consolidou-se a percepção de que a computação estava progressivamente […]

Branding

27 de agosto de 2026

O branding que venceu a Copa de 2026

Entre identidade visual, uniformes, tipografia e disputa bilionária por audiência, marketing esportivo nunca esteve tão em evidência A Copa do Mundo de 2026 terminou com a Espanha erguendo a taça pela segunda vez, ao vencer a Argentina por 1 a 0 na prorrogação. O Brasil encerrou a competição na 11ª colocação, eliminado ainda nas oitavas […]

Governança

24 de agosto de 2026

Governança corporativa: entre o controle e a responsabilidade

O que as crises corporativas e os erros cometidos nos casos Enron, FTX e Americanas podem ensinar Uma empresa pode ter conselho de administração, auditoria independente, comitê de auditoria, código de conduta, políticas de compliance e dezenas de mecanismos de controle e, ainda assim, caminhar para o colapso. A pergunta incômoda é: se todos esses […]

Educação

21 de agosto de 2026

A educação cibernética como vantagem competitiva na economia digital

Empresas que investem apenas em tecnologia continuam vulneráveis a riscos A economia tornou-se digital. Essa afirmação, que há poucos anos poderia soar como diagnóstico de tendência, hoje descreve uma realidade consolidada. Empresas, consumidores, instituições financeiras, governos e profissionais passaram a depender de plataformas conectadas para realizar transações, compartilhar informações, contratar serviços, consumir conteúdo, estudar, trabalhar […]

Comportamento Consumidor

19 de agosto de 2026

Racionalidade e o contágio no consumo

Como os livros de colorir para adultos ajudam a compreender emoções, influência social e novas febres de mercado De tempos em tempos, determinados produtos ultrapassam sua função original e se transformam em verdadeiras modas de consumo, influenciando escolhas individuais e comportamentos coletivos. Os livros de colorir para adultos são um exemplo particularmente ilustrativo desse fenômeno. […]

Digital

10 de agosto de 2026

Quem sou eu além do algoritmo?

Construção de identidade e posicionamento depende de processos que envolvem repertório, interpretação e experiência Essa é uma pergunta que tem se tornado cada vez mais recorrente na minha prática como criadora de conteúdo e consultora. Em um ambiente digital altamente mediado por sistemas de distribuição, passamos grande parte do tempo ajustando linguagem, formato e timing […]

Consumidor Digital

31 de julho de 2026

A ascensão do Substack

Plataforma permite que autores publiquem newsletters por meio de assinaturas, transformando conteúdo em produto final Estou viciada em Substack. E a razão não está na plataforma. Simplesmente porque não há ali os mecanismos clássicos que sustentaram a lógica das redes sociais na última década. Não existe um feed infinito orientado por estímulos intermitentes e o […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]