13 de abril de 2026
Clusterização de Perfis de Inadimplência no Financiamento de Veículos
Sandra Ferreira Almeida Lopes; Miguel Ângelo Lellis Moreira
Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.
A inadimplência em financiamentos de veículos constitui um dos obstáculos mais significativos para a manutenção da estabilidade no sistema de crédito automotivo brasileiro, gerando impactos severos tanto na saúde financeira das instituições quanto na vulnerabilidade econômica dos consumidores (Silva & Oliveira, 2021). Em um ambiente caracterizado pela rápida digitalização dos serviços bancários e pela ampliação das ofertas de crédito, a gestão do risco de não pagamento tornou-se uma prioridade estratégica, exigindo que as políticas de concessão sejam fundamentadas em análises de dados cada vez mais precisas (Banco Central do Brasil, 2023). A complexidade do comportamento do consumidor inadimplente é influenciada por uma multiplicidade de fatores que abrangem desde características demográficas básicas até condições socioeconômicas e termos contratuais específicos (Lima & Costa, 2020). Variáveis como a faixa de renda mensal, o nível de escolaridade, a idade do tomador, o valor total financiado, a quantidade de parcelas e a taxa de juros aplicada desempenham papéis cruciais que, quando analisados de forma isolada, podem não revelar a totalidade do risco envolvido. A interação entre esses elementos exige o emprego de abordagens analíticas avançadas, capazes de identificar padrões latentes e segmentar perfis de risco com um nível de detalhamento superior aos métodos estatísticos convencionais (Breiman, 2001).
O campo da ciência de dados, impulsionado pelo desenvolvimento de algoritmos de aprendizado de máquina, oferece ferramentas robustas para a análise preditiva e para o suporte à tomada de decisão estratégica em cenários de incerteza (Provost & Fawcett, 2013). Dentro desse ecossistema, o aprendizado não supervisionado destaca-se por sua capacidade de agrupar observações com base em similaridades intrínsecas, sem a necessidade de rótulos ou classificações prévias (Jain, 2010). Algoritmos como o K-means e o DBSCAN permitem a exploração de grandes volumes de dados para a descoberta de estruturas ocultas, possibilitando que as instituições financeiras identifiquem grupos de clientes com comportamentos homogêneos. Essa segmentação é fundamental para a personalização das estratégias de cobrança e para o refinamento dos modelos de score de crédito, contribuindo para uma gestão de carteira mais eficiente (Souza & Andrade, 2022). No entanto, nota-se uma carência de estudos na literatura nacional que apliquem técnicas de clusterização especificamente voltadas para a inadimplência no setor automotivo, uma vez que a maioria das pesquisas foca em modelos supervisionados de classificação. Essa lacuna justifica a necessidade de investigações que utilizem o rigor metodológico da ciência de dados para explorar a riqueza descritiva dos dados contratuais e demográficos, visando a prevenção de perdas financeiras (Silva & Oliveira, 2021).
A fundamentação teórica deste estudo baseia-se na premissa de que a inadimplência não é um fenômeno isolado, mas o resultado de uma combinação de fatores estruturais e conjunturais. A análise de agrupamentos, ou clusterização, surge como a técnica ideal para lidar com essa multidimensionalidade, pois busca maximizar a homogeneidade dentro de cada grupo e a heterogeneidade entre eles. O objetivo central reside na identificação de perfis recorrentes de clientes inadimplentes, relacionando variáveis como idade, renda e valor financiado para compreender as dinâmicas que levam ao descumprimento das obrigações contratuais. Ao mapear esses perfis, torna-se possível antecipar riscos e formular políticas de crédito mais resilientes, adaptadas às particularidades de cada segmento da população.
A metodologia adotada caracteriza-se como um estudo de caso de natureza quantitativa, com objetivos exploratórios e explicativos, estruturado para investigar as relações de causa e efeito na inadimplência de veículos (Gil, 2019). A pesquisa foi desenvolvida de forma remota, tendo como base operacional a cidade de Piracicaba, São Paulo, durante o período compreendido entre os meses de março e junho de 2025. A população-alvo consistiu em clientes que estabeleceram contratos de financiamento de veículos entre os anos de 2020 e 2024, abrangendo um período de flutuações econômicas significativas no Brasil. A amostra final foi constituída por 9.300 registros válidos, selecionados por meio de amostragem não probabilística por conveniência, garantindo a integridade e a diversidade das variáveis necessárias para uma análise estatística robusta.
O processo de coleta de dados utilizou fontes secundárias provenientes de instituições financeiras com atuação em território nacional. As variáveis selecionadas para a análise incluíram a faixa de renda mensal, o nível de escolaridade, a idade do cliente, o tempo de vigência do contrato, o valor total financiado, o número de parcelas contratadas, o histórico de inadimplência prévia, a taxa de juros aplicada e o valor pago como entrada. Em estrita observância à Lei Geral de Proteção de Dados (Lei nº 13.709/2018), todos os registros foram submetidos a um processo rigoroso de anonimização antes de qualquer manipulação, assegurando o sigilo das informações pessoais e a conformidade ética da pesquisa.
O tratamento e a análise dos dados foram executados utilizando a linguagem de programação Python, com o suporte das bibliotecas Pandas e NumPy para a manipulação de matrizes e análise exploratória (McKinney, 2017). O fluxo de pré-processamento foi detalhado e incluiu diversas etapas críticas para garantir a qualidade dos insumos analíticos. Inicialmente, procedeu-se à remoção de registros duplicados e à correção de inconsistências estruturais na base. O tratamento de valores ausentes foi realizado por meio de técnicas de imputação estatística, onde variáveis numéricas receberam a média ou mediana, enquanto variáveis categóricas foram preenchidas com a moda, dependendo da distribuição observada. Para assegurar que variáveis com diferentes escalas não distorcessem os resultados do algoritmo de clusterização, aplicou-se a normalização Z-score, que reescala os dados para que possuam média zero e desvio padrão um. As variáveis categóricas foram transformadas em formatos numéricos por meio da codificação one-hot encoding, permitindo sua integração nos cálculos de distância euclidiana. Além disso, a identificação de outliers foi conduzida através da análise de limites interquartis e visualização por boxplots, resultando no tratamento de valores extremos que poderiam comprometer a formação dos centroides.
A etapa de modelagem utilizou o algoritmo K-means, selecionado por sua eficiência computacional e adequação a problemas de segmentação baseados em distâncias (MacQueen, 1967). O funcionamento do K-means baseia-se em um processo iterativo que busca minimizar a soma das distâncias quadráticas entre os pontos de dados e os centroides de seus respectivos grupos. Para determinar o número ideal de clusters, aplicou-se o método do cotovelo, que monitora a variação da soma dos erros quadráticos internos em relação ao incremento do número de grupos. A decisão final sobre a quantidade de segmentos foi refinada pelo índice de silhueta, que avalia a qualidade da separação entre os clusters e a coesão interna de cada um (Rousseeuw, 1987). O índice de silhueta varia de -1 a 1, sendo que valores próximos a um indicam que as observações estão bem alocadas em seus grupos e distantes dos grupos vizinhos.
Complementarmente, utilizou-se a Análise de Correspondência Múltipla para validar as associações entre as variáveis categóricas e os agrupamentos gerados. A técnica permitiu a construção de uma matriz binária e o cálculo da inércia total, que representa a variabilidade explicada pelos eixos fatoriais. A decomposição da inércia possibilitou a projeção gráfica dos clusters em um plano bidimensional, facilitando a interpretação visual das distâncias estatísticas. Para confirmar a significância das associações encontradas, foram aplicados o teste Qui-quadrado e o coeficiente Cramér’s V, que medem a força da relação entre variáveis nominais. Todo esse aparato metodológico foi desenhado para transformar dados brutos em conhecimento estratégico, permitindo uma compreensão profunda dos perfis de inadimplência.
A análise dos resultados revelou uma taxa de inadimplência geral de 21,4% na amostra de 9.300 clientes, evidenciando a relevância do problema no contexto do crédito automotivo. A estatística descritiva inicial apontou uma renda média de R$ 4.280, com um desvio padrão considerável de R$ 2.150, e uma idade média de 38 anos, variando entre 18 e 75 anos. O valor financiado médio situou-se em R$ 32.400, com um prazo médio de pagamento de 42 parcelas. Esses indicadores sugerem uma população heterogênea, o que reforça a necessidade de segmentação para capturar as nuances do risco financeiro (Lima & Costa, 2020).
A aplicação do método do cotovelo indicou uma inflexão clara na curva de inércia quando o número de clusters atingiu quatro, sugerindo que este seria o equilíbrio ideal entre a complexidade do modelo e a capacidade de explicação da variância. Essa escolha foi corroborada pelo índice de silhueta médio de 0,62, valor considerado satisfatório para dados multidimensionais, indicando que os grupos formados possuem uma separação consistente (Rousseeuw, 1987). A segmentação resultou em quatro perfis distintos, cada um apresentando características socioeconômicas e comportamentais específicas que influenciam diretamente a probabilidade de inadimplência.
O primeiro grupo identificado, denominado Cluster 1, apresentou o maior risco de inadimplência, com uma taxa de 38%. Este perfil é composto majoritariamente por clientes jovens, com idade média de 26 anos, e renda média mensal de R$ 2.100. O valor financiado médio para este grupo foi de R$ 42.800, com um prazo de pagamento estendido de 54 parcelas e uma taxa de juros média de 2,4% ao mês. A combinação de baixa renda, alto valor financiado e juros elevados cria um cenário de alta vulnerabilidade financeira. Esses achados estão em consonância com os estudos de Silva & Oliveira (2021), que apontam que a falta de experiência financeira aliada a compromissos de longo prazo aumenta significativamente a probabilidade de descumprimento contratual entre os mais jovens.
Em contraste, o Cluster 2 revelou-se o perfil de menor risco, com uma taxa de inadimplência de apenas 9%. Este grupo possui idade média de 37 anos e renda média de R$ 5.200. O valor financiado médio foi de R$ 28.300, distribuído em 48 parcelas, com uma taxa de juros de 1,9%. A maior estabilidade financeira deste segmento, refletida em uma renda superior e em um valor financiado mais moderado em relação à capacidade de pagamento, justifica o baixo índice de atrasos. A maturidade etária também parece atuar como um fator de mitigação de risco, possivelmente associada a um histórico de crédito mais consolidado.
O Cluster 3 apresentou uma taxa de inadimplência de 15%, sendo caracterizado por clientes com idade média de 63 anos e renda média de R$ 3.800. O valor financiado médio foi o menor entre todos os grupos, totalizando R$ 18.600, com um número reduzido de parcelas, média de 22 meses, e a menor taxa de juros, 1,6%. Este perfil sugere um comportamento de consumo mais conservador, focado em veículos de menor valor ou com maior aporte de entrada, o que reduz a exposição ao risco. No entanto, a inadimplência de 15% indica que, mesmo em condições contratuais favoráveis, fatores externos podem afetar a capacidade de pagamento deste grupo.
Por fim, o Cluster 4 apresentou uma taxa de inadimplência de 22%, com idade média de 41 anos e a maior renda média da amostra, R$ 11.200. Apesar da alta renda, este grupo financiou valores elevados, com média de R$ 65.000, em prazos de 60 parcelas e juros de 2,2%. O risco elevado neste segmento, apesar da capacidade financeira aparente, pode estar associado ao alto comprometimento da renda com bens de luxo ou à sensibilidade a variações econômicas que afetam profissionais de alta renda. Este resultado demonstra que a renda isoladamente não é um preditor absoluto de adimplência, devendo ser analisada em conjunto com o montante da dívida e o prazo contratual.
A validação estatística por meio da Análise de Correspondência Múltipla confirmou a robustez dos agrupamentos, com os dois primeiros eixos fatoriais explicando 72,3% da variância total dos dados. A projeção dos clusters no plano fatorial evidenciou que as variáveis renda, valor de entrada e número de parcelas são as que possuem maior poder de discriminação entre os grupos. O teste Qui-quadrado revelou uma associação significativa (p < 0,01) entre os clusters e as faixas de renda e entrada. O coeficiente Cramér’s V apresentou valores de 0,42 para renda, 0,39 para valor de entrada e 0,47 para o número de parcelas, indicando associações de moderada a forte. Esses resultados confirmam que os agrupamentos não são aleatórios, mas refletem estruturas reais de comportamento financeiro presentes na base de dados (Souza & Andrade, 2022).
A discussão dos resultados permite inferir que a inadimplência no financiamento de veículos é um fenômeno multifatorial. A concentração de juros elevados e prazos longos no Cluster 1 sugere que as instituições financeiras tentam compensar o risco inerente ao perfil jovem e de baixa renda com taxas maiores, o que, paradoxalmente, pode sobrecarregar o orçamento do cliente e induzir ao não pagamento. Por outro lado, o Cluster 4 mostra que o apetite pelo crédito de alto valor, mesmo entre clientes abastados, carrega um risco considerável que não pode ser ignorado. A visualização dos dados reforçou que perfis com menores valores de entrada e maior número de parcelas tendem a se agrupar nos segmentos de maior inadimplência, validando a prática de exigir entradas maiores como estratégia de mitigação de risco.
Apesar da consistência dos achados, é necessário reconhecer as limitações deste estudo. O modelo baseou-se exclusivamente em dados históricos e anonimizados, o que impede a inclusão de variáveis comportamentais em tempo real, como o uso de cheque especial ou movimentações em contas correntes, que poderiam enriquecer a análise. Além disso, o algoritmo K-means, por sua natureza, assume que os clusters possuem formatos esféricos, o que pode não capturar distribuições de dados mais complexas ou sobrepostas. A ausência de variáveis subjetivas, como a intenção de pagamento ou a percepção de risco do consumidor, também limita a profundidade da explicação sociológica do fenômeno. Para pesquisas futuras, recomenda-se a exploração de algoritmos como o DBSCAN, que lida melhor com ruídos e formas irregulares, e a integração de fontes de dados dinâmicas para aumentar a capacidade preditiva dos modelos.
Conclui-se que o objetivo foi atingido, uma vez que a aplicação das técnicas de aprendizado de máquina não supervisionado permitiu a identificação e a caracterização detalhada de quatro perfis de clientes inadimplentes em financiamentos de veículos. A segmentação demonstrou que o risco de crédito é influenciado de forma decisiva pela interação entre a renda mensal, a idade do tomador e as condições contratuais, como o número de parcelas e a taxa de juros. A validação estatística por meio da Análise de Correspondência Múltipla e dos testes de associação confirmou a consistência dos grupos formados, evidenciando que o uso de algoritmos de clusterização oferece subsídios valiosos para a formulação de políticas de concessão de crédito mais precisas e personalizadas. O estudo reforça a importância da ciência de dados como ferramenta estratégica para a mitigação de riscos financeiros e para o aprimoramento da gestão de carteiras em ambientes de alta competitividade.
Referências Bibliográficas:
Banco Central do Brasil [BACEN]. 2023. Relatório de Economia Bancária. Disponível em: <https://www.bcb.gov.br>. Acesso em: 25 jun. 2025.
BRASIL. 2018. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Diário Oficial da União: seção 1, Brasília, DF, 15 ago. 2018.
Breiman, L. 2001. Statistical modeling: The two cultures. Statistical Science 16(3): 199-231.
Gil, A.C. 2019. Métodos e técnicas de pesquisa social. 7. ed. Atlas, São Paulo, SP, Brasil.
Jain, A.K. 2010. Data clustering: 50 years beyond K-means. Pattern Recognition Letters 31(8): 651–666.
Lima, R.; Costa, M. 2020. Fatores determinantes da inadimplência em crédito pessoal: Uma análise empírica. Revista Brasileira de Finanças 18(2): 45-62.
MacQueen, J. 1967. Some methods for classification and analysis of multivariate observations. In: Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1967, Berkeley, California, USA. Anais… p. 281–297.
McKinney, W. 2017. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. 2. ed. O’Reilly Media, Sebastopol, CA, EUA.
Provost, F.; Fawcett, T. 2013. Data Science for Business: What You Need to Know About Data Mining and Data-Analytic Thinking. O’Reilly Media, Sebastopol, CA, EUA.
Rousseeuw, P.J. 1987. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics 20: 53–65.
Silva, A.; Oliveira, T. 2021. Inadimplência em financiamentos de veículos: Uma abordagem exploratória. Revista de Administração Financeira 13(1): 77-92.
Souza, F.; Andrade, L. 2022. Aplicação de algoritmos de clusterização na análise de risco de crédito. Revista Brasileira de Inteligência Artificial 9(3): 112-130.
Resumo executivo oriundo de Trabalho de Conclusão de Curso de Especialização em Data Science e Analytics do MBA USP/Esalq
Saiba mais sobre o curso; clique aqui:
