Estudo de caso em dados · Risco da carteira

Análise de risco e concentração da carteira de crédito

Usei BigQuery e Looker Enterprise para validar 270.299 empréstimos, criar tabelas analíticas reutilizáveis e investigar como status, geografia, finalidade e ano de concessão orientam a revisão de risco da carteira.

Um projeto de formação que simula uma análise de Tesouraria. Meu trabalho incluiu validação da fonte, modelagem SQL, dashboard no Looker e critérios documentados de revisão.

Mapa de controle da carteira Revisão sinalizada
Valor por status comparado a um limite ilustrativo

O valor calculado supera o limite ilustrativo de US$ 3,00 bi. Métricas de concentração e status orientam a investigação seguinte.

Valor de empréstimos sem status Fully Paid US$ 3,08 bi
US$ 0 Nível de acompanhamento: US$ 3,00 bi
Cinco maiores estados41,81%Concentração geográfica
Status Current87,89%% do valor sem status Fully Paid
Taxa por finalidade9,31%Empréstimos a pequenas empresas
O valor soma os montantes originais de todos os status exceto Fully Paid, incluindo Charged Off e Default. Não mede o principal ainda a pagar.
Valor de empréstimos sem status Fully PaidUS$ 3,08 bi

Acima do nível ilustrativo de US$ 3,00 bi para acompanhamento interno.

Parcela dos cinco maiores estados41,81%

Parcela do valor sem status Fully Paid concentrada nos cinco maiores estados.

Maior exposição por finalidadeUS$ 1,83 bi

Valor original dos empréstimos para consolidação de dívidas, excluindo o status Fully Paid.

Maior taxa por finalidade9,31%

Valor com status Charged Off ou Default ÷ valor total concedido a pequenas empresas.

Looker Enterprise

Da visão da carteira ao empréstimo

O dashboard conecta as métricas a estados, safras, finalidades e tomadores sintéticos. As imagens são do relatório concluído; o explorador abaixo usa seus resultados agregados validados.

Dashboard do Looker com exposição por status, situação dos empréstimos e concentração por estado
Evidências do dashboard

A imagem será exibida quando o arquivo correspondente estiver disponível.

Visão original do Looker: valores por status, distribuição das situações e concentração por estado. Construído a partir de tabelas analíticas reutilizáveis do BigQuery.

Perspectivas de risco

Três perspectivas de risco da carteira

A visão por status usa valores originais dos empréstimos, não saldos remanescentes. Charged Off e Default entram na base de cálculo.

O status Current concentra a maior parcela

87,89% do valor sem status Fully Paid está classificado como Current. Os status adversos aparecem separadamente; seus valores não medem perda financeira líquida.

Maior parcela exibida 87,89%

Selecione uma linha para entender seu significado. As barras comparam valores ou parcelas na visão escolhida.

Ver os números e definições em tabelas

Fonte: arquivos CSV disponíveis e visão original de status no Looker. Valores em dólares, conforme a base de formação. Percentuais por status arredondados. A prioridade combina quartis de exposição e de taxa de classificação como perda em um critério descritivo.

Métricas e definições da carteira
MedidaValorDefinição
registros de empréstimos270.299IDs de empréstimos únicos na base de formação validada
Valor total concedidoUS$ 4.166.072.400loan_amount original de todos os status
Valor sem status Fully PaidUS$ 3.080.553.000loan_amount original sem Fully Paid, incluindo Charged Off e Default
Valor classificado como perdaUS$ 279.669.425loan_amount original com status Charged Off ou Default
Taxa de classificação como perda na carteira6,71%Valor classificado como perda ÷ total concedido
Parcela dos cinco maiores estados41,81%Valor dos cinco maiores estados ÷ total sem status Fully Paid
jurisdições representadas51Jurisdições únicas mapeadas nos empréstimos; a tabela de referência contém 52 registros
Distribuição por status do valor sem Fully Paid
Status do empréstimoParcela
Em dia87,89%
Baixado como perda9,07%
Atraso de 31–120 dias1,72%
Em período de carência0,90%
Atraso de 16–30 dias0,42%
Inadimplência0,01%
Oito maiores valores por estado e prioridade combinada de revisão
EstadoValor sem status Fully PaidParcelaTaxa de classificação como perdaPrioridade
CalifórniaUS$ 419.531.27513,62%6,93%Prioridade 2
TexasUS$ 268.687.1258,72%6,63%Acompanhar
Nova YorkUS$ 247.618.6508,04%7,44%Prioridade 1
FlóridaUS$ 223.337.2757,25%7,06%Prioridade 2
IllinoisUS$ 128.796.6004,18%6,14%Acompanhar
Nova JerseyUS$ 119.291.4503,87%7,63%Prioridade 1
OhioUS$ 102.053.1253,31%7,09%Prioridade 2
GeórgiaUS$ 101.972.6253,31%5,24%Acompanhar
Valores por finalidade e taxas de classificação como perda
FinalidadeValor sem status Fully PaidTaxa de classificação como perda
Consolidação de dívidasUS$ 1.832.403.6257,26%
Cartão de créditoUS$ 743.918.2255,42%
Reforma residencialUS$ 194.797.1256,32%
OutroUS$ 134.245.8256,49%
Compra de grande valorUS$ 55.560.9756,86%
Pequenas empresasUS$ 33.691.5009,31%
Despesas médicasUS$ 23.958.8007,4%
HabitaçãoUS$ 21.889.9254,46%
AutomóvelUS$ 18.165.5255,39%
MudançaUS$ 11.120.7258,53%
FériasUS$ 9.354.2006,92%
Energia renovávelUS$ 1.213.6756,56%
CasamentoUS$ 232.8758,59%
Safras em uma visão da carteira
Ano de concessãoValor sem status Fully Paid
2012US$ 8.011.000
2013US$ 53.897.825
2014US$ 180.481.175
2015US$ 206.154.925
2016US$ 566.835.950
2017US$ 525.088.150
2018US$ 743.363.125
2019US$ 796.720.850

Método e qualidade dos dados

Da validação da fonte ao dashboard

Mantive a granularidade por empréstimo, documentei as definições dos status e criei tabelas reutilizáveis antes do dashboard. Cada resultado pode ser rastreado ao SQL e aos campos da fonte.

  1. 01

    Examinar

    Revisar tipos de dados, campos aninhados das solicitações e cobertura das tabelas-fonte.

  2. 02

    Validar

    Verificar número de linhas, IDs únicos, valores nulos e mapeamento geográfico.

  3. 03

    Definir

    Criar indicadores explícitos de status e documentar as bases de cálculo dos valores.

  4. 04

    Modelar

    Construir tabelas reutilizáveis com JOINs, agregações, LAG, NTILE e ranking.

  5. 05

    Explorar

    Conectar filtros do Looker, filtros cruzados e formatação de limites.

Evidências no BigQuery

Ver o esquema da fonte

A inspeção do esquema identificou campos disponíveis, estrutura aninhada das solicitações e tipos de dados antes das transformações.

Esquema do BigQuery com campos de empréstimos e registro aninhado da solicitação
Evidências no BigQuery

A imagem será exibida quando o arquivo correspondente estiver disponível.

Granularidade validada
270.299 empréstimos
Cobertura geográfica
51 jurisdições representadas
Referência de mapeamento
52 registros de mapeamento
Entrega analítica
7 tabelas reutilizáveis

Funções de janela apoiam comparações entre safras e prioridades descritivas de revisão. O arquivo SQL inclui verificações da fonte, transformações e resultados de apresentação.

Exemplo de SQL no BigQueryVer a lógica de risco por empréstimo
CREATE OR REPLACE TABLE fintech.loan_risk_mart AS
SELECT
  l.loan_id,
  l.customer_id,
  l.loan_status,
  l.loan_amount,
  l.state,
  sr.subregion,
  sr.region,
  l.int_rate,
  CAST(l.issue_year AS INT64) AS issue_year,
  COALESCE(NULLIF(TRIM(l.application.purpose), ''), 'Unknown') AS purpose,
  l.loan_status != 'Fully Paid' AS is_outstanding,
  l.loan_status IN (
    'Late (16-30 days)',
    'Late (31-120 days)',
    'In Grace Period'
  ) AS is_delinquent,
  l.loan_status IN ('Charged Off', 'Default') AS is_loss
FROM fintech.loan AS l
LEFT JOIN fintech.state_region AS sr
  ON l.state = sr.state;

Resultados e acompanhamento proposto

Dos resultados às perguntas de revisão

O resultado é um conjunto documentado de critérios de revisão. Os próximos passos são propostas analíticas, sem representar mudanças implementadas por uma instituição.

EXP

Investigar o limite

O valor de US$ 3,08 bi supera o nível ilustrativo de US$ 3,00 bi.

Próximo passo proposto

Usar visões conectadas de status, estado e finalidade para entender o sinal antes de propor uma resposta.

GEO

Separar dimensão e prioridade

A Califórnia tem o maior valor; Nova York e Nova Jersey são Prioridade 1 no critério combinado de quartis.

Próximo passo proposto

Avaliar a concentração nos cinco maiores estados junto à exposição e às taxas de classificação como perda, sem definir prioridade apenas pelo valor.

SEG

Comparar volume e taxa

Consolidação de dívidas é o maior segmento; pequenas empresas têm a maior taxa de valores classificados como perda: 9,31%.

Próximo passo proposto

Avaliar concentração e taxas de status adversos como questões distintas. Comparar bases equivalentes e maturidade das safras.

SAFRA

Interpretar os anos como safras

A safra de 2019 contribui com US$ 796,72 mi para o valor sem status Fully Paid nesta base.

Próximo passo proposto

Adicionar observações recorrentes e dados de pagamentos antes de avaliar migração de status, deterioração ou previsões.

Estrutura de acompanhamento do riscoUm caminho de revisão rastreável
Sinal executivoValor por status
Camada de diagnósticoGeografia, status, finalidade e safra
Ação de gestãoSinais, revisão e controles direcionados

Escopo e interpretação

Escopo e interpretação

Análise descritiva de uma base de formação, com definições claras e distinção entre resultados e próximos passos propostos.

Contexto de formaçãoDados de formação, entrega analítica prática

A análise usa uma base de formação, sem representar a carteira ativa de uma instituição.

Significado do limiteLimite ilustrativo de revisão: US$ 3,00 bi

Esse valor não representa um limite regulatório de capital nem uma referência universal do setor.

Sensibilidade à definiçãoValores originais dos empréstimos, classificados por status

A fonte fornece loan_amount, não o principal remanescente verificado. Os valores de Charged Off e Default não descontam recuperações.

Evolução para produçãoSafras de concessão em uma única base

As safras de 2012–2019 têm idades distintas. Avaliar migração, evolução de perdas e previsões exige observações recorrentes e dados de pagamentos.

Continue explorando

Explore outros projetos de dados

Explore outros projetos de dados ou conheça minha experiência, ferramentas e formação.

Contato

Precisa entender dados complexos?

Trabalho com validação cuidadosa, definições claras e relatórios úteis. Vamos conversar sobre seus dados e as decisões que eles precisam apoiar.