No nosso último Nu DS & MLE Meetup, os Senior Data Scientists Jacob e José nos conduziram por uma imersão no mundo complexo (e em constante evolução) da gestão de limites de crédito. E, claro, mostraram como a ciência de dados nos ajuda a tomar decisões mais inteligentes, escaláveis e sustentáveis para nossos clientes em toda a América Latina.

Com mais de 122 milhões de clientes e crescendo, oferecer o limite de crédito certo é tanto uma oportunidade de negócio quanto uma responsabilidade. Limites muito baixos podem frustrar nossos clientes. Limites muito altos podem expor tanto eles quanto o Nubank a riscos financeiros desnecessários. Como encontrar o equilíbrio ideal? Vamos descobrir!

Reformulando o desafio de modelagem de risco

O centro da apresentação foi nossa estratégia de modelagem de risco, especificamente para decidir quando e como aumentar o limite de crédito de clientes existentes. José começou contextualizando o desafio de negócio: gerenciar risco de crédito promovendo, ao mesmo tempo, saúde financeira e garantindo que nossos cartões de crédito continuem úteis e rentáveis.

Para isso, o time foca em uma métrica essencial: a probabilidade de inadimplência, ou seja, a chance de um cliente não pagar sua fatura dentro de um período determinado (normalmente entre 60 e 180 dias).

Mas prever se alguém vai ser inadimplente não é suficiente, também nos importa quando. É aí que entra a análise de sobrevivência: uma abordagem mais sofisticada que modela o tempo até a inadimplência usando curvas de sobrevivência, permitindo capturar não apenas o risco, mas sua evolução ao longo do tempo.

Conheça nossas oportunidades

Combinando técnicas clássicas com flexibilidade moderna

Jacob mergulhou nos detalhes técnicos da nossa abordagem. Embora modelos tradicionais, como os não-paramétricos e paramétricos, ofereçam boas referências, cada um tem suas limitações. Os modelos não-paramétricos, por exemplo, não escalam bem e tendem a overfitting quando há muitas variáveis envolvidas. Já os paramétricos, apesar de interpretáveis, frequentemente dependem de suposições fortes (e às vezes equivocadas) sobre a distribuição dos dados.

Para lidar com essas limitações, o time aplica uma estratégia de “dividir para conquistar”: primeiro constrói um modelo robusto de ranqueamento de risco para capturar o sinal, e depois usa esse sinal para guiar o ajuste de curvas de risco mais precisas.

Esse processo em duas etapas permite atualizações mais frequentes da calibração das curvas de sobrevivência, mantendo estável o modelo principal de ranqueamento. O resultado é uma estrutura modular e escalável, que se adapta bem a diferentes países e a comportamentos de clientes em constante mudança.

Engenharia inteligente para um ambiente dinâmico

Claro, modelos eficientes são apenas parte da equação. José encerrou destacando a importância do monitoramento e da disciplina operacional. À medida que o comportamento dos clientes muda — especialmente em mercados menos maduros como México ou Colômbia — o time acompanha de perto indicadores de performance, mudanças de conceito (concept drift) e estabilidade de features. Isso inclui gerenciar os impactos de novos lançamentos de produtos, oscilações macroeconômicas e alterações em dados externos de birôs de crédito.

O time também destacou os investimentos em fundações sólidas de engenharia: repositórios reutilizáveis de features, pipelines de CI/CD e alertas automatizados para baixo desempenho ou anomalias.

E eles não vão parar por aí. O time já está experimentando modelos fundacionais treinados com trilhões de transações financeiras para explorar novas fronteiras na modelagem de comportamento dos clientes

Saúde financeira em escala

Esta sessão foi um mergulho profundo em como o Nubank toma decisões de crédito baseadas em dados que escalam — não só em termos de tecnologia, mas também de impacto. Ao refinar continuamente nossos modelos, infraestrutura e estratégias, conseguimos oferecer crédito significativo ao mesmo tempo em que promovemos inclusão financeira e estabilidade.

Como disse Jacob: “Sempre buscamos metodologias simples, mas robustas — nunca estáticas, sempre em evolução.”

No Nubank, gerenciar limites de crédito de forma inteligente é um compromisso com avaliação de risco escalável, inclusão financeira e bem-estar de longo prazo dos nossos clientes. Ao combinar ciência de dados robusta com práticas de engenharia flexíveis, conseguimos entregar decisões de crédito que são não apenas precisas e eficientes, mas também alinhadas com a saúde financeira dos mais de 122 milhões de clientes que atendemos em toda a América Latina.

Quer saber mais sobre como estamos usando dados para gerar impacto em escala? Acompanhe o blog Building Nubank para mais conteúdos técnicos dos nossos times de engenharia e ciência de dados.

Conheça nossas oportunidades