Encontre os segmentos de maior risco da carteira

Q: Como encontrar os segmentos de maior risco em uma carteira de crédito?

Compare a taxa de maus pagadores de cada segmento com a da carteira. A ferramenta testa se a diferença pode ser explicada pelo acaso e classifica os segmentos pelo número de maus pagadores acima do esperado.

Q: Como comparar a taxa de maus pagadores por loja ou canal?

Use a loja ou o canal como atributo e compare a taxa de maus pagadores de cada grupo com a da carteira. A ferramenta também mostra o número de aplicações, de maus pagadores, o lift e o excesso de maus pagadores em cada segmento.

Q: O que significa lift na segmentação de risco?

Lift é a taxa de maus pagadores de um segmento dividida pela taxa da carteira. Ele mostra como a taxa do segmento se compara à taxa geral da carteira.

Q: Como saber se um segmento de risco se destaca por acaso?

A ferramenta compara cada segmento com o restante da carteira e ajusta o resultado pelo número de segmentos testados. Um segmento é sinalizado quando sua taxa de maus pagadores supera a da carteira e a diferença não parece ser explicada pelo acaso, considerando o nível de confiança escolhido.

Q: Por que os maus pagadores se concentram em algumas lojas ou canais?

A taxa geral da carteira pode esconder diferenças entre grupos. Comparar as taxas de maus pagadores por atributo ajuda a identificar onde eles se concentram, mas um segmento é um ponto de investigação, não uma causa.

Inclua as propostas, seus atributos e resultados. A ferramenta compara segmentos definidos por um ou dois atributos e classifica os que têm taxa de maus pagadores acima da carteira, além do que o acaso explicaria.

Arquivo de propostas

Arraste um arquivo CSV para cá ou selecione um

Das 3,860 propostas com resultado conhecido, 207 são de maus pagadores e 3,653 de bons pagadores. As 140 sem resultado conhecido ficam de fora.

O arquivo é lido neste navegador e nunca é enviado. Se você pedir o resultado por e-mail, só os totais serão enviados.

Coluna de resultado

As colunas usadas como atributos são store, region, product, channel, age, loan_amount, e os números são divididos em cinco faixas de tamanho parecido.

application_id foram ignoradas porque quase todas as propostas têm um valor próprio, como um identificador, ou porque só os dez primeiros atributos são usados.

Mínimo de propostas

Poucos maus pagadores podem elevar a taxa em segmentos pequenos. Por isso, segmentos abaixo desse tamanho não são testados.

Confiança, %

Quanto mais segmentos, maior a chance de alguns parecerem ruins por acaso. Por isso, cada um precisa de evidências mais fortes. Um nível de confiança maior sinaliza menos segmentos.

Atributos

Estas são 4.000 propostas geradas para demonstração, de uma empresa de crédito no ponto de venda. Alguns segmentos de risco foram inseridos de propósito.

Segmentos sinalizados

Taxa de maus pagadores da carteira5.36%

Maior lift entre os segmentos sinalizados1.8×

Parcela de maus pagadores nos principais segmentos69.1%

10 segmentos têm taxa de maus pagadores acima da carteira, sem que o acaso explique a diferença, com nível de confiança de 95%. Os 10 principais concentram 69.1% dos maus pagadores em 45.4% das propostas. Um segmento é um ponto de atenção, não uma causa.

Taxa de maus pagadores nos principais segmentos

As barras vermelhas indicam segmentos sinalizados. A linha tracejada mostra a taxa de maus pagadores da carteira.

Segmentos por excesso de maus pagadores

Classificação	Segmento	Propostas	Maus	Taxa de maus pagadores	Lift	Excesso de maus pagadores	Alerta
1	age = <24	745	71	9.53%	1.8×	31	Sim
2	product = Phone · channel = online	360	50	13.89%	2.6×	31	Sim
3	channel = online	1,164	89	7.65%	1.4×	27	Sim
4	store = S07	178	30	16.85%	3.1×	20	Sim
5	product = Phone	1,171	80	6.83%	1.3×	17	Dentro da variação esperada
6	channel = online · age = <24	240	30	12.50%	2.3×	17	Sim
7	product = Phone · age = <24	239	29	12.13%	2.3×	16	Sim
8	region = East · age = <24	180	25	13.89%	2.6×	15	Sim
9	region = East	1,005	69	6.87%	1.3×	15	Dentro da variação esperada
10	age = <24 · loan_amount = <540	136	20	14.71%	2.7×	13	Sim
11	store = S07 · product = Phone	54	15	27.78%	5.2×	12	Sim
12	region = East · product = Phone	321	29	9.03%	1.7×	12	Dentro da variação esperada
13	channel = online · loan_amount = [710,870)	220	23	10.45%	1.9×	11	Dentro da variação esperada
14	channel = online · loan_amount = <540	244	24	9.84%	1.8×	11	Dentro da variação esperada
15	region = North · age = <24	208	21	10.10%	1.9×	10	Dentro da variação esperada
16	region = East · channel = online	303	26	8.58%	1.6×	10	Dentro da variação esperada
17	age = <24 · loan_amount = [540,710)	159	18	11.32%	2.1×	9	Dentro da variação esperada
18	loan_amount = <540	738	49	6.64%	1.2×	9	Dentro da variação esperada
19	loan_amount = [710,870)	776	51	6.57%	1.2×	9	Dentro da variação esperada
20	store = S07 · channel = online	69	13	18.84%	3.5×	9	Sim
21	store = S13	220	20	9.09%	1.7×	8	Dentro da variação esperada
22	region = East · loan_amount = [710,870)	187	18	9.63%	1.8×	8	Dentro da variação esperada
23	product = Phone · loan_amount = <540	470	33	7.02%	1.3×	8	Dentro da variação esperada
24	product = Appliance · age = <24	136	15	11.03%	2.1×	8	Dentro da variação esperada
25	age = [34,46) · loan_amount = [710,870)	158	16	10.13%	1.9×	8	Dentro da variação esperada

Mais 46 segmentos estão no arquivo para download.

Receba o resultado por e-mail

Use o resultado para testar uma verificação mais rigorosa ou um encaminhamento para um segmento na decisão de crédito, usando aplicações anteriores. Comece grátis

Como os segmentos são testados

Taxa de maus pagadores = Maus ÷ Propostas
Lift = Taxa de maus pagadores ÷ Taxa de maus pagadores da carteira
Excesso de maus pagadores = Maus − Propostas × Taxa de maus pagadores da carteira
z = (Taxa de maus pagadores − Restante da carteira) ÷ √(p × (1 − p) × (1 ÷ n + 1 ÷ (N − n)))
Alerta = p ≤ (1 − Nível de confiança) ÷ Segmentos testados

Cada segmento é comparado com o restante da carteira, e o nível de confiança é dividido entre todos os segmentos testados. Assim, testar muitos segmentos não aumenta a quantidade de sinalizações por acaso. Um segmento com dois atributos só aparece quando sua taxa de maus pagadores supera a dos dois segmentos definidos por cada atributo separadamente.

Encontre segmentos de alto risco na carteira

A taxa de maus pagadores por segmento mostra a proporção de propostas com resultado ruim em um grupo, como uma loja, um canal ou um produto. A ferramenta compara a taxa de cada segmento com a da carteira e testa se o acaso pode explicar a diferença.

Os maus pagadores podem se concentrar em determinadas lojas, canais ou grupos de clientes, enquanto a taxa geral da carteira esconde onde isso acontece. Use os segmentos sinalizados como pontos de atenção e teste qualquer análise mais rigorosa ou encaminhamento com propostas anteriores.

Perguntas frequentes

Como encontrar os segmentos de maior risco em uma carteira de crédito?

Compare a taxa de maus pagadores de cada segmento com a da carteira. A ferramenta testa se a diferença pode ser explicada pelo acaso e classifica os segmentos pelo número de maus pagadores acima do esperado.

Como comparar a taxa de maus pagadores por loja ou canal?

Use a loja ou o canal como atributo e compare a taxa de maus pagadores de cada grupo com a da carteira. A ferramenta também mostra o número de aplicações, de maus pagadores, o lift e o excesso de maus pagadores em cada segmento.

O que significa lift na segmentação de risco?

Lift é a taxa de maus pagadores de um segmento dividida pela taxa da carteira. Ele mostra como a taxa do segmento se compara à taxa geral da carteira.

Como saber se um segmento de risco se destaca por acaso?

A ferramenta compara cada segmento com o restante da carteira e ajusta o resultado pelo número de segmentos testados. Um segmento é sinalizado quando sua taxa de maus pagadores supera a da carteira e a diferença não parece ser explicada pelo acaso, considerando o nível de confiança escolhido.

Por que os maus pagadores se concentram em algumas lojas ou canais?

A taxa geral da carteira pode esconder diferenças entre grupos. Comparar as taxas de maus pagadores por atributo ajuda a identificar onde eles se concentram, mas um segmento é um ponto de investigação, não uma causa.