AVALIAÇÃO DA EFICIÊNCIA DO SISTEMA CREDIT SCORE COMO FERRAMENTA DE APOIO À DECISÃO

Transcrição

1 ! "#$ " %'&)(*&)+,.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?<>=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& AVALIAÇÃO DA EFICIÊNCIA DO SISTEMA CREDIT SCORE COMO FERRAMENTA DE APOIO À DECISÃO Geysler Rogis Flor Bertolini (UNIOESTE) geysler@unioeste.br Loreni Tersinha Brandalise (UNIOESTE) lorenni@unioeste.br Claudio Antonio Rojo (UNIOESTE) rojo@rojo.com.br Dayana Afonso Cadamuro (UNIOESTE) dayana.cadamuro@br.abnanro.com.br Osmar Possamai (UFSC) possamai@eps.ufsc.br Este estudo buscou verificar a eficiência do sistema Credit Score, implantado em uma financeira de veículos, frente os resultados na carteira de cobrança da mesma. Em sua metodologia, foram utilizadas as informações sobre as carteiras de coobrança do segundo semestre de 2005 e primeiro semestre de 2006, para identificar se houve redução de porcentual de cobrança com a utilização do sistema de informação, analisando os contratos aprovados pelo sistema que entraram em cobrança pelo não pagamento da primeira parcela. Os dados foram tratados de forma percentual e analisados descritivamente. Obteve-se resultados suficientes para evidenciar a eficiência do sistema ao reduzir números de cobrança e perdas de valores com créditos. Desta forma o estudo assinalou a eficiência do sistema utilizado para apoio à tomada de decisão. Palavras-chaves: Análise de crédito, sistema de informação, carteira de cobrança, tomada de decisão, risco.

2 1. Introdução Para vencer o desafio da competitividade, as organizações dependem cada vez mais do que os sistemas de informações podem fazer por elas. Contudo, usar o sistema de informação efetivamente requer uma estratégia de desenvolvimento e implantação, e consideração aos aspectos sociais, comportamentais e políticos envolvidos na implantação do sistema de informação. O estímulo para tal surge da idéia de Gitman (2002), de que, na seleção de crédito ao determinar se deve ser concedido ao cliente, devem ser desenvolvidos fontes apropriadas e métodos de análise de crédito. Para o autor, depende de cada um desses aspectos a administração bem sucedida dos títulos a receber de uma organização. Este estudo avaliou a eficiência do sistema de informação Credit Score, utilizado para a seleção do crédito concedido ao cliente no momento do financiamento de veículos de uma financeira da cidade de Cascavel-PR. Stair e Reynolds (2000) classificam este sistema como um sistema de suporte à tomada de decisão que tem foco incidente sobre a eficácia da tomada de decisão, são bancos de dados que ajudam a organização a fazer a coisa certa. Por meio de avaliação do sistema de informações de análise de crédito, o estudo objetiva explorar a eficiência e importância da ferramenta de apoio à tomada de decisão no momento da seleção de crédito e como refletirá posteriormente. Ressaltando fatores comparativos na carteira de cobrança anterior e posterior, a ferramenta e a indicação da carteira de cobrança atual procura a descrição e avaliação dos termos para propor intervenções de melhorias beneficiárias a organização. Relacionando a seleção de crédito com a utilização de uma ferramenta de suporte a tomada de decisão, a organização objetiva vantagem competitiva demonstrando agilidade e acertabilidade na liberação do crédito. A questão de estudo estará a todo tempo perguntando: este instrumento de sistema de informação é eficiente? 2. Descrição do modelo de sistema utilizado O sistema Credit Score é um sistema de informação utilizado como ferramenta de apoio à tomada de decisão, o qual foi desenvolvido como um modelo estatístico para avaliar a probabilidade de um cliente ser um bom ou mau pagador no futuro. Para o desenvolvimento do modelo foi utilizada uma base histórica de clientes dos últimos cinco anos, com o objetivo de identificação das características que mais discriminam população de bons e maus pagadores, sendo atualmente baseada na carteira dos últimos 18 meses da filial. Portanto, o Credit Score tem a capacidade de avaliar conjuntamente as características associadas ao perfil do cliente e a sua probabilidade de risco futuro. O sistema além, de avaliar individualmente cada característica, também avalia a correlação entre elas: sexo, profissão, renda, veículo financiado, prazo, tipo de residência e tempo de emprego. O Credit Score desenvolvido foi dividido em quatro modelos diferentes definidos por um ponto de corte onde há uma pontuação mínima que o cliente precisa ter para ser aprovado, assim possibilita estimar a proporção de clientes bons para clientes ruins por faixa de score. Desta forma é possível definir o ponto de corte que irá gerar a rentabilidade desejada. 2

3 Para a análise do crédito o analista precisa manter atenção para não confundir o Credit Score com as Políticas de crédito estabelecidas pelo banco. O score classifica o cliente segundo seu perfil, utilizando o histórico da carteira, com o objetivo de definir se será um bom ou mau pagador. As políticas são formuladas com o objetivo de direcionar a carteira para focos estratégicos da empresa. As políticas avaliam fatores que o score não identifica como: idade legalmente permitida; restrições cadastrais no Serasa, Receita Federal, experiências com as empresas do grupo e Rating; condição de financiamento de acordo com a idade dos veículos e valor liberado na operação; e, condição de pagamento com percentual de entrada e comprometimento da renda. Com a revisão do fluxo de iniciação de crédito pelo sistema Credit Score existem vantagens em compartilhar conhecimento e padronizar processos, ter previsibilidade de resultados, maior foco da rentabilidade e promover a redução do trabalho operacional e diminuição do tempo de aprovação do crédito. O sistema de apoio à tomada de decisão Credit Score foi implantado nas análises de crédito da financeira visando maior agilidade na aprovação do crédito. Dentro dos parâmetros estabelecidos, o sistema de informação classifica as propostas de A à F e aprova ou nega, dando uma referência de decisão para o analista da filial. O grande intuito da empresa é de que a mesa de crédito aprove um porcentual máximo de 20% de propostas negadas pelo sistema, chamando de número de exceções. Com o estudo da análise de crédito, serão revistas as propostas aprovadas e negadas pelo sistema Credit Score que entraram em cobrança pelo não pagamento da primeira parcela, e os critérios de aprovação utilizados pela mesa de análise de crédito da filial. 3 Análise de crédito Paiva (1997) define crédito como o fato de acreditar ou confiar no compromisso de alguém para com outro. Sendo assim, para confiar é preciso conhecer e para conhecer é preciso tempo e informação. Mas a confiança não é absoluta e é preciso conhecer informações positivas que forneçam informações suficientes para acreditar que seja merecedor de algum crédito. Uma política de crédito, de acordo com Blatt (1999), deve ser coordenada para encontrar o equilíbrio entre as necessidades de vendas e, concomitantemente, sustentar uma carteira a receber de alta qualidade. As políticas de crédito são constantes e definem a gerência sob crédito de uma perspectiva estratégica. Gitman (2002) define a política de crédito do departamento financeiro de uma empresa como o processo de seleção, determinação de padrões e de condições de crédito. A forma adotada pela empresa para lidar com estes aspectos é fortemente influenciada pelas condições competitivas que, com maior flexibilidade aumenta a capacidade competitiva da empresa e o inverso a reduz. Para Blatt (1999), a intensa competitividade está levando as empresas a liberar suas políticas de crédito em uma taxa espontaneamente rápida, como resultado, as empresas estão incorrendo em riscos de crédito mais elevados do que anteriormente. Uma política de crédito liberal dá à empresa um dispositivo de marketing e vendas significativo, é um pilar no qual a empresa constrói seu volume de faturamento, mas pode colocar a empresa em perigo com o alto risco. Por outro lado, uma política rígida, restritiva, nega o poder de venda, especialmente em mercados arrojados e não conservadores. Para o mesmo autor, a análise de crédito é uma ferramenta indispensável para uma boa 3

4 decisão de crédito. A análise de crédito consiste em um estudo da situação global de um devedor em perspectiva, visando à elaboração de um parecer que retrate, de forma clara e objetiva, o desempenho econômico-financeiro do mesmo. Para que se possa elaborar um parecer consistente é necessário que se considere também as condições do grupo do qual faz parte, do setor de atuação, além de aspectos políticos e econômicos. Não é somente em números e demonstrativos financeiros que uma análise de crédito se baseia, existe a necessidade de um bom conhecimento do cliente, além de uma forte dose de bom senso, critério, técnica e discernimento, para que a transformação de dados quantitativos possa ser feita de maneira adequada e inteligente. Segundo Gonzaga (2002), a análise de crédito soma a percepção de entender, compreender e formar idéias com a vivência das análises e decisões de crédito anteriores que acarretam em decisões mais rápidas e seguras. Blatt (1999) explica que a concessão de crédito deve ser baseada em seis pilares de crédito como: informação creditícia com pesquisas constantes do departamento de crédito sobre as informações gerais, econômicas e financeiras dos clientes; o histórico de pagamento de um cliente com outros credores; a identificação do cliente conhecendo quem é; e as pessoas físicas e jurídicas ligadas a ele; a análise das demonstrações financeiras levantando a saúde e as condições financeiras do cliente. Outros dois pilares são a qualidade de cobrança visada com uma concessão de crédito bem feita e o fortalecimento da venda a crédito onde o analista inclui o aumento do fluxo de caixa da cobrança e também gerar a venda a crédito. Segundo Gitman (2002), as empresas estabelecem procedimentos rígidos para uso na análise de crédito, a avaliação dos solicitantes. Porém, muitas vezes, a empresa deve não só determinar se pode ser concedido crédito a um cliente, mas também estimar o valor máximo de crédito que ele pode receber estabelecendo uma linha de crédito. Para o autor, um dos fatores básicos na decisão final de crédito é o julgamento subjetivo que o analista financeiro faz da credibilidade de um cliente. A experiência do analista lhe permite perceber aspectos não quantitativos da qualidade das operações e aliá-los aos conhecimentos sobre o caráter do cliente, a referência dada por outros fornecedores e os históricos de pagamentos para determinar sua capacidade de crédito. Assim, o analista tomará a decisão final sobre a concessão de crédito ao solicitante. O autor ainda coloca como técnica bastante comum, a classificação de crédito, um procedimento que produz uma pontuação capaz de refletir o potencial financeiro global de um solicitante de crédito, que resulta de uma média ponderada dos pontos relativos a características financeiras e de crédito Credit Score Segundo Blatt (1999) as técnicas estatísticas aplicadas ao processo decisório têm se firmado como auxiliares na prática da gestão de riscos e, especificamente, no processo decisório. Porém, se trata de técnicas utilizadas por companhias de seguros desde 1930, mas seu uso prático só foi possível com o desenvolvimento da informática devido à quantidade de cálculos exigida para obter resultados consistentes. Para o autor, dentre essas técnicas, a que melhor se adapta às necessidades das instituições financeiras na área de risco, essencialmente de pessoa física, é a análise discriminante aplicada às decisões de crédito, mais conhecida como credit score. Esta análise discriminante é uma técnica de tratamento estatístico de dados aplicável a todos os processos que impliquem uma decisão do tipo: bom ou mau, sucesso ou fracasso, excesso ou falta. Trata-se de levantar 4

5 situações passadas e, mediante tratamento matemático, encontrar um modelo consistente que habilite a tomar decisões para o futuro de curto prazo. Coradi (2001) reforça a idéia de que o desenvolvimento das teorias e das aplicações das técnicas de credit score só foi possível a partir do aparecimento do computador para usos comerciais e do desenvolvimento das técnicas de pesquisa operacional. Segundo o autor, o credit score é um processo pelo qual algumas informações sobre um pretendente a crédito são convertidas em números que, combinados, formam uma pontuação que passa a ser uma medida de qualidade de crédito provável. O processo tem medidores estatísticos que qualificam o pretendente em bom ou ruim. O credit score, segundo Lourenço (2005), é um modelo de pontuação desenvolvido através de técnicas estatísticas baseando-se na experiência passada. Estes modelos são capazes de prever o comportamento futuro através da análise e atribuição de pesos para características da operação/cliente, cuja soma traduz a probabilidade da ocorrência de determinado evento. Este método cria uma regra de classificação que distingue o bom do mau pagador, o fraudador do não fraudador. Para Blatt (1999), um modelo de credit score nada mais é do que um definidor de probabilidade, exemplificando que quando uma determinada população tem probabilidade de 35 para 1, existem no grupo 35 bons clientes para cada mau cliente. Assim, um modelo de score não define se um cliente específico se tornará bom ou mau pagador, apenas o coloca num grupo de risco com probabilidade definida. Segundo o autor, no sistema credit score define-se o conceito de probabilidade total como a probabilidade do cliente ser bom ou mau pagador versus a probabilidade derivada de uma informação. Exemplificando, pode-se dizer que para os próximos clientes, 200 são maus pagadores, porém avaliam-se também quantos destes tinham menos de dois anos de emprego. Esta informação pode estar atrelada a outras como casa própria ou alugada, idade, profissão, entre outros. Blatt (1999) revela que no estágio de análise da correlação das variáveis enfrenta-se um problema ao multiplicar-se as probabilidades para cada característica, pois assim assumiu-se que as variáveis são independentes. No entanto, percebe-se a correlação entre idade e tempo de emprego, por exemplo, ou residência própria e idade. Para a visualização do funcionamento de um sistema de score existe a forma gráfica de distribuição de maus e bons clientes, como segue no histograma apresentado na Figura 01. 5

6 % maus bons Ponto de corte Pontos Fonte: Blatt (1999: 116) Figura 01: Distribuição de score Após a análise, correlação das informações e distribuição dos pontos no histograma, deve-se trabalhar com o fato de que existe um percentual de exceção a ser utilizado. Onde se cruzam clientes bons e maus existe um ponto de corte que estabelece um limite para que não se perca mais com devedores do que, estabelecido pela probabilidade (BLATT, 1999). 4. Discussão dos dados Nesta sessão são expostos os dados coletados no estudo referentes ao período de 01/07/2005 à 30/06/2006, buscando-se com análises atingir o objetivo de avaliar a eficiência do sistema Credit Score utilizado na análise de crédito de financiamentos. 4.1 Levantamento de Produção de Financiamentos Para início da avaliação das informações dos contratos em cobrança, foram levantados os números e valores dos contratos de financiamentos efetivados no período proposto no estudo, para comparação conforme quadros a seguir. O estudo separa os período em segundo semestre de 2005, onde não havia a utilização do sistema Credit Score na análise de crédito de financiamentos, e o primeiro semestre de 2006, onde o sistema foi usado como base para aprovação de crédito. Estes dados são apresentados nas Tabelas 01 e 02. Mês de referência Produção em contratos Produção em Reais Julho 369 R$ ,30 Agosto 478 R$ ,77 Setembro 458 R$ ,64 Outubro 473 R$ ,22 Novembro 881 R$ ,32 Dezembro 763 R$ ,57 TOTAL 3422 R$ ,82 Fonte: pesquisa Tabela 01 Produção de contratos efetivados no segundo semestre de 2005 Mês de referência Produção em contratos Produção em Reais Janeiro 379 R$ ,75 Fevereiro 346 R$ ,00 6

7 Março 512 R$ ,44 Abril 548 R$ ,74 Maio 608 R$ ,93 Junho 911 R$ ,00 TOTAL 3304 R$ ,86 Fonte: pesquisa Tabela 02 Produção de contratos efetivados no primeiro semestre de 2006 A somatória de contratos nos dois períodos difere em 118 contratos de financiamentos efetivados a mais no segundo semestre de No entanto, em valores de contratos a diferença é de apenas R$ ,96 a mais para o segundo semestre de Este fato revela que no primeiro semestre de 2006 os contratos de financiamentos efetivados foram de valores mais altos, não tendo sofrido influência da utilização do sistema no período. Ao coletar os dados, a empresa demonstra, em entrevista, acreditar que o fato revela maior estabilidade da financeira no mercado efetivando financiamentos de carros mais novos e com valores mais altos. 4.2 Contratos em Cobrança pelo Não Pagamento da Primeira Parcela No segundo semestre de 2005, período em que não era utilizado o sistema Credit Score, 407 contratos entraram em cobrança pelo não pagamento da primeira parcela, vencida até 30 dias, como mostra a Figura % 88% Fonte: Pesquisa Contratos "bons" Contratos em cobrança Figura 02 Cobrança de contratos efetivados com a primeira parcela vencida no segundo semestre de 2005 Os contratos que não entraram em cobrança são citados como contratos bons, representando 88% da totalidade de contratos efetivados, ou ainda 3015 contratos efetivados no período. Os contratos em cobrança são representados pelos 12% da figura sendo 407 contratos efetivados. No primeiro semestre de 2006, quando a análise de crédito foi embasada no sistema Credit Score, se obteve uma produção de 3304 contratos, dos quais 276 também entraram em cobrança pelo não pagamento da primeira parcela vencida até 30 dias, como mostra a Figura 03. 7

8 8% 92% Contratos bons Contratos em cobrança Fonte: Pesquisa Figura 03 Cobrança de contratos efetivados com a primeira parcela vencida no primeiro semestre de 2006 Os contratos bons são 3028 contratos efetivados no período que não entraram em cobrança representando 92% da totalidade da produção. Os 8% restantes são os 276 contratos de financiamentos que entraram em cobrança pelo não pagamento da primeira parcela no primeiro semestre de Em comparação dos dois períodos propostos no estudo, torna-se clara a redução de porcentual de contratos em cobrança pelo não pagamento da primeira parcela em 4 pontos a menor no primeiro semestre de As reduções demonstram a contribuição do sistema Credit Score, que foi levado como base de aprovação de crédito no período. Fatores como a experiência da mesa de crédito da empresa desde janeiro de 2005 e a estabilidade da financeira no mercado em que atua, também contribuíram para a diminuição de contratos em cobrança. 4.3 Valores de Prejuízos com Leilão e Perdas Ao entrar em cobrança, o financiado tem a opção de fazer uma entrega amigável ao banco para que o veículo vá a venda em leilão, sanando o valor da dívida dependendo do valor de venda do bem, quando permanece saldo residual, entra na conta prejuízo afetando o lucro da filial. Ao passo que, para o cliente que permanece com quatro parcelas em atraso são contratados os serviços de um localizador e um advogado para apreensão do carro e venda em leilão, como na entrega amigável. Caso o veículo não seja localizado e apreendido, o valor contábil do contrato, englobando valor liberado ao lojista no financiamento e custos que a financeira teve com o contrato, é considerado como perda entrando para prejuízo com a quinta parcela em atraso, afetando da mesma forma o lucro da filial. Analisando estas informações dos períodos propostos para o estudo, se adquire os resultados da Tabela 03. Período Prejuízo Leilão Valor de perda TOTAL 2º semestre de 2005 R$ ,51 R$ ,32 R$ ,83 1º semestre de 2006 R$ ,32 R$ ,17 R$ ,49 Fonte: Pesquisa Tabela 03 Prejuízos e perdas com contratos efetivados Ao comparar estas informações com os valores de produção em reais, se obtém a informação de que os prejuízos e perdas do segundo semestre de 2005 representam 1,25% do valor de 8

9 produção sendo em valores R$ ,83, dos quais R$ ,51 foram de valores de prejuízos de carros vendidos em leilão e R$ ,32 de valores de perdas de veículos não recuperados. Assim, os valores de prejuízos e perdas do primeiro semestre de 2006 representam 0,9% da produção, sendo em valores R$ ,49 dos quais R$ ,32 foram de valores de prejuízo de veículos vendidos em leilão e R$ ,17 de valores de perdas com veículos não recuperados. Embora a diferença de porcentuais seja muito pequena, representa uma diminuição de perdas e prejuízos com inadimplentes em R$ , Propostas Aprovadas pelo Sistema em Cobrança No primeiro semestre de 2006 os cadastros de financiamentos aprovados foram baseados na aprovação ou não do sistema Credit Score. Neste período houve 276 contratos em cobrança pelo não pagamento da primeira parcela, dos quais 118 foram aprovados pelo sistema e 158 contratos foram negados pelo sistema Credit Score e, mesmo assim, foram aprovados pela mesa de crédito. A Figura 04, a seguir, demonstra estes dados. 57% 43% Negados pelo sistema Aprovados pelo sistema Fonte: pesquisa Figura 04 Propostas aprovadas e entraram em cobrança no primeiro semestre de 2006 Na figura, os 57% representam as 158 propostas do total de contratos em cobrança que foram negados pelo sistema Credit Score e aprovados pela mesa de crédito. Os outros 43% representam os 118 contratos que foram aprovados pelo sistema e entraram em cobrança pelo não pagamento da primeira parcela. Com estas informações observa-se que as propostas aprovadas pelo sistema Credit Score difere somente em 40 contratos a menos, praticamente se igualando com as propostas negadas pelo sistema. Confiante na eficiência total do sistema Credit Score, pode-se concluir que a decisão de crédito deve acreditar na sugestão do sistema. 5. Conclusão De acordo com os resultados obtidos no presente estudo, concluí-se que se pode utilizar de forma mais adequada o sistema de informação Credit Score para apoio à tomada de decisão no momento de aprovação de crédito de financiamentos. O sistema Credit Score demonstrou eficiência no primeiro semestre de 2006, quando foi utilizado como referência para liberação de crédito, por ter reduzido o número de cobranças pelo não pagamento da primeira parcela. 9

10 Desta forma, a financeira possui em mãos uma análise de como tem refletido o sistema Credit Score no primeiro semestre de 2006 e um padrão para análises futuras e investimento em formas mais eficientes de sua utilização. Fica clara a utilidade do estudo também por trazer referencial e conhecimento de um caso prático de um sistema de apoio à tomada de decisão, formulado com análise de correlação e pontuação, que tem entrado em grande escala em instituições financeiras atuais no mercado, o Credit Score. 6. Referências BLATT, A. Avaliação de risco e decisão de crédito: um enfoque prático. São Paulo: Editora Nobel, CORADI, C. D. Riscos. Disponível em < acessado em 16/06/2006. GITMAN, L. J. Princípios de administração financeira. 7ª Ed. São Paulo: Editora Harbra, GONZAGA, O. L. Emprestar é preciso. Belo Horizonte: Editora Dynamus, LOURENÇO, F. Riscos de Crédito. Disponível em < acessado em 16/06/2006. PAIVA, C. A. C. Administração do risco de crédito. Rio de Janeiro: Editora Qualitymark, STAIR, R. M & REYNOLDS, G. W. Princípios de sistemas de Informação. 4ª Ed. Rio de Janeiro: LTC Editora,