1. Contexto do Negócio
A ViaSul Experiências Turísticas é uma agência de turismo que implementou uma agressiva estratégia de expansão comercial. Com o objetivo de impulsionar a venda de produtos de alto ticket (como expedições para a Patagônia e resorts all-inclusive em Búzios), a companhia flexibilizou drasticamente o acesso ao crédito, introduzindo a modalidade de Parcelamento Recorrente (modelo onde as parcelas são debitadas mensalmente, sem comprometer o limite total do cartão do cliente).
A estratégia de negócios surtiu efeito no volume de vendas, contudo, exigia um monitoramento de risco cauteloso. O grande desafio de negócios era evitar a armadilha de diluir os riscos. Se a diretoria analisasse a inadimplência apenas de forma macro, o volume de boas vendas poderia mascarar a inadimplência de produtos premium. Por outro lado, analisar apenas o modelo recorrente ignoraria a capacidade da empresa de gerar receita saudável. Meu papel foi construir um modelo de dados que permitisse à diretoria analisar essas duas lentes simultaneamente.
2. Objetivos do Projeto
Este projeto exigiu uma modelagem focada em Business Scoping (Escopo de Negócios), com os seguintes objetivos estratégicos:
- Consolidação de Dados (ETL): Ampliar a visão analítica integrando 100% dos contratos (Tradicionais e Recorrentes) para formar a imagem global da saúde da empresa.
- Isolamento de Risco por Modalidade: Construir métricas que permitissem o "drill-down" fiduciário, separando matematicamente o risco das operações à vista do risco do parcelamento recorrente.
- Análise de Maturidade de Safras: Avaliar o gap financeiro descontando recebíveis futuros, focando o cálculo do prejuízo estritamente no que já estava vencido (Aging).
3. Dados, Modelagem e Auditoria (ETL)
A extração inicial englobava uma base transacional bruta em formato CSV contendo 469.468 registros de pagamentos, mapeando 169.591 contratos (compras) únicos ao longo de anos de operação.
A Estratégia de Consolidação no ETL: O escopo analítico inicial de muitos projetos de crédito tende a isolar apenas os contratos de risco para testar sua viabilidade. Contudo, para expandir essa visão analítica e entender o peso relativo desse risco no negócio como um todo, utilizei scripts em Python (Pandas) para assegurar a incorporação de mais de 119 mil contratos do modelo "Tradicional" (à vista/PIX/cartão padrão) ao cálculo de faturamento global.
import pandas as pd
import numpy as np
# Consolidação do faturamento integrando o modelo Tradicional para a visão global
purchases['Valor_a_Pagar'] = np.where(
purchases['Total Parcelas Recorrentes'] > 0,
purchases['Total Parcelas Recorrentes'] * purchases['Valor'],
purchases['Valor'] # Garante a contabilidade dos pagamentos à vista/PIX
)
print(f"Receita Global Consolidada: R$ {purchases['Valor_a_Pagar'].sum():,.2f}")
Com a base transacional 100% íntegra, modelei o banco de dados no Power BI seguindo as diretrizes de Ralph Kimball (Star Schema). Duas tabelas fato pesadas (fParcelamentos, centralizando a visão macro da venda, e fPagamentos, detalhando o extrato parcelar) foram integradas a quatro dimensões (Clientes, Produtos, Localidades e dCalendário).
Para garantir precisão contábil, desenvolvi medidas DAX robustas usando inteligência de tempo (DATEDIFF) para calcular apenas a Receita Esperada de Safras Maduras. Além disso, a segregação do risco exigiu técnicas avançadas para isolar o comportamento do modelo recorrente e evitar a sobrescrita de contexto gerada pelos filtros internos das medidas base:
// Para isolar o risco do modelo Recorrente sem sofrer com "Context Overwrite"
// (gerado pelo cálculo de safras maduras), utilizei a função KEEPFILTERS.
% Inadimplencia Recorrente =
CALCULATE(
[% Inadimplencia Global],
KEEPFILTERS(fParcelamentos[Total Parcelas Recorrentes] > 0)
)4. Visão Geral do Dashboard
A interface analítica foi projetada com foco em Storytelling de dados para o C-Level, traduzindo complexidade técnica em direcionamento estratégico de fácil consumo.
- Visão Macro (Cards): Consolidam os R$ 171,43 Milhões em vendas auditadas, R$ 160,96 Milhões em liquidações, e o Gap Financeiro Absoluto (Prejuízo) de R$ 10,47 Milhões nas safras maduras.
- Decomposição de Caixa (Waterfall): Um gráfico de cascata que evidencia a corrosão da Receita Esperada pela Inadimplência mensal.
- Risco por Modalidade (Barras): O gráfico de barras clusterizadas explicita brutalmente a diferença de comportamento financeiro entre a carteira Tradicional e a Recorrente, mantendo as duas análises lado a lado.
- Performance do Portfólio (Heatmap): Matriz detalhada por produto. A formatação condicional aponta cirurgicamente (em alertas vermelhos) onde os produtos premium estão concentrando as perdas.
Perspectivas Integradas
5. Insights de Negócio
A análise de dupla perspectiva revelou o cenário completo de risco da organização. Sob a lente consolidada, a saúde global da empresa apresenta uma **Inadimplência de 6,11%**, mostrando que a operação tradicional dilui fortemente o risco agregado do negócio.
Contudo, ao utilizar o DAX para isolar a carteira, a lente focada revelou que o modelo **Recorrente consolidou uma inadimplência de 26,28%**. A nível de portfólio, o verdadeiro peso financeiro ocorreu no produto PR7 (Resort Búzios), que sozinho concentrou quase R$ 6,97 Milhões do gap de caixa. O parcelamento de alto ticket atrai demanda, mas sem as devidas travas fiduciárias, expõe o balanço da empresa.
6. Perspectiva Contábil e Financeira
A visão consolidada tranquiliza a tesouraria quanto à saúde macro da organização. O modelo tradicional continua sendo o motor sustentável da operação.
Entudo, do ponto de vista gerencial, o isolamento do risco alerta o CFO para a necessidade de alocar os R$ 10,47 Mi como Provisão para Devedores Duvidosos (PDD) com base apenas no portfólio recorrente. A análise demonstra que a política comercial vigente (juros flat de 2,49% a.m.) não remunera o risco dessa carteira específica, exigindo uma reestruturação nas taxas exigidas dos diferentes perfis de tomadores.
7. Perspectiva Jurídica, Risco e Compliance
A concessão agressiva de crédito no setor de turismo carrega um risco fiduciário intrínseco. Trata-se de "crédito limpo" direto ao consumidor (CDC) onde o serviço é usufruído e não pode ser reintegrado (diferente da alienação fiduciária de veículos, por exemplo). Tratar todo o negócio como se estivesse performando no mesmo nível de risco do recorrente seria um erro, mas ignorá-lo comprometeria o *Compliance*.
Nota Analítica Legal: Destaco que este projeto foca estritamente na análise de dados e apoio à decisão negocial, não servindo como parecer jurídico. Contudo, manter um portfólio deficitário, operando com 26% de risco em uma linha isolada, exige ações de governança corporativa da alta direção perante *stakeholders*. Além disso, os métodos analíticos aplicados seguiram estritos protocolos de anonimização (LGPD) no tratamento dos perfis dos viajantes.
8. Qualidade dos Dados e Limitações Analíticas
O maior desafio técnico do projeto foi garantir a Integridade na Segregação do Risco. Diluir matematicamente uma inadimplência de 26% (recorrente) nos 0% (tradicional) poderia mascarar o ralo financeiro e dar uma falsa sensação de segurança. A governança do código DAX foi vital para manter essas duas leituras complementares lado a lado. A principal limitação imposta a este modelo atual é sua natureza descritiva e diagnóstica: ele avalia com precisão cirúrgica a safra madura, mas baseia as previsões das safras imaturas no comportamento histórico, não individualizando a probabilidade isolada de cada contrato que ainda vai vencer.
9. Impacto e Recomendações Estratégicas
Com a dupla perspectiva analítica implementada, o painel fornece à diretoria diretrizes que moldam o futuro das concessões de crédito:
Visão Consolidada
Apresentação da saúde global da empresa com faturamento macro de R$ 171 milhões, evitando tratar o negócio inteiro pelo viés de uma única carteira.
Risk-Based Pricing
Embasamento matemático para a adoção de precificação baseada em risco. O crédito tradicional permanece acessível, enquanto o Recorrente exige *spreads* maiores.
Travas Premium
Limitação estratégica em pacotes *high-end*. A venda de produtos com alto peso de inadimplência (como o PR7) ganha evidência para sofrer restrições e análises severas.
10. Conclusão
Este projeto simboliza a importância do Escopo de Negócios (Business Scoping) em Data Analytics. Uma análise isolada foca na viabilidade de um produto específico (o parcelamento recorrente); uma análise consolidada responde pela saúde global da empresa. Uma leitura não invalida a outra; elas se complementam para formar a inteligência executiva.
Ao unir as disciplinas de Data Analytics, Contabilidade Gerencial e Gestão de Risco, o modelo entrega à liderança a capacidade de expandir suas vendas sem assumir alavancagens insustentáveis. O próximo passo de maturidade técnica para esta organização será a implementação de modelos de Machine Learning, visando prever a probabilidade individual de default antes mesmo da emissão do pacote de viagem.