Big data para análise de crédito Pf para público informal

---

---

Implementar uma plataforma de análise de crédito de pessoas físicas informais baseada em Big Data, que leve em consideração:     •    Dados internos da empresa: Histórico de compras, pagamentos e inadimplências.     •    Fontes públicas: Dados cadastrais, financeiros e comportamentais disponíveis publicamente.     •    Fontes externas privadas: Consulta opcional a bancos de dados de crédito, como Boa Vista e Cadastro Positivo. Com esta integração, será possível calcular um score de crédito personalizado e tomar decisões embasadas sobre a concessão de crédito e a extensão do prazo de pagamento. Componentes do Sistema     1.    Coleta e Integração de Dados     •    Dados Internos:     •    Histórico de compras e pagamentos.     •    Frequência de pedidos realizados e média de valores.     •    Relatórios de inadimplência (parcelas em atraso, histórico de negociações).     •    Dados Públicos e Externos:     •    Cadastro e situação do cpf/cnpj (receita federal).     •    Protestos e ações judiciais (Tribunais, Cartórios).     •    Histórico de consumo em plataformas públicas (Reclame Aqui, marketplaces).     •    Informações de redes sociais públicas para análise comportamental.     •    Consulta Opcional:     •    Boa Vista, Serasa ou Cadastro Positivo para complementar o score.     2.    Sistema de Análise     •    Pontuação de Crédito (Score):     •    Modelo próprio ajustado ao perfil de sacoleiras e clientes informais.     •    Consideração de variáveis como histórico de pagamentos, frequência de compras e dados comportamentais.     •    Modelagem Preditiva:     •    Uso de Machine Learning para prever a probabilidade de inadimplência.     •    Identificação de perfis de risco alto, médio e baixo.     •    Avaliação Rápida:     •    Decisões automáticas ou semi-automáticas baseadas em critérios configuráveis.     3.    Monitoramento Contínuo     •    Atualização constante dos dados para reavaliação do perfil de crédito.     •    Alertas em casos de mudanças significativas no comportamento do cliente.     4.    Dashboard e Relatórios     •    Visualização simples e intuitiva do risco de crédito de cada cliente.     •    Relatórios gerenciais para acompanhamento de inadimplência por região, cliente e período.Category: Sales & MarketingSubcategory: Data AnalyticsProject size: LargeIs this a project or a position?: ProjectRequired availability: As needed

Keyword: Machine Learning

Price: $1000.0

Secondary Price: $3000.0

Data Structures MySQL PostgresSQL MongoDB Big Data Apache Hadoop Extract Transform Load (ETL) Spark AR Studio Cassandra