O que é Open Finance?

Open Finance é um sistema de compartilhamento padronizado de dados e serviços financeiros entre instituições participantes. O cliente escolhe se deseja compartilhar suas informações, qual instituição poderá recebê-las e quais dados estarão incluídos na autorização.

O processo deve ocorrer pelos canais digitais das instituições participantes. O cliente inicia a jornada no aplicativo ou internet banking da instituição que deseja que receba seus dados, seleciona a instituição de origem, autoriza o compartilhamento, autentica-se e confirma a operação.

As senhas bancárias não são entregues à instituição receptora. O compartilhamento ocorre por integrações padronizadas e mecanismos de segurança entre as instituições. Os dados são enviados somente para a instituição autorizada pelo cliente.

A autorização pode ser cancelada pelo titular. O Banco Central informa que o cancelamento pode ser realizado no aplicativo ou internet banking das instituições envolvidas no compartilhamento.

O Open Finance não é um banco de dados público. Uma empresa não pode consultar livremente as transações de qualquer pessoa. O acesso depende da participação no ecossistema, do cumprimento das normas e da autorização do cliente para o compartilhamento correspondente.

O que é fluxo de caixa revelado?

Fluxo de caixa revelado é uma representação da situação financeira construída a partir das movimentações efetivamente observadas nas contas do cliente.

Em vez de considerar apenas uma renda mensal declarada, a análise acompanha eventos como:

• Recebimentos de salário;
• Transferências via Pix;
• Receitas de vendas e prestação de serviços;
• Benefícios e aposentadorias;
• Pagamentos de contas;
• Parcelas de empréstimos;
• Faturas de cartões;
• Aluguel e condomínio;
• Tributos;
• Transferências para investimentos;
• Uso de cheque especial;
• Saldo disponível ao longo do mês.

Essas informações permitem estimar quanto o cliente normalmente recebe, quanto gasta, quais despesas são recorrentes e quanto sobra depois dos compromissos.

O termo “revelado” indica que a avaliação se baseia no comportamento observado. Isso não significa que todas as receitas e despesas estejam presentes. O consumidor pode receber dinheiro em espécie, movimentar contas não compartilhadas ou dividir despesas com outra pessoa.

Por esse motivo, o fluxo transacional deve ser interpretado como uma evidência importante, mas parcial, da capacidade financeira.

Por que a análise transacional é relevante?

Comprovantes tradicionais funcionam relativamente bem para trabalhadores que recebem salário fixo. Entretanto, podem apresentar limitações para autônomos, profissionais com comissões, comerciantes e microempreendedores.

Uma pessoa pode declarar renda de R$ 8.000 mensais, mas apresentar entradas entre R$ 3.000 e R$ 12.000 conforme o mês. Outra pode não ter holerite, embora mantenha recebimentos estáveis de diversos clientes.

A análise transacional ajuda a observar:

• Se a renda realmente aparece nas contas;
• Com que frequência os valores são recebidos;
• Qual é a volatilidade mensal;
• Se existe concentração em poucos pagadores;
• Quanto é consumido por despesas recorrentes;
• Se o cliente utiliza crédito para completar o mês;
• Qual é a margem financeira depois dos pagamentos.

Pesquisas do Banco de Compensações Internacionais indicam que dados não tradicionais e técnicas de Machine Learning podem complementar modelos convencionais de risco. Dados transacionais podem acrescentar informações sobre comportamento e capacidade financeira que não aparecem em scores tradicionais.

Para pequenos negócios, dados de fluxo de caixa podem ajudar credores a tomar decisões mais informadas, especialmente quando demonstrações financeiras e históricos convencionais são limitados.

Quais dados podem ser utilizados?

O tipo de informação disponível depende do escopo autorizado e dos produtos compartilhados. O Banco Central informa que o cliente pode autorizar o compartilhamento de dados de contas, cartões, operações de crédito, câmbio e investimentos.

Para a modelagem de fluxo de caixa, os dados de contas e transações são especialmente relevantes. Eles podem incluir informações como data, valor, natureza da movimentação, descrição, saldo e identificação da conta.

Também podem ser combinados dados de cartões e operações de crédito para compreender melhor obrigações futuras, utilização de limites e pagamentos recorrentes.

A estruturação permite responder perguntas como:

• Qual foi a entrada média nos últimos seis meses?
• Qual é a renda recorrente identificável?
• Quantos dias o cliente permanece com saldo negativo?
• Qual percentual da renda é usado para pagar dívidas?
• Existe aumento progressivo do uso de limites?
• Quanto sobra depois das despesas essenciais?
• A renda é estável ou altamente sazonal?

O compartilhamento de transações e informações sobre contas e produtos financeiros faz parte da estrutura do Open Finance, desde que autorizado pelo titular.

Etapa 1: recepção e padronização

A primeira etapa da modelagem é receber os dados e convertê-los para uma estrutura analítica consistente.

Mesmo em um sistema padronizado, podem existir diferenças na forma como descrições e identificadores aparecem. Uma instituição pode registrar uma transferência com informações diferentes de outra. A camada de processamento precisa harmonizar campos, formatos de datas, sinais de entrada e saída e identificadores.

Nessa fase, devem ser realizados controles como:

• Validação do período solicitado;
• Verificação de duplicidades;
• Ordenação cronológica;
• Conciliação de saldos;
• Identificação de registros incompletos;
• Padronização de valores positivos e negativos;
• Controle de atualizações e reprocessamentos;
• Registro da origem de cada informação.

Uma falha de integração não pode ser interpretada como ausência de renda ou inexistência de dívida. O sistema deve diferenciar claramente “dado igual a zero”, “dado não encontrado” e “fonte indisponível”.

Etapa 2: identificação de transferências entre contas próprias

Um dos maiores desafios é evitar que transferências entre contas do mesmo titular sejam contabilizadas como novas receitas.

Imagine que uma pessoa receba R$ 5.000 em uma conta e transfira o valor para outra instituição. Se o sistema somar as duas entradas, poderá estimar renda de R$ 10.000, embora apenas R$ 5.000 tenham sido originados externamente.

A deduplicação pode utilizar:

• Proximidade de datas e horários;
• Valores idênticos ou muito próximos;
• Identificação do titular;
• Chaves e descrições de transferências;
• Sequência de saída em uma conta e entrada em outra;
• Contas previamente reconhecidas como próprias.

Nem todas as correspondências são perfeitas. Tarifas, transferências parciais e movimentações realizadas em momentos diferentes dificultam a identificação.

Por isso, o sistema pode atribuir níveis de confiança em vez de classificar todas as transferências de forma definitiva.

Etapa 3: categorização das transações

Depois da normalização, as movimentações são classificadas em categorias financeiras.

Receitas

• Salário;
• Benefício;
• Receita empresarial;
• Prestação de serviços;
• Aluguel recebido;
• Comissões;
• Transferências externas;
• Resgates de investimentos.

Despesas essenciais

• Moradia;
• Energia e água;
• Alimentação;
• Transporte;
• Saúde;
• Educação;
• Tributos;
• Seguros essenciais.

Obrigações financeiras

• Empréstimos;
• Financiamentos;
• Cartões de crédito;
• Consórcios;
• Cheque especial;
• Parcelamentos.

Movimentações patrimoniais

• Investimentos;
• Resgates;
• Compra ou venda de ativos;
• Transferências entre contas próprias.

A categorização pode utilizar regras, descrições, códigos transacionais, modelos de linguagem e algoritmos de classificação. Contudo, descrições bancárias abreviadas ou genéricas podem produzir erros.

Uma transferência recebida não é necessariamente renda. Pode representar empréstimo familiar, devolução, venda de um bem ou movimentação entre contas. A classificação deve considerar recorrência, contraparte, contexto e histórico.

Etapa 4: identificação da renda recorrente

Depois de separar transferências internas e receitas eventuais, o sistema procura identificar valores recorrentes.

Uma renda pode ser reconhecida por:

• Periodicidade mensal, semanal ou quinzenal;
• Origem semelhante;
• Descrição consistente;
• Faixa de valores relativamente estável;
• Histórico de vários meses;
• Compatibilidade com a atividade informada.

Para trabalhadores assalariados, o padrão tende a ser simples. Para autônomos, podem existir dezenas de entradas de valores menores.

Nesse caso, a renda revelada pode ser estimada pela soma das receitas operacionais, depois da retirada de transferências internas, empréstimos recebidos, estornos e valores não recorrentes.

Alguns indicadores possíveis são:

Renda média = Soma das receitas elegíveis ÷ Quantidade de meses

Renda mediana = Mediana das receitas mensais elegíveis

Renda conservadora = Percentil inferior ou média com redutor de volatilidade

Utilizar somente o mês mais recente pode produzir conclusões distorcidas. Janelas de três, seis ou doze meses permitem observar estabilidade e sazonalidade.

Etapa 5: modelagem das despesas

Receita elevada não representa automaticamente boa capacidade de pagamento. É necessário estimar as despesas que consomem essa renda.

O sistema pode separar:

• Despesas fixas recorrentes;
• Despesas variáveis;
• Pagamentos financeiros;
• Gastos eventuais;
• Transferências para terceiros;
• Investimentos e formação de reserva.

A recorrência pode ser identificada pela repetição de valores e contrapartes. Aluguel, escola, plano de saúde e assinaturas normalmente apresentam padrões previsíveis.

Contudo, a ausência de uma despesa não significa que ela não exista. Uma pessoa pode pagar aluguel em dinheiro, dividir contas com familiares ou utilizar uma conta não compartilhada.

Por isso, modelos prudentes podem combinar despesas observadas com estimativas mínimas compatíveis com o perfil familiar, região ou informações declaradas, evitando concluir que toda receita não identificada como gasto está livre para pagar dívidas.

Etapa 6: cálculo do fluxo de caixa livre revelado

Uma medida simplificada pode ser construída da seguinte forma:

Fluxo líquido revelado = Receitas elegíveis − Saídas operacionais e financeiras

Para análise de crédito, pode ser utilizada uma medida mais conservadora:

Renda residual = Renda recorrente ajustada − Despesas essenciais − Serviço das dívidas

Exemplo

Considere um profissional autônomo com os seguintes valores médios mensais:

• Receitas externas identificadas: R$ 9.500;
• Transferências entre contas próprias: R$ 2.000;
• Receitas não recorrentes: R$ 500;
• Despesas essenciais: R$ 4.200;
• Parcelas de dívidas: R$ 1.300;
• Outras saídas recorrentes: R$ 900.

A renda elegível poderia ser estimada em:

Renda elegível = R$ 9.500 − R$ 2.000 − R$ 500 = R$ 7.000

A renda residual seria:

Renda residual = R$ 7.000 − R$ 4.200 − R$ 1.300 − R$ 900 = R$ 600

Embora as entradas brutas tenham alcançado R$ 9.500, a margem mensal identificada é de apenas R$ 600. Uma nova parcela de R$ 1.000 não pareceria sustentável com base nesse fluxo.

Indicadores criados a partir das transações

Além da renda residual, podem ser criadas dezenas de variáveis.

Estabilidade de renda

Mede a variação entre os meses. Pode ser calculada pelo desvio-padrão, coeficiente de variação ou diferença entre os maiores e menores recebimentos.

Recorrência

Mostra quantos meses apresentaram renda elegível e com que frequência as fontes se repetem.

Concentração

Indica quanto da renda depende do maior pagador. Uma pessoa que recebe 90% de uma única empresa pode ser mais vulnerável à perda desse relacionamento.

Dias com saldo negativo

Conta quantos dias a conta permaneceu abaixo de zero ou utilizou limite emergencial.

Saldo mínimo e saldo médio

Revelam se existe margem durante o mês ou se o cliente passa longos períodos com poucos recursos.

Comprometimento financeiro

Compara pagamentos mensais de dívidas com renda elegível.

Comprometimento revelado = Serviço mensal das dívidas ÷ Renda recorrente ajustada

Índice de cobertura da nova parcela

Compara a renda residual com o pagamento proposto.

Cobertura da parcela = Renda residual ÷ Nova parcela

Valores inferiores a 1 indicam que a margem observada não cobre integralmente a nova obrigação.

Sazonalidade e tendências

O fluxo de caixa deve ser analisado ao longo do tempo. Um comerciante pode receber mais no fim do ano, enquanto um profissional de turismo pode concentrar renda em períodos de férias.

O modelo pode criar variáveis de:

• Crescimento ou redução das receitas;
• Sazonalidade mensal;
• Tendência das despesas;
• Aumento do uso de crédito;
• Redução progressiva do saldo;
• Alteração na concentração de pagadores.

Uma média simples pode esconder deterioração. Receitas de R$ 10.000, R$ 9.000, R$ 8.000, R$ 7.000, R$ 6.000 e R$ 5.000 produzem média de R$ 7.500, mas revelam uma tendência de queda.

Por isso, valores recentes podem receber peso maior, desde que o modelo preserve informações suficientes para reconhecer sazonalidades legítimas.

Regras e Machine Learning

A modelagem pode combinar regras determinísticas e algoritmos de Machine Learning.

As regras podem identificar situações claras, como:

• Renda residual negativa;
• Uso recorrente de cheque especial;
• Grande concentração de renda;
• Quantidade elevada de dias sem saldo;
• Entrada recente de valor incompatível com o histórico;
• Falha no compartilhamento de uma conta relevante.

Modelos estatísticos podem combinar centenas de indicadores para estimar a probabilidade de inadimplência.

Estudos do BIS indicam que modelos que utilizam dados não tradicionais e Machine Learning podem apresentar ganhos preditivos em determinados contextos, inclusive durante períodos de choque. Entretanto, o resultado depende da qualidade da base, da população e da validação fora da amostra.

A instituição deve manter um modelo tradicional como referência para verificar se a complexidade transacional realmente acrescenta valor.

Como integrar o fluxo revelado ao score?

O fluxo revelado pode ser utilizado de diferentes formas:

• Como entrada de um modelo de inadimplência;
• Como cálculo separado de capacidade de pagamento;
• Como regra de limite máximo;
• Como confirmação da renda declarada;
• Como instrumento para definir prazo e parcela;
• Como motivo para análise manual;
• Como elemento de precificação.

Uma arquitetura possível executa:

1. Score tradicional;
2. Score comportamental transacional;
3. Análise de capacidade pelo fluxo revelado;
4. Verificação de fraude e identidade;
5. Regras do produto;
6. Decisão final de crédito.

Os componentes devem permanecer separados. Um cliente pode apresentar bom histórico, mas fluxo residual insuficiente. Outro pode possuir pouco histórico tradicional, mas demonstrar renda recorrente e margem consistente.

Open Finance e inclusão financeira

O compartilhamento de dados pode beneficiar consumidores que mantêm relacionamento em várias instituições ou possuem pouco histórico no banco que está analisando a proposta.

O BIS observa que dados alternativos podem ajudar na avaliação de indivíduos com histórico tradicional limitado e favorecer produtos mais personalizados.

Fintechs também utilizam fontes alternativas para complementar scores e ampliar o acesso de pequenos negócios ao crédito.

Contudo, inclusão financeira não significa aprovação irrestrita. Uma análise mais completa também pode mostrar que a nova dívida não cabe no orçamento.

O benefício está em reduzir decisões baseadas somente na falta de histórico, permitindo que a movimentação real seja considerada.

Consentimento, finalidade e LGPD

A LGPD estabelece princípios e direitos relacionados ao tratamento de dados pessoais, incluindo finalidade, adequação, necessidade, transparência, segurança e não discriminação.

No Open Finance, o consentimento é uma etapa obrigatória do compartilhamento. O cliente escolhe a instituição receptora e autoriza os dados correspondentes nos canais digitais.

A autorização para receber os dados não elimina todas as responsabilidades posteriores. A instituição precisa informar a finalidade da análise, proteger as informações, restringir acessos e evitar usos incompatíveis com o que foi apresentado ao titular.

Também deve existir um processo para atender solicitações relacionadas a acesso, correção, informações sobre tratamento e revisão de decisões automatizadas, conforme as condições previstas na legislação.

Dados financeiros podem revelar padrões sensíveis sobre a vida de uma pessoa. Mesmo uma transação sem descrição detalhada pode indicar hábitos, deslocamentos, relações e dificuldades econômicas. Por isso, a minimização é essencial: devem ser utilizadas apenas as informações necessárias para a finalidade definida.

Explicabilidade da decisão

Um modelo transacional não deve produzir apenas uma resposta genérica como “perfil incompatível”. A instituição precisa conseguir identificar os principais fatores que contribuíram para a avaliação.

Exemplos de explicações compreensíveis incluem:

• Renda recorrente insuficiente para a parcela;
• Elevada variação dos recebimentos;
• Comprometimento financeiro elevado;
• Margem residual reduzida;
• Concentração excessiva da renda;
• Histórico transacional insuficiente;
• Informações incompletas no período analisado.

Explicações não precisam revelar código, pesos internos ou controles antifraude. Entretanto, devem refletir os fatores reais da decisão e permitir que erros sejam identificados.

Ferramentas como SHAP, importância de variáveis e análises contrafactuais podem auxiliar em modelos complexos. Essas explicações precisam ser testadas quanto à estabilidade e fidelidade.

Qualidade e cobertura dos dados

A confiabilidade do fluxo revelado depende da cobertura do compartilhamento.

O sistema deve verificar:

• Quantidade de contas compartilhadas;
• Período disponível;
• Meses incompletos;
• Interrupções na autorização;
• Duplicidades;
• Falhas de integração;
• Alteração de descrições;
• Divergências de saldo;
• Dados ausentes.

Uma pessoa pode compartilhar apenas uma conta secundária. Nesse caso, a ausência de salário não deveria ser interpretada como ausência de renda.

O modelo pode criar um indicador de confiança ou cobertura. Propostas com dados insuficientes podem ser encaminhadas para uma análise complementar, em vez de receber uma recusa automática.

Riscos de viés e discriminação

Dados transacionais podem reproduzir desigualdades sociais ou gerar proxies para características pessoais. Localização, padrões de consumo e tipos de estabelecimentos podem estar correlacionados com grupos protegidos.

Uma variável pode aumentar o desempenho estatístico e, ainda assim, ser inadequada do ponto de vista ético ou jurídico.

A governança deve avaliar:

• Necessidade da variável;
• Relação com a capacidade de pagamento;
• Impacto sobre diferentes grupos;
• Possibilidade de interpretação discriminatória;
• Existência de alternativa menos invasiva;
• Estabilidade ao longo do tempo.

O princípio da não discriminação previsto na LGPD exige atenção a tratamentos com finalidades discriminatórias, ilícitas ou abusivas.

Monitoramento depois da implantação

Um modelo de fluxo revelado pode perder desempenho quando hábitos financeiros, descrições bancárias ou fontes de dados mudam.

Devem ser monitorados:

• Percentual de transações não classificadas;
• Precisão das categorias;
• Quantidade de transferências internas identificadas;
• Distribuição da renda estimada;
• Renda residual por segmento;
• Taxa de aprovação;
• Inadimplência por faixa;
• Calibração das probabilidades;
• Reclamações e contestações;
• Diferenças entre grupos de clientes.

Também é necessário acompanhar mudanças na população e no produto. Um modelo criado para assalariados pode não funcionar adequadamente em microempreendedores.

Estratégias champion-challenger permitem comparar o modelo atual com versões alternativas antes de uma substituição completa.

Erros comuns na análise transacional

• Contabilizar transferências próprias como renda;
• Tratar empréstimos recebidos como receita operacional;
• Considerar toda entrada via Pix como faturamento;
• Ignorar contas não compartilhadas;
• Utilizar apenas o último mês;
• Desconsiderar sazonalidade;
• Contabilizar cartão e compras novamente como despesas separadas;
• Confundir investimento com gasto de consumo;
• Interpretar falta de dados como valor zero;
• Aplicar o mesmo modelo a todos os públicos;
• Não explicar os fatores da decisão;
• Coletar mais informações do que o necessário.

Esses erros podem superestimar ou subestimar a capacidade de pagamento. Uma análise robusta precisa manter trilhas que permitam verificar como cada indicador foi produzido.

Passo a passo para implantação

1. Defina a finalidade do uso dos dados;
2. Mapeie os produtos e públicos analisados;
3. Implemente a jornada de consentimento;
4. Receba e padronize as transações;
5. Valide completude, origem e período;
6. Identifique transferências entre contas próprias;
7. Classifique receitas, despesas e obrigações;
8. Estime renda recorrente e renda conservadora;
9. Calcule renda residual e cobertura da parcela;
10. Crie variáveis de estabilidade e tendência;
11. Desenvolva modelos e regras de decisão;
12. Valide em amostras e períodos posteriores;
13. Teste explicabilidade, privacidade e equidade;
14. Implemente gradualmente;
15. Monitore desempenho e qualidade continuamente.

Conclusão

A análise transacional via Open Finance permite reconstruir uma visão mais detalhada do comportamento financeiro de consumidores e empresas. Entradas, saídas, pagamentos, saldos e obrigações podem ser transformados em indicadores de renda, estabilidade, comprometimento e capacidade residual.

O fluxo de caixa revelado é especialmente útil para pessoas com renda variável, profissionais autônomos e pequenos negócios que não possuem comprovantes tradicionais capazes de representar toda a atividade financeira.

Entretanto, transação não é sinônimo de renda, e saldo não é sinônimo de capacidade permanente. Transferências próprias, empréstimos recebidos, resgates e receitas eventuais precisam ser separados dos valores recorrentes.

A modelagem deve considerar qualidade, cobertura, sazonalidade e contexto. Também precisa manter explicações compreensíveis, controles de privacidade e mecanismos de revisão.

No Open Finance, o compartilhamento depende da autorização do cliente e ocorre entre instituições participantes por meio de padrões definidos pelo sistema. O titular mantém controle sobre a autorização e pode cancelá-la pelos canais das instituições.

Quando utilizado com responsabilidade, o fluxo revelado complementa scores e documentos, reduz a dependência de declarações isoladas e permite que a decisão considere o comportamento financeiro observado.

O melhor resultado não é simplesmente aprovar mais propostas. É estimar com maior precisão quanto o cliente recebe, quanto precisa pagar e qual parcela pode assumir sem comprometer sua estabilidade financeira.