Você pode ter o melhor motor de decisão do mundo, mas se não mede os resultados, está voando cego. KPIs de decisão de crédito são as métricas que traduzem a performance da sua operação em números acionáveis: quanto aprova, quanto perde, quanto custa, quanto demora. Sem esses indicadores, é impossível saber se suas políticas estão funcionando — ou se estão destruindo valor.
Os 5 KPIs fundamentais
1. Approval Rate (Taxa de Aprovação)
Percentual de solicitações aprovadas sobre o total de solicitações. É o indicador mais visível da operação — e o mais perigoso se analisado isoladamente.
- Cálculo: Aprovações / Total de Solicitações × 100
- Benchmark: 30-70% (varia por produto, canal e apetite de risco)
- Armadilha: Approval rate alto sem olhar default rate é vaidade; o objetivo é maximizar aprovação com qualidade
Segmente por: produto, canal, faixa de score, região, safra. O approval rate geral mascara variações importantes.
2. Default Rate (Taxa de Inadimplência)
Percentual de contratos que entram em default (tipicamente 90+ dias de atraso) sobre o total de contratos originados. O KPI que define a qualidade da decisão.
- Cálculo: Contratos em default / Contratos originados × 100
- Benchmark: 3-8% para crédito PF, 2-5% para crédito PJ (varia por produto)
- Importante: Sempre analise por safra (vintage analysis), não como média geral — uma safra ruim pode contaminar a média de safras boas
3. Cost per Decision (Custo por Decisão)
Quanto custa tomar uma decisão. Inclui consultas a bureaus, infraestrutura, e tempo de pessoas envolvidas.
- Cálculo: (Custo bureaus + Custo infra + Custo pessoal) / Total de decisões
- Benchmark: R$ 2-8 (PF), R$ 15-50 (PJ)
- Otimização: Decision Cascade (fast-reject antes de consultas caras), cache inteligente, paralelização
4. Decision Latency (Latência de Decisão)
Tempo entre o pedido de decisão e a resposta. Em crédito digital, cada segundo a mais reduz conversão.
- Cálculo: Tempo end-to-end (request → response), medido em percentis (p50, p95, p99)
- Benchmark: p95 < 2s para crédito digital, < 10s para crédito PJ
- Correlação: Latência > 5s em crédito digital reduz conversão em 15-30%
5. Gini Coefficient (Poder Discriminante)
Mede a capacidade do modelo/scorecard de separar bons pagadores de maus pagadores. Quanto maior o Gini, melhor o modelo discrimina.
- Cálculo: 2 × AUC - 1 (derivado da curva ROC)
- Benchmark: > 0.40 aceitável, > 0.50 bom, > 0.60 excelente
- Monitoramento: Gini que cai ao longo do tempo indica que o modelo está degradando e precisa de retreino
KPIs secundários (mas importantes)
- First Payment Default (FPD) — proxy de fraude/adverse selection; benchmark < 5%
- Pull-through Rate — percentual de aprovados que efetivamente contratam; mede fricção no funil
- Override Rate — percentual de decisões manuais que sobrescrevem a decisão automatizada; > 15% indica desconfiança no modelo
- Policy Hit Rate — quais regras estão disparando mais; identifica regras obsoletas ou restritivas demais
- Reason Code Distribution — distribuição dos motivos de negação; revela onde a política está filtrando
Como construir o Dashboard de Decisão
Painel 1 — Volume: Solicitações/dia, Decisões/dia, fila de análise manual
Painel 2 — Qualidade: Approval Rate por canal/produto, Default Rate por safra, Gini over time
Painel 3 — Eficiência: Cost per Decision, Decision Latency (p50/p95), Override Rate
Painel 4 — Alertas: Default rate > threshold, Latência > SLA, Gini < mínimo
A relação entre KPIs
KPIs de decisão de crédito são interdependentes. Otimizar um sem considerar os outros gera distorções:
- Subir approval rate → tende a subir default rate (aprova mais = aceita mais risco)
- Reduzir default rate → tende a reduzir approval rate (rejeita mais = perde receita)
- Reduzir custo por decisão → pode piorar Gini (menos consultas = menos dados = menos discriminação)
- Reduzir latência → pode aumentar custo (paralelização exige mais infraestrutura)
O trabalho do gestor de crédito é encontrar o equilíbrio ótimo — maximizar valor esperado (approval × ticket médio × margem - default × perda) com custo e latência aceitáveis.
KPIs no Decision Stack™
Todos os KPIs são calculados automaticamente em tempo real. Cada decisão registra: resultado, latência por componente, custo de consultas, reason codes, e versão da política. Dashboard nativo com alertas configuráveis por indicador.
Como a Sinky monitora KPIs
O Sinky Analytics calcula todos os KPIs fundamentais automaticamente: approval rate por canal/produto, default rate por safra (vintage analysis), custo por decisão, latência por componente (p50/p95/p99), e Gini over time. Alertas são configuráveis por threshold e enviados via webhook ou email quando um indicador ultrapassa o limite definido.
Perguntas frequentes
Quais os KPIs mais importantes?
Approval Rate, Default Rate por safra, Cost per Decision, Decision Latency e Gini Coefficient. Juntos medem eficiência, qualidade e performance.
Como calcular custo por decisão?
(Custo bureaus + infra + pessoal) / total de decisões. Benchmark: R$ 2-8 (PF), R$ 15-50 (PJ).
Qual approval rate é ideal?
Depende do apetite de risco e produto. O importante é que esteja calibrado com o default rate — aprovar muito com inadimplência alta é pior que aprovar pouco com inadimplência controlada.
