Proposta de framework de compliance para proteção de dados de risco de crédito em atendimento à Lei Geral de Proteção de Dados Pessoais (LGPD) e o Open Finance

Abstract

O crescimento expressivo das instituições financeiras tanto no mercado nacional quanto global aumentou significativamente a competitividade pela manutenção e ampliação das carteiras de clientes, bem como popularizou o acesso ao crédito. Entretanto, a modelagem de score de crédito, tradicionalmente realizada com base em dados internos e regras proprietárias, enfrenta desafios de transparência e compliance. Visando alcançar vantagens competitivas e assegurar maior transparência na modelagem dos scores de crédito, este estudo propõe um framework fundamentado nos princípios do Open Finance e LGPD. Este framework tem como objetivo aumentar a precisão na avaliação de crédito e reduzir riscos e fraudes. Para enfrentar a falta de regulamentação específica, foi desenvolvida uma tabela inicial que identifica questões relevantes a serem consideradas na modelagem de scores de crédito, com base na resolução do Open Finance. Esta tabela foi posteriormente comparada e cruzada com as normas regulatórias nacionais vigentes, resultando na criação de um framework de auditoria robusto. A validação do framework envolveu uma análise detalhada e a adaptação dos modelos PLTR, Z-Score, e dos modelos de conjuntos homogêneos e heterogêneos. Cada um desses modelos foi revisitado para identificar suas fragilidades e propor melhorias, garantindo assim a eficácia do framework proposto. Este framework de compliance e proteção de dados para risco de crédito visa fornecer uma ferramenta abrangente e prática para as instituições financeiras, promovendo a conformidade com a LGPD e os princípios do Open Finance, além de aprimorar a segurança e a privacidade dos dados dos clientes. A adoção deste framework pode levar a uma maior confiança dos consumidores no sistema financeiro, redução de fraudes e uma avaliação de crédito mais justa e precisa.