15/10/2026 –, Sala 1
Tutorial prático de análise de dados do Banco Central em Python para identificar oportunidades de crédito inclusivo com equilíbrio entre potencial de mercado e risco.
Conceder crédito para públicos que costumam ser recusados por grandes bancos exige mais do que evitar risco: exige compreender onde existe potencial de consumo com possibilidade real de inclusão sustentável. Este tutorial parte de um problema concreto do setor de cartões de crédito: como identificar regiões promissoras sem cair na armadilha de buscar apenas os mercados “perfeitos”, ignorando justamente a população que mais precisa de acesso financeiro.
Usando dados públicos do Banco Central do Brasil e Python, vamos construir uma análise exploratória capaz de apoiar a criação de um Score de Oportunidade, combinando indicadores como volume de crédito, crescimento da carteira, inadimplência e endividamento das famílias. A proposta é mostrar, na prática, como transformar séries econômicas públicas em inteligência territorial para decisões de negócio mais responsáveis.
Ao longo da atividade, participantes aprenderão a acessar bases públicas do BCB, coletar dados por API, tratar séries temporais com pandas, integrar indicadores em uma análise coerente e visualizar resultados em gráficos e rankings interpretáveis. O foco não será apenas técnico: também discutiremos a formulação do problema, a leitura crítica dos dados e os cuidados metodológicos ao trabalhar com crédito, inclusão financeira e risco.
O tutorial foi pensado para quem quer sair do exemplo artificial e trabalhar com dados reais, conectando Python, análise exploratória e contexto social.
É desejável ter familiaridade básica com Python, especialmente variáveis, funções, listas e uso inicial de bibliotecas. Ter algum contato com pandas ajuda bastante, mas não é obrigatório em nível avançado. Também é útil possuir noções iniciais de leitura de tabelas e gráficos. Não é necessário conhecimento prévio sobre mercado de crédito ou Banco Central, pois os conceitos centrais serão apresentados ao longo da atividade.
O que as pessoas que participarem podem esperar aprender na sua atividade?:As pessoas podem esperar um tutorial bastante aplicado, centrado em um problema real e com dados públicos de verdade. A atividade mostrará um fluxo completo, do entendimento do problema até a construção de uma análise exploratória com valor prático. Quem participar verá como acessar dados do Banco Central em Python, como limpar e organizar séries temporais, como comparar indicadores econômicos e como transformar isso em um ranking interpretável de oportunidade.
Também podem esperar uma discussão metodológica honesta. O objetivo não é vender uma solução mágica nem um modelo preditivo inflado, mas ensinar a pensar melhor com dados. O tutorial enfatiza que, em problemas de crédito, a pergunta correta é tão importante quanto o código. Em vez de buscar apenas regiões ideais, vamos explorar como identificar contextos com potencial de inclusão financeira e risco administrável.
Ao final, participantes terão código inicial funcional, referências de bases públicas, critérios para escolha de indicadores e um caminho claro para continuar o trabalho por conta própria.
Escolha uma ou mais áreas em que essa proposta se encaixa: Ciência e Análise de Dados
Professor e entusiasta da comunidade Python. Acredita que ensinar transforma vidas — a dos alunos e a dele. Toma decisões por impulso que dão certo. 4am. Brahmamuhurta. Academia. Não como bichos.