PARC, a plataforma que gera um score de crédito através da avaliação do empréstimo e solicitante
Em entrevista ao COMPETE 2020, João Cunha, Business, Unit Manager no Departamento de Inovação da Match Profiler comentou o âmbito, os desafios e principais resultados do projeto PARC: Plataforma de Avaliação Automática de Risco de Crédito e a importância do apoio dos fundos comunitários.
1. Enquadramento
João Cunha, Business Unit Manager no Departamento de Inovação da Match Profiler explanou que “o projeto PARC: Plataforma de Avaliação de Risco de Crédito, consiste no desenvolvimento de uma plataforma eletrónica destinada aos particulares que buscam o pequeno crédito e às empresas que o concedem, que permita aos diferentes atores do processo uma participação mais segura e simplificada. Do lado de quem empresta ou investe, a possibilidade de acautelar o risco, do lado de quem solicita o crédito, uma forma mais rápida e eficaz de a qualquer momento demonstrar a sua capacidade de fazer face às responsabilidades do crédito”.
Os cenários de aplicação são múltiplos, desde a concessão de crédito nas plataformas de peer lending, à obtenção de financiamento para compras em prestações, passando pelo aluguer de casas.
 |
João Cunha, Business, Unit Manager no Departamento de Inovação da Match Profiler |
2. Entrevista
| Quais foram os principais desafios com que se deparam no desenvolvimento do projeto PARC? | O maior desafio do projeto é sem dúvida a questão dos dados. O projeto tem como núcleo fundamental a capacidade de produzir um score de crédito através da avaliação de um conjunto de dados variados que caracterizam o empréstimo e o seu solicitante. Esta avaliação está a cargo de um modelo de classificação obtido através da seleção e treino de algoritmos de aprendizagem automática. Independentemente da sofisticação dos algoritmos que possam ser usados, a chave do sucesso está na qualidade dos dados usados para treino. Não por acaso, as operações de obtenção e tratamento dos dados antes da sua utilização para treino do modelo são designadas por Data Mining. A estratégia para tratamento dos dados reveste-se de operações que são passiveis de automação em certo grau, o que permitiu acelerar as tarefas de análise e preparação dos dados. Desta forma é possível tratar novas fontes de dados rapidamente, ajustado o modelo de classificação a diferentes cenários crédito. |
| De entre os resultados alcançados, há algum que gostariam de destacar? | Tendo em conta as dificuldades próprias da representatividade dos datasets, e das características do problema, nomeadamente do desequilíbrio dos dados (a maioria dos empréstimos são pagos), obtivemos um valor elevado da precisão média. Tal resultado foi em grande parte devido a Feature Engineering aliado à utilização de algoritmos de Ensemble Learning. |
| Qual o contributo do COMPETE 2020 para o percurso da Vossa empresa? | A inovação é reconhecida como um motor do desenvolvimento e competitividade das empresas. No contexto da Match Profiler, os projetos de I&D no âmbito do COMPETE 2020, têm como objetivos o desenvolvimento de novos produtos e a incorporação de novas tecnologias. Tais objetivos só podem ser concretizados graças ao contributo do Programa em termos financeiros. A incorporação de novas tecnologias é fundamental em todos os sectores, e tem ainda maior impacto no sector das tecnologias de informação, onde o ritmo de mudança é mais pronunciado. As atividades de I&D são assim fundamentais para o progresso, para os ganhos de competitividade e para a resiliência dos nossos produtos e serviços. |
3. Apoio do COMPETE 2020
O projeto PARC: Plataforma de Avaliação Automática de Risco de Crédito foi cofinanciado pelo COMPETE 2020 no âmbito do Sistema de Incentivos à I&DT, envolveu um investimento elegível de 377 mil euros, o que resultou num incentivo FEDER de cerca de 248 mil euros.
4. Links
. Website
. Linkedin
. Twitter
. Facebook
27/02/2020 , Por Cátia Silva Pinto
Portugal 2020
COMPETE 2020
União Europeia