Migração de Modelos de Risco de Crédito de SAS para Python

01O Cliente

Instituição financeira de grande porte com departamento dedicado de Análise de Risco de Crédito, com ambiente de modelagem analítica consolidado em tecnologia proprietária SAS.

02O Desafio

• Dependência de tecnologia proprietária SAS com alto custo de licenciamento
• Dificuldade de escala e manutenção dos modelos no ambiente legado
• Limitação na adoção de bibliotecas modernas de Machine Learning
• Necessidade de modernizar o ambiente de modelagem para aumentar agilidade e reduzir custos operacionais

03Solução Implementada

• Migração dos modelos analíticos de risco de crédito de SAS para Python com Spark
• Reescrita e validação estatística comparativa dos modelos para garantir equivalência de resultados
• Implementação de pipelines de processamento distribuído com PySpark
• Adoção de bibliotecas modernas de ML (scikit-learn, XGBoost) para modelagem preditiva de crédito

04Diferenciais Estratégicos

• Eliminação de dependência de software proprietário com migração para stack open source
• Validação rigorosa da lógica de negócio original durante a transição, sem perda de confiabilidade dos modelos
• Arquitetura escalável com Spark para suportar volumes crescentes de dados de crédito
• Capacitação da equipe interna em tecnologias modernas de Data Science e ML

05Resultados Alcançados

• Redução de custos operacionais com eliminação de licenças
• Maior agilidade no desenvolvimento, atualização e deploy de modelos de risco
• Acesso ao ecossistema open source de ML para evolução contínua dos modelos
• Escalabilidade para processar volumes crescentes de dados sem custos adicionais de licença