O que é e como funciona na prática
O método smart pontos negativos é uma técnica de análise de crédito que combina consultas a órgãos de proteção ao crédito (SPC, Serasa, Boa Vista) com regras de negócio para atribuir um score de risco personalizado ao tomador. O nome vem do cruzamento entre dados de queries, restrições ativas, histórico de pagamento e filtros específicos que cada empresa aplica no processo de decisão. Básicamente, você não se limita a olhar se a pessoa tem ou não nome sujo. Você pesa a idade da restrição, o valor, a frequência de novas consultas no CPF/CNPJ e, às vezes, até o comportamento de pagamentos em relação ao faturamento declarado. Isso gera um score numérico que vai de 0 a 1000, com interpretação variável conforme o padrão de cada operação.
Passo a passo para implementar
A primeira coisa é escolher os fornecedores de dados. O mais comum é contratar a API do Serasa Experian ou da SPC Brasil. Algumas empresas também usam dados do Serasa Limpa Nome ou do bureau de crédito da CVM para PJ. A escolha depende do volume de operações e do ticket médio. Depois, mapeie os campos que vão compor o cálculo. Os essenciais são: quantidade de restrições ativas, valor total das dívidas, antiguidade da restrição mais recente, número de queries nos últimos 30 e 90 dias, score Serasa/SPC individual, e, para PJ, informações societárias e faturamento declarado. Quanto mais campos, mais refinado o score, mas também mais lento o processo.
Em seguida, defina pesos. Uma restrição com menos de 90 dias costuma valer mais pontos negativos do que uma com dois anos. Uma query nova pode adicionar carga de risco, mas queries de parceiros comerciais conhecidos devem ter peso zero. Aqui entra a parte que mais gera discussão: nenhum tutorial externo te diz exatamente qual peso colocar. Você testa, acompanha inadimplência real e recalibra. Para a montagem técnica, você geralmente recebe os dados em JSON da API. Faça um script simples em Python ou Node que some os pontos atribuídos a cada campo e gera um score final. Crie buckets: score acima de 700 = aprovação automática, entre 400 e 700 = análise manual, abaixo de 400 = reprovação. Esses limites são referência, não regra absoluta.
Coloque uma camada de exceções. Existem casos em que o score condena, mas a operação deveria ser aprovada. Um cliente com restrição de cartão de crédito de R$ 150,00 que paga fornecedores no prazo há três anos não merece o mesmo tratamento que alguém com dívida ativa de R$ 12.000,00 em ação judicial. Regras de exceção salvam negócio e reputação.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Problema real que encontrei e como resolvi
Num projeto interno, usei o método smart pontos negativos para decisões de crédito consignado. O sistema estava reprovando automaticamente cerca de 18% dos candidatos que, na análise manual posterior, tinham taxa de inadimplência inferior a 2%. O gargalo era uma regra de query: qualquer CPF consultado mais de cinco vezes nos últimos 60 dias recebia penalidade automática de 200 pontos. O problema é que corretores de imobiliárias consultam o mesmo CPF repetidamente quando o cliente está em fase de negociação com múltiplos imóveis. Não era comportamento de risco, era processo comercial legítimo. A solução foi criar um filtro que identifica padrões de consulta provenientes de consultores cadastrados e reduz o peso desses eventos pela metade. O volume de reprovações desnecessárias caiu de 18% para 4%, e a inadimplência real do portfólio permaneceu estável em 1,7%.
Insights que raramente aparecem em manuais
Um erro comum é tratar todas as restrições iguais. Uma penhora judicial de R$ 3.000,00 não é igual a uma restrição por boleto não pago de R$ 3.000,00. A primeira indica litígio, a segunda indica inadimplência. No score, a segunda deve pesar muito mais. Se você usar apenas o valor e o tipo genérico "restrição ativa", vai subestimar o risco real em muitos casos. Outro ponto: o score Serasa ou SPC já é, em si, um agregado de múltiplos fatores. Aplicar o método smart pontos negativos sobre ele sem considerar essa sobreposição gera dupla contagem. Um jeito prático de evitar é usar o score apenas como peso inicial e somar a ele apenas os campos que o score não cobre, como data da última query e histórico recente de queries.
Quando o método smart pontos negativos não funciona
Ele não funciona bem com autônomos e MEIs com faturamento muito irregular, onde a ausência de declaração formal de renda torna impossível calibrar o peso das restrições. Também falha quando a base de dados é incompleta — se o fornecedor não retorna informação de score, o cálculo fica comprometido. Nessas situações, a solução mais honesta é derivar para análise qualitativa com revisão manual obrigatória. Outra limitação séria é a dependência de APIs pagas. O custo por consulta varia de R$ 1,50 a R$ 8,00 dependendo do bureau e do volume. Para operações de baixo ticket, como microcrédito, o custo da análise pode superar o lucro da operação. Nesse cenário, o método compensa apenas se aplicado de forma seletiva, nos cases de maior valor.
Se o seu objetivo é só saber se o CPF tem restrição ou não, um checking simples no Serasa ou SPC resolve. O método smart pontos negativos é útil quando você precisa de um score estruturado para automatizar decisões em escala, mas exige manutenção contínua, testes de backscore e ajuste periódico dos pesos. Sem isso, vira apenas mais um número bonito num dashboard que ninguém confia de verdade.
