Crédito digital (SCD/SEP): o stack de dados por proposta em 2026

Em uma fintech de crédito, a unidade econômica que importa não é o cliente nem o mês: é a proposta. Cada solicitação de empréstimo dispara uma cascata de consultas a dados — bureau, score, renda presumida, dados judiciais, validação cadastral — que custa de centavos a dezenas de reais e decide aprovar, recusar, precificar ou pedir garantia. Com R$ 35,5 bilhões originados por 44 fintechs em 2024, alta de 68% sobre o ano anterior (fonte: PwC e ABCD, 2025, pwc.com.br), montar esse stack de dados por proposta com precisão cirúrgica deixou de ser detalhe técnico e virou a alavanca central de margem. Este artigo descreve como SCDs, SEPs e operações de BNPL, consignado e capital de giro estruturam essa cascata em 2026 — e onde um provedor de dados cadastrais (DaaS) entra como complemento ao bureau.

SCD e SEP: o que são e por que o stack de dados é o ativo

PwC e ABCD, 2025

As fintechs de crédito brasileiras operam, em larga medida, sob dois desenhos regulatórios criados pela Resolução CMN 4.656/2018. A SCD (Sociedade de Crédito Direto) empresta com capital próprio, originando a operação no seu balanço; a SEP (Sociedade de Empréstimo entre Pessoas) intermedeia crédito entre investidores e tomadores, sem assumir o risco no próprio balanço. Em ambos os casos, a instituição é autorizada e supervisionada pelo Banco Central.

A maturação regulatória é visível: 46% das fintechs pesquisadas já têm autorização do Banco Central como SCD ou SEP, contra apenas 11% em 2019 (fonte: PwC e ABCD, 2025, pwc.com.br). A base atendida chegou a 67,5 milhões de pessoas físicas e mais de 55 mil empresas, com a base PJ crescendo 67% no período e micro e pequenas empresas representando 72% do total PJ servido. Esse avanço para o crédito a empresas muda o stack: avaliar um CNPJ exige dados societários, judiciais e cadastrais que um bureau de pessoa física não cobre.

A cascata por proposta: cinco camadas de dados

O motor de crédito de uma fintech madura não dispara todas as consultas de uma vez. Ele ordena as camadas da mais barata para a mais cara, derrubando propostas inviáveis cedo para não gastar consultas caras com quem já foi reprovado por um critério de centavos. A lógica é de funil de custo.

1. Validação cadastral. Confirma que o CPF/CNPJ existe, está regular e bate com nome, data de nascimento ou quadro societário. Custa entre R$ 0,05 e R$ 0,50 por consulta e barra fraude grosseira e erro de digitação antes de qualquer gasto maior. CNPJ com dado desatualizado na Receita — endereço errado, sócios vencidos, CNAE divergente — já penaliza score por inconsistência cadastral (fonte: CashMe, 2026, cashme.com.br).
2. Bureau e score. Consulta a Serasa, Boa Vista/Equifax, SPC, Quod ou TransUnion para histórico de inadimplência e pontuação. É a camada mais cara — relatórios completos com score chegam a R$ 30 ou mais por consulta.
3. Renda presumida. Estima a capacidade de pagamento. Cada vez mais alimentada por Open Finance, que revela fluxo de renda, recorrência e comportamento transacional invisíveis ao bureau tradicional.
4. Dados judiciais. Identifica processos que afetam a credibilidade do tomador — execuções, recuperações judiciais, ações trabalhistas no caso de PJ. Entram em módulos de análise de crédito e compliance (fonte: Serasa Experian, 2026, serasaexperian.com.br).
5. Fraude e compliance. Checagens antifraude (device, biometria, identidade sintética) e de PLD/FT exigidas pela Circular BCB 3.978/2020 — PEP, sanções, beneficiário final.

O efeito de ordenar bem o funil é direto sobre o custo médio por proposta aprovada — métrica que o head de risco persegue mais do que o custo bruto da consulta isolada. Reprovar cedo, com dado barato, é o que protege a margem.

O stack de dados por proposta: camada a camada

Faixas de mercado para contratação API pay-per-use; valores efetivos variam por volume, SLA e cobertura. Fontes: PwC e ABCD (2025); práticas públicas de precificação de bureaus e provedores DaaS.

Bureau, score e o complemento DaaS

O instinto de quem chega ao crédito digital é tratar o bureau como a resposta única. Ele não é. O bureau resolve bem o histórico de inadimplência e o score genérico, mas tem três limitações que abrem espaço para provedores de dados cadastrais (DaaS): preço por consulta elevado, rigidez de API e cobertura desigual de quem não tem histórico — o autônomo, o informal, a empresa recém-aberta.

Um score de mercado genérico com KS de 0,23 e AUC de 0,65 é considerado uma métrica muito boa para modelos abertos (fonte: BigDataCorp, 2025, bigdatacorp.com.br). O ganho marginal de poder discriminante quase sempre vem de combinar o score com dados alternativos — cadastrais, transacionais, comportamentais — não de trocar de bureau.

É aqui que a tese de complemento se sustenta. Um provedor DaaS não compete de frente no score: ele entrega validação cadastral, dados societários, KYB e enriquecimento por API flexível e preço por consulta menor, onde o bureau é caro e pouco maleável. A decisão de comprar dados, na prática, não é "bureau ou DaaS" — é "qual camada cada fornecedor cobre melhor pelo menor custo efetivo". A pesquisa de mercado confirma a tendência de usar inteligência artificial e big data para originar operações desvinculadas de garantias tradicionais, com base no histórico comportamental do cliente (fonte: BCB, estudo especial, 2025, bcb.gov.br).

Open Finance e renda presumida: a camada que mais muda em 2026

A novidade estrutural de 2026 é a renda presumida deixar de ser estimativa estatística e passar a ser leitura de extrato com consentimento. O Open Finance no Brasil já soma mais de 100 milhões de clientes e 154 milhões de consentimentos ativos, e permite combinar informação transacional com dados de bureau para identificar fontes de renda recorrentes e não recorrentes com mais precisão (fonte: Serasa Experian, 2026, serasaexperian.com.br).

O Serasa Score passou a incorporar dados de Open Finance — transações, pagamentos e histórico bancário — no cálculo da pontuação (fonte: Alta Renda, 2026, altarendablog.com.br). Para a SCD que origina para autônomos e informais, isso é decisivo: tecnologias alternativas de avaliação ganham terreno ao incorporar fluxo de renda, comportamento transacional e recorrência financeira, ampliando o potencial de concessão para quem fica fora do corte de score tradicional (fonte: Let's Money, 2026, letsmoney.com.br).

BNPL, consignado e capital de giro: stacks diferentes

Nem toda fintech de crédito monta a mesma cascata. O produto define a camada que decide:

• BNPL (Buy Now Pay Later, "compre agora, pague depois"). Decisão em milissegundos no checkout, com tíquete baixo e tolerância a fraude muito menor que a histórico. O peso recai sobre validação cadastral instantânea e antifraude, não sobre score completo. O mercado brasileiro de BNPL movimentou cerca de US$ 4,66 bilhões em 2025 e deve alcançar US$ 7,43 bilhões até 2030 (fonte: análises de mercado citadas pela Finsiders Brasil, 2026, finsidersbrasil.com.br).
• Consignado. O colateral é a margem do salário ou benefício. Consignados e recebíveis lideram entre as garantias aceitas pelas fintechs, ambos com 46% de participação (fonte: Finsiders Brasil, 2026, finsidersbrasil.com.br). O stack prioriza validação de vínculo e averbação, com menos dependência de score comportamental.
• Capital de giro e desconto de recebíveis (PJ). Aqui o dado decisivo é societário e de fluxo: quadro de sócios, dados judiciais, faturamento presumido e qualidade dos recebíveis. Empresa com alto endividamento ante a geração de caixa representa maior risco de inadimplência (fonte: CashMe, 2026, cashme.com.br). É o segmento em que o DaaS de dados cadastrais PJ tem o maior peso relativo.

FinOps de dados: o custo por proposta como linha de P&L

O gasto com dados costuma ficar entre 1% e 5% da receita em operações intensivas. Numa carteira que originou R$ 35,5 bilhões, otimizar a ordem das consultas e a escolha de fornecedor por camada vira ganho de margem de oito dígitos. Três disciplinas separam quem controla esse custo de quem o sofre:

1. Funil de custo, não de conveniência. Ordenar consultas do centavo ao real, com regras de short-circuit que reprovam antes de gastar a camada cara.
2. Bake-off por camada. POC comparativa medindo lift de KS/AUC e cobertura por fornecedor em cada camada, não um contrato único de "tudo do mesmo bureau".
3. SLA de latência e uptime. p99 de latência e disponibilidade contratados, porque no BNPL uma consulta lenta é uma venda perdida no checkout.

A leitura para o comprador de dados é simples: o vencedor da carteira de crédito em 2026 não é quem tem o "melhor bureau", e sim quem orquestra o stack por proposta com o menor custo efetivo por proposta aprovada e o maior poder discriminante — combinando bureau, score, Open Finance e camadas cadastrais e judiciais de provedores especializados.

Perguntas frequentes

Qual a diferença entre SCD e SEP?

A SCD (Sociedade de Crédito Direto) empresta com capital próprio, originando a operação no seu balanço. A SEP (Sociedade de Empréstimo entre Pessoas) intermedeia crédito entre investidores e tomadores, sem assumir o risco no próprio balanço. Ambas são autorizadas pelo Banco Central sob a Resolução CMN 4.656/2018.

O que é o stack de dados por proposta?

É a cascata ordenada de consultas — validação cadastral, bureau, score, renda presumida, dados judiciais, societários e antifraude — que a fintech executa para decidir cada solicitação de crédito. O custo somado é o custo de dados por proposta, que pesa entre 1% e 5% da receita em operações intensivas.

Por que usar um provedor DaaS além do bureau?

O bureau resolve bem histórico de inadimplência e score genérico, mas tem preço por consulta elevado, API rígida e cobertura desigual de quem não tem histórico. O provedor DaaS complementa em validação cadastral, dados societários, KYB e enriquecimento, com API flexível e custo por consulta menor — sem competir de frente no score.

Como o Open Finance muda a renda presumida em 2026?

O Open Finance, com mais de 100 milhões de clientes e 154 milhões de consentimentos, permite ler fluxo de renda, recorrência e comportamento transacional com consentimento. O Serasa Score já incorpora esses dados, ampliando a concessão para autônomos e informais que ficam fora do corte de score tradicional.

Qual camada de dados decide em BNPL, consignado e capital de giro?

No BNPL, validação cadastral instantânea e antifraude no checkout. No consignado, validação de vínculo e averbação, já que o colateral é a margem do salário. No capital de giro PJ, dados societários, judiciais e qualidade dos recebíveis pesam mais que o score comportamental.

Quanto custa cada camada do stack por proposta?

Como faixas de mercado em contratação API pay-per-use: validação cadastral R$ 0,05–0,50; renda presumida R$ 0,50–5,00; dados societários R$ 0,30–5,00; dados judiciais R$ 1,00–10,00; antifraude R$ 0,50–8,00; e bureau com score completo até R$ 30 ou mais. Valores efetivos variam por volume, SLA e cobertura.

Leia também no DataHub

• BaaS e infraestrutura: revender dados e validações embutidos em 2026 — Segmentos fintech
• Backoffice e ERPs financeiros: validação cadastral PJ e enriquecimento B2B em 2026 — Segmentos fintech
• Benefícios e RH-fin: KYE e validação cadastral nas fintechs de benefícios em 2026 — Segmentos fintech
• BNPL (Buy Now, Pay Later): dados de risco no crédito no checkout em 2026 — Crédito por produto
• Câmbio e remessas: KYC transfronteiriço, sanções e PEP em 2026 — Segmentos fintech

Fontes

1. PwC e ABCD — Pesquisa Fintechs de Crédito Digital 2025 (R$ 35,5 bi originados, +68%, 46% autorizadas SCD/SEP) (2025)
2. Banco Central do Brasil — Estudo especial: Fintechs de crédito e bancos digitais (2025)
3. Serasa Experian — Open Finance e renda presumida combinada com bureau (2026)
4. Alta Renda — Serasa Score agora usa Open Finance (2026)
5. Let's Money — Score comportamental e crédito alternativo (CloQ) (2026)
6. BigDataCorp — Construindo um score de crédito com dados alternativos (KS 0,23 / AUC 0,65) (2025)
7. CashMe — Score CNPJ e inconsistência cadastral (2026)
8. Finsiders Brasil — Crédito no varejo 2026 e BNPL (2026)