R$50 mil invisíveis: a inadimplência que o seu sistema não mostra
Um gestor estimava R$15-20 mil em inadimplência. O dado real era R$50.944. Entenda por que isso acontece.
Quanto da sua receita está presa em inadimplência neste momento? Se você respondeu "sei exatamente", parabéns — você é exceção. A maioria dos gestores de PMEs tem uma estimativa. E essa estimativa está quase sempre errada. Para baixo.
O caso dos R$ 50 mil
Em uma associação de proteção veicular com cerca de 3.000 membros, perguntamos ao gestor: "Quanto você tem em inadimplência hoje?" A resposta foi segura: "Entre R$ 15 e R$ 20 mil. No máximo."
Quando analisamos os dados reais — todas as mensalidades vencidas e não pagas, cruzando com o histórico de cada associado — o número era R$ 50.944.
Não era um erro de cálculo do gestor. Era um problema de visibilidade. O sistema mostrava quem estava devendo no mês corrente. Mas não consolidava atrasos acumulados, não separava inadimplência recorrente de atraso pontual, e não mostrava a tendência ao longo do tempo.
A diferença entre a estimativa do gestor (R$ 15-20 mil) e a realidade (R$ 50.944) era de 2,5 a 3,4 vezes. Isso não é um arredondamento — é uma lacuna que pode comprometer o planejamento financeiro inteiro.
O crescimento invisível
Tão preocupante quanto o valor absoluto era a tendência. Antes de janeiro de 2026, a associação tinha em média 45 associados inadimplentes por mês. Em março de 2026, esse número havia saltado para 226.
Um aumento de 5 vezes em menos de 3 meses.
O gestor não tinha percebido porque o número não aparecia em nenhum relatório consolidado. Cada mês era tratado de forma isolada. E como o sistema mostrava apenas os inadimplentes do mês corrente — sem contexto histórico — não havia como enxergar a curva ascendente.
Por que os sistemas falham nisso
A maioria dos sistemas de gestão para PMEs e associações foi projetada para operação, não para análise. Eles respondem bem a perguntas como "quem está devendo este mês?" ou "qual o valor da mensalidade do associado X?". Mas não respondem a perguntas como:
- Quantos associados atrasaram mais de uma vez nos últimos 6 meses?
- Qual é a tendência de inadimplência mês a mês?
- Qual plano ou região está concentrando a inadimplência?
- Qual o valor acumulado total de inadimplência (não apenas do mês corrente)?
Sem essas respostas, o gestor navega com um mapa incompleto. Ele vê o ponto onde está, mas não vê para onde está indo.
O problema da estimativa humana
Pesquisadores Albanesi e Vamossy, em um estudo publicado pelo National Bureau of Economic Research (NBER), mostram que modelos preditivos baseados em dados históricos superam consistentemente estimativas baseadas em julgamento humano quando se trata de prever inadimplência. O estudo analisa como dados de comportamento de pagamento — e não apenas indicadores financeiros tradicionais — são os melhores preditores de default.
Isso se aplica diretamente à realidade das PMEs brasileiras. O gestor que estima R$ 15-20 mil não está sendo negligente — ele está usando as informações que tem disponíveis. O problema é que essas informações são incompletas. E a mente humana, diante de informação incompleta, tende a subestimar riscos graduais (como inadimplência crescente) e superestimar riscos súbitos (como a perda de um grande cliente).
O que fazer
O primeiro passo não é cobrar melhor. É enxergar melhor.
- Consolide o valor total: some todas as mensalidades vencidas e não pagas, de todos os meses. O número vai ser maior do que você espera.
- Acompanhe a tendência: quantos inadimplentes você tinha há 3 meses? E há 6? Se o número está subindo, você tem um problema sistêmico que nenhuma ação pontual de cobrança vai resolver.
- Segmente por reincidência: separe quem atrasou pela primeira vez de quem já atrasou antes. São problemas diferentes com soluções diferentes.
- Cruze com plano e região: inadimplência concentrada em um plano ou região específica pode indicar um problema de precificação, de canal de vendas ou de perfil de cliente.
Se o seu sistema não consolida inadimplência acumulada e não mostra tendência, você está tomando decisões financeiras com base em uma foto quando precisaria de um filme.
Os R$ 50 mil invisíveis daquela associação não eram um caso extremo. Pela nossa experiência, a maioria das PMEs subestima sua inadimplência real em pelo menos 2x. A diferença entre o que você acha que está devendo e o que realmente está pode ser a diferença entre um mês positivo e um mês no vermelho.
Referências
- Albanesi, S. & Vamossy, D. F. (2019). "Predicting Consumer Default: A Deep Learning Approach". NBER Working Paper No. 26165.
Quer saber o que seus dados dizem?
O Distilo analisa seus dados e entrega respostas concretas em até 1 semana.
Comece agora