DSA Shield
Plataforma de inteligência comercial e crédito que transforma dados de portfólio, histórico financeiro e Serasa em prioridades de venda explicáveis.
O DSA Shield nasceu de uma ideia da DSA Tecnologia: criar uma camada de proteção entre uma empresa e suas decisões de crédito. Fui chamado para transformar essa ideia em produto e desenvolvi sozinho toda a solução — da arquitetura de dados às regras de negócio, interfaces, integrações e funcionalidades de inteligência artificial.
“Proteção”, neste contexto, não significa simplesmente bloquear vendas. O objetivo é impedir que tempo comercial e limite de crédito sejam distribuídos sem contexto. O Shield ajuda uma empresa a identificar quais clientes de seu portfólio combinam potencial de crescimento, relacionamento, margem e saúde financeira, para aumentar crédito e esforço de venda onde existe uma justificativa melhor.
O produto ainda está em fase pré-comercial. A plataforma está implementada, mas ainda não possui clientes ou métricas de impacto em produção. Este artigo documenta o sistema como trabalho de engenharia, não como um case com resultados que ainda não existem.
O problema: informação existe, decisão não
Uma análise comercial raramente depende de uma única tabela. Dados relevantes podem estar espalhados entre ERP legado, pedidos, notas fiscais, títulos, limites de crédito, atrasos, consultas externas e conhecimento informal da equipe.
O resultado é um problema de contexto: um cliente pode comprar muito e pagar mal; outro pode ter boa saúde de crédito, mas pouca margem; um terceiro pode estar crescendo e ainda não ter recebido atenção proporcional. Olhar apenas faturamento, score ou atraso produz uma fotografia incompleta.
O Shield organiza esse cenário em três camadas:
- integração, trazendo dados operacionais e informações externas para um modelo consistente;
- análise determinística, calculando risco, alertas e potencial comercial com regras inspecionáveis;
- assistência generativa, permitindo que uma pessoa consulte e cruze os dados em linguagem natural.
Essa separação foi deliberada. O modelo de linguagem não é a fonte da verdade e não decide sozinho se uma empresa merece crédito. Ele interpreta resultados obtidos por ferramentas controladas; limites, scores e restrições continuam vindo de dados e regras verificáveis.
Arquitetura do produto
O Shield é uma aplicação full-stack construída com Next.js, React e TypeScript. As rotas e ações do servidor concentram a lógica de negócio; PostgreSQL armazena o modelo operacional e Prisma oferece acesso tipado e migrações. A interface usa Tailwind CSS, componentes Radix e visualizações com ECharts e Recharts.
O modelo conecta entidades que normalmente seriam analisadas isoladamente:
- clientes, representantes e grupos econômicos;
- pedidos, itens, produtos e categorias;
- notas fiscais e títulos financeiros;
- limites de crédito, atrasos e negociações;
- histórico de consultas e restrições do Serasa;
- tiers e scores de monetização;
- usuários, papéis e registros de auditoria.
A aplicação também possui autenticação JWT, autorização por papéis e operações administrativas executadas no servidor. O deploy foi estruturado com Docker, migrações e PostgreSQL persistente.
A ponte com o Oracle legado
Uma das partes mais importantes foi construir uma rota segura entre o sistema legado e a aplicação nova. Scripts de migração consultam o Oracle, normalizam clientes, pedidos, notas, títulos e produtos, e alimentam o modelo PostgreSQL usado pelo Shield.
Essa integração utiliza node-oracledb e Oracle Instant Client em modo Thick. A documentação oficial do driver (abre em uma nova aba) explica que esse modo carrega as bibliotecas do Oracle Client e, no Linux, exige que o caminho das bibliotecas seja configurado antes do processo Node.js.1
O desafio não era apenas abrir uma conexão. Sistemas legados carregam convenções próprias: nomes e tipos diferentes, identificadores incompletos, datas heterogêneas e relações que precisam ser reconstruídas. A camada de migração precisou transformar esse material em entidades coerentes sem apagar sua origem.
Serasa como histórico, não como número solto
A integração do Serasa não reduz uma empresa a um score. O endpoint de ingestão recebe um retrato amplo da consulta e persiste tanto o resumo quanto seus componentes: refinanciamentos, pendências financeiras, dívidas vencidas, ações judiciais, protestos, cheques, evolução de compras, consultas anteriores, pagamentos, fornecedores e quadro societário.
O CNPJ funciona como chave de reconciliação. Se o cliente ainda não existe, ele pode ser criado a partir dos dados recebidos; se já existe, seu histórico é associado e as informações de crédito relevantes são atualizadas. As gravações relacionadas acontecem dentro de uma transação Prisma, de modo que uma falha não deixe metade da consulta persistida. Transações oferecem justamente essa garantia de sucesso ou rollback do conjunto de operações.2
O histórico também permite distinguir dado ruim de dado velho. Alertas específicos indicam score baixo, restrições, títulos vencidos, limite expirado, ausência de crédito e consulta Serasa desatualizada.
É importante preservar a responsabilidade humana: informações de bureau subsidiam a análise, mas não substituem a política de concessão da empresa. Materiais da própria Serasa reforçam que a decisão final de conceder crédito pertence ao concedente.3
Um score de monetização explicável
O termo “monetização” no Shield significa melhorar a capacidade da empresa de gerar receita com sua carteira atual. O sistema tenta responder: em quais clientes vale concentrar atenção comercial e onde aumentar crédito pode abrir espaço para vender mais sem ignorar risco?
Para isso, implementei um score de 0 a 1.000 formado por nove dimensões:
| Dimensão | O que representa |
|---|---|
| Frequência de compra | recorrência nos últimos 12 meses |
| Anos de relacionamento | continuidade da relação comercial |
| Preço médio | posicionamento médio das compras |
| Participação no ROB | parcela do faturamento total representada pelo cliente |
| Top buyer | posição relativa entre os maiores compradores |
| Crescimento | evolução contra os 12 meses anteriores |
| Atraso | comportamento de pagamento |
| Margem | qualidade econômica das vendas |
| Serasa e restrições | score externo combinado com ocorrências negativas |
Pesos, faixas de atraso, limites de participação e penalidades são configuráveis. As agregações pesadas são feitas em SQL e o resultado materializado por cliente, evitando recalcular todo o portfólio a cada abertura de tela. A gravação dos novos scores ocorre em lote e dentro de uma transação.
Essa abordagem mantém o ranking auditável. Um usuário pode enxergar as parcelas que produziram a pontuação, em vez de receber apenas um rótulo opaco gerado por IA.
Shield AI Advisor
O AI Advisor transforma perguntas comerciais em consultas delimitadas sobre dados reais. A interface usa streaming, e o backend escolhe Gemini quando a chave do Google está configurada ou OpenAI como alternativa.
O modelo recebe um conjunto explícito de ferramentas:
- buscar o resumo financeiro e de crédito de um cliente;
- calcular faturamento por período;
- encontrar os principais produtos;
- pesquisar o catálogo;
- consultar pedidos recentes;
- classificar os principais clientes por valor ou frequência.
Cada ferramenta valida seus argumentos com Zod e executa consultas específicas no servidor. O modelo pode encadear até seis passos para, por exemplo, comparar dois meses, verificar pedidos recentes e relacionar a oportunidade comercial à saúde financeira do cliente.
Esse padrão é conhecido como tool calling: o modelo escolhe uma operação disponível e fornece argumentos estruturados, enquanto a aplicação controla o que será realmente executado.4 No Shield, isso cria uma fronteira importante. A IA não recebe uma conexão SQL aberta, não inventa scores e não modifica limites; ela trabalha sobre funções pequenas, tipadas e observáveis.
Exemplos de perguntas previstas pelo produto incluem:
- “Como está o faturamento deste mês comparado ao anterior?”
- “Quais clientes têm alto potencial, mas apresentam atraso?”
- “Quais produtos geraram mais valor nesta categoria?”
- “Este cliente possui limite disponível e consulta Serasa recente?”
O que este projeto demonstra
O Shield não foi apenas a execução de uma especificação pronta. A ideia inicial precisava se tornar modelo de dados, política configurável, pipeline de integração e experiência de decisão. Minha responsabilidade cobriu toda essa transformação.
As partes mais interessantes não vivem isoladas: Oracle e Serasa tornam os dados disponíveis; o score converte esses dados em uma prioridade explicável; a IA reduz a distância entre uma pergunta de negócio e as consultas necessárias para respondê-la.
O próximo marco é comercial, não apenas técnico: colocar o sistema diante de empresas reais, observar como analistas e equipes de venda tomam decisões e validar se os pesos, alertas e ferramentas representam o trabalho cotidiano. Até lá, o Shield permanece um produto funcional em busca de seu primeiro ambiente de produção — e um registro completo de como transformei uma ideia de proteção de crédito em software.
Footnotes
-
node-oracledb, “Initializing node-oracledb” (abre em uma nova aba), configuração dos modos Thin e Thick e carregamento do Oracle Client. ↩
-
Prisma, “Transactions and batch queries” (abre em uma nova aba), garantias e APIs para operações atômicas. ↩
-
Serasa Experian, material de consulta e recomendação de crédito (abre em uma nova aba), incluindo a responsabilidade da empresa concedente pela decisão final. ↩
-
Vercel AI SDK, “Tools and tool calling” (abre em uma nova aba), definição de ferramentas, schemas de entrada e execução controlada. ↩