Este artigo tem como objetivo geral analisar como o uso do Big Data pode aprimorar a análise dos indicadores de endividamento e liquidez em empresas de capital aberto dos setores bancário e segurador. A pesquisa é aplicada, descritiva, quantitativa, documental e bibliográfica, utilizando dados das demonstrações financeiras disponibilizadas na CVM por Banco do Brasil, Bradesco, Caixa Seguridade e Porto Seguro, no período de 2012 a 2024 (2015 a 2024 para a Caixa Seguridade). Calculam-se indicadores de liquidez (corrente, imediata e geral) e de endividamento (participação de capital de terceiros e composição do endividamento), organizados em banco de dados tratado com técnicas de Big Data Analytics e aprendizado de máquina. A análise estatística baseia-se no coeficiente de correlação de Pearson, com testes de significância para avaliar empiricamente as relações entre os indicadores e a incorporação de ferramentas de Big Data à análise contábil. Os resultados indicam que a integração entre Big Data, inteligência artificial e indicadores financeiros aumenta a precisão, a agilidade e a profundidade da análise contábil, favorece a identificação de padrões e a diferenciação dos perfis de estrutura de capital entre bancos e seguradoras e contribui para decisões financeiras bem fundamentadas, maior transparência informacional e para suprir lacunas ainda pouco exploradas na literatura nacional sobre liquidez e endividamento.