Predikce odepisování půjček s využitím SQL Serveru

Toto řešení ukazuje, jak sestavit a nasadit model strojového učení s využitím SQL Serveru 2016 a R Services pro predikci, jestli bude bankovní půjčku nutné v následujících 3 měsících odepsat jako nedobytnou pohledávku.

+ Zobrazit více – Zobrazit méně

Přehled

Tady jsou některé z výhod, které institucím poskytujícím úvěry zajišťují údaje o predikci odepisování půjček. Odepsání půjčky jako nedobytné pohledávky je to poslední, co banka u vysoce problematické půjčky může udělat. Pokud ale úvěrový specialista má k dispozici data předpovědí, může zákazníkům předložit individuální pobídky, jako je třeba nižší úrok nebo delší doba splácení. Pomůže jim tak zajistit splácení půjčky a zabrání jejímu odpisu jako nedobytné. K získání tohoto typu predikcí úvěrové společnosti nebo banky obvykle ručně zpracovávají data založená na historii minulých plateb a provádějí jednoduché statistické regresní analýzy. Tato metoda je velmi náchylná k chybám při sestavování dat a není statisticky spolehlivá.

Tato šablona ukazuje komplexní řešení pro spouštění prediktivních analýz nad údaji o půjčkách s cílem vyhodnotit pravděpodobnost odepisování pohledávek jako nedobytných. Sestava PowerBI vás také provede analýzou a trendy půjček a úvěrů a predikcí pravděpodobnosti odepisování pohledávek jako nedobytných.

Z pohledu obchodního manažera

Tato predikce odepsání půjček využívá simulovaná data historie půjček k predikci pravděpodobnosti, že se půjčka v bezprostřední budoucnosti (následující tři měsíce) odepíše. Čím vyšší je toto skóre, tím pravděpodobnější je odepsání této půjčky v budoucnu.

Prostřednictvím analytických dat mají správci úvěrů k dispozici také trendy a analýzy odepsaných půjček podle umístění poboček. Charakteristiky půjček s vysokým rizikem odepsání pomohou správcům úvěrů při vytváření obchodního plánu pro nabídku půjček v konkrétní geografické oblasti.

SQL Server R Services umožňuje spustit R na stejném počítači jako databázi a přináší tak výpočetní prostředky k datům. Zahrnuje databázovou službu, která běží mimo proces SQL Serveru a zabezpečeně komunikuje s modulem runtime R.

Tato šablona řešení vás provede postupem vytvoření a vyčištění sady simulovaných dat, vytvořením různých algoritmů pro trénování modelů R, výběrem nejvhodnějšího modelu, predikcí odepisování a následným uložením výsledků předpovědí zpátky na SQL Server. Sestava Power BI se připojí k tabulce výsledků předpovědí a ukáže uživateli interaktivní sestavy prediktivních analýz.

Z pohledu odborníka přes data

SQL Server R Services spouští R na počítači hostujícím databázi a přináší tak výpočetní prostředky k datům. Zahrnuje databázovou službu, která běží mimo proces SQL Serveru a zabezpečeně komunikuje s modulem runtime R.

Toto řešení provádí jednotlivými kroky a ukazuje, jak vytvořit a zpřesnit data, natrénovat modely R a provést vyhodnocení na počítači s SQL Serverem. Finální výsledky předpovědí budou uložené na SQL Serveru. Tato data se potom vizualizují ve službě Power BI, která také obsahuje souhrnné analýzy odepisování půjček a predikci odepisování na následující tři měsíce. (K ilustraci této funkce se v této šabloně zobrazují simulovaná data.)

Odborníci na data, kteří testují a vyvíjejí řešení, mohou pracovat v pohodlí prostředí R IDE na klientském počítači a přesunout výpočetní funkce na počítač s SQL Serverem. Dokončená řešení jsou nasazena na SQL Server 2016 vložením volání R do uložených procedur. Tato řešení se potom dají dál automatizovat pomocí SQL Server Integration Services a agenta SQL Serveru.

Kliknutím na tlačítko Deploy (Nasadit) otestujete automatizaci a celé řešení bude k dispozici ve vašem předplatném Azure.

Ceny

U předplatného Azure, které použijete pro toto nasazení, se budou účtovat poplatky za služby využité v tomto řešení, a to přibližně ve výši $1.15 za hodinu pro výchozí virtuální počítač.

Nezapomeňte prosím zastavit instanci virtuálního počítače, když toto řešení aktivně nepoužíváte. Provoz virtuálního počítače bude mít za následek vyšší náklady.

Pokud toto řešení nepoužíváte, odstraňte ho.

Právní omezení

© 2017 Microsoft Corporation. Všechna práva vyhrazena. Tyto informace se poskytují „tak, jak jsou“ a mohou se bez předchozího upozornění změnit. Společnost Microsoft neposkytuje s ohledem na uvedené informace žádné záruky, ať už výslovné, nebo implikované. K vytvoření řešení byla použita data třetích stran. Zodpovídáte za respektování práv ostatních, včetně pořízení náležitých licencí pro vytváření podobných datových sad a jejich dodržování.

Predikce odepisování půjček s využitím SQL ServeruToto řešení ukazuje, jak sestavit a nasadit model strojového učení s využitím SQL Serveru 2016 a R Services pro predikci, jestli bude bankovní půjčku nutné v následujících 3 měsících odepsat jako nedobytnou pohledávku.

Související architektury řešení

Loan Credit Risk with SQL ServerUsing SQL Server 2016 with R Services, a lending institution can make use of predictive analytics to reduce number of loans they offer to those borrowers most likely to default, increasing the profitability of their loan portfolio.

Úvěrové riziko u půjček s využitím SQL Serveru

Pomocí SQL Serveru 2016 s R Services může poskytovatel půjček využít prediktivní analýzu k omezení počtu půjček, které nabízí vypůjčovatelům s nejvyšší pravděpodobností neplacení, a zvýšení ziskovosti úvěrového portfolia.