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.

Popis

Poznámka: Pokud jste toto řešení už nasadili, můžete ho zobrazit kliknutím sem.

Odhadovaný čas zřízení: 20 minut

ZASTAVTE SE, než budete pokračovat: Před prvním nasazením virtuálního počítače pro datové vědy v předplatném Azure, musíte kliknutím sem přijmout podmínky použití pro tento virtuální počítač.

Přehled

Kdybychom měli křišťálovou kouli, půjčovali bychom peníze jenom tomu, u koho jsme si jistí, že nám je vrátí. Poskytovatel půjček může využít prediktivní analýzu k omezení počtu půjček, které nabízí vypůjčovatelům s nejvyšší pravděpodobností neplacení, a zvýšení ziskovosti úvěrového portfolia. Toto řešení využívá simulovaná data pro malou finanční instituci zaměřenou na osobní půjčky a vytváří model, který pomáhá zjistit, zda vypůjčovatel půjčku splatí.

Z obchodního pohledu

Obchodní uživatel využívá predikovaná hodnocení k určení, zda poskytnout nebo neposkytnout půjčku. K vyladění předpovědi použije řídicí panel Power BI, kde vidí počet půjček a celkovou částku v dolarech, která se v různých scénářích ušetří. Řídicí panel zahrnuje filtr založený na percentilu predikovaných hodnocení. Když jsou všechny hodnoty vybrány, uživatel zobrazí všechny půjčky v testovací ukázce a může zkontrolovat, kolik z nich se nesplatilo. Potom zaškrtnutím jenom nejvyššího percentilu (100) přejde k informacím o půjčkách s predikovaným hodnocením v horním 1 %. Zaškrtnutí několika průběžných políček mu umožní najít takový bod, který mu bude vyhovovat jako budoucí akceptační kritéria pro poskytnutí půjčky.

Řídicí panel Power BI můžete zobrazit kliknutím na odkaz Try it Now (Vyzkoušet) dole.

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 vyhodnocená databázová tabulka na SQL Server poskytuje predikované hodnocení pro každého potenciálního vypůjčovatele. Tato data se potom vizualizují v Power BI.

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.

Pomocí tlačítka Deploy (Nasadit) dole vytvoříte virtuální počítač, který zahrnuje data, kód R, kód SQL a databázi SQL Serveru 2016 (půjčky) obsahující kompletní řešení.

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.

Související architektury řešení

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.