Lösungsarchitektur: Analyse der Bonitätsrisiko eines Kredits und Standardmodellierung

Das Bewerten von Kreditrisiken ist ein komplexes Verfahren. Kreditgeber wägen eine Anzahl quantitativer Indikatoren ab, um die Ausfallwahrscheinlichkeit zu bestimmen und die besten Kandidaten auf Grundlage der verfügbaren Informationen zu genehmigen.

Diese Lösung fungiert als Analyse für Kreditrisiken, die Ihnen bei der Bewertung von Kreditrisiken und der Verwaltung von Aufdeckungen mithilfe des Modells der erweiterten Analyse hilft. SQL Server 2016 mit R Services stattet Sie mit Predictive Analytics aus, wodurch Sie Kredit- oder Darlehensanwendungen bewerten und nur diese akzeptieren können, die bestimmte Kriterien erfüllen. Beispielsweise verwenden Sie womöglich die vorhergesagten Wertungen, die Ihnen helfen, zu bestimmen, ob ein Darlehen gewährt werden kann, und dann die Leitlinie in einem Power BI-Dashboard darzustellen.

Die datengestützte Modellierung von Kreditrisiken verringert die Anzahl der Darlehen, die ausfallgefährdeten Darlehensnehmern angeboten werden, wodurch die Rentabilität Ihres Darlehensportfolios erhöht wird.

In Azure bereitstellen

Verwenden Sie die folgende vorgefertigte Vorlage, um diese Architektur in Azure bereitzustellen

In Azure bereitstellen
Power BI SQL Database Machine Learning

Implementierungsleitfaden

Produkte Dokumentation

SQL Server R Services

SQL Server speichert die Daten des Kreditgebers und des Kreditnehmers. Auf R-basierende Analysen bieten Training und Prognosemodelle sowie Prognoseergebnisse für die Erfassung.

Machine Learning Studio

Mit Machine Learning können Sie ganz einfach Predictive Analytics-Lösungen in der Cloud entwerfen, testen, operationalisieren und verwalten.

Power BI

Power BI bietet ein interaktives Dashboard mit Visualisierungen, die in SQL Server gespeicherte Daten verwenden, um Entscheidungen bezüglich der Vorhersagen zu treffen.

Zugehörige Lösungsarchitekturen

Power BI SQL Database Machine Learning

Optimieren von Marketing mit Machine Learning

Erfahren Sie, wie Sie ein Machine Learning-Modell mit SQL Server 2016 mit R Services erstellen, um Marketingkampagnen zu optimieren und zu verwalten.

Weitere Informationen
Browser Application Insights CDN SQL Database Redis Cache CMS on Web App

Einfache digitale Marketingwebsite

Machen Sie es sich leicht – mit einem Content Management-System, mit dem Sie das Messaging auf Ihrer Website einfach und in Echtzeit in einem Browser verwalten und aktualisieren können, ohne Codekenntnisse zu benötigen.

Weitere Informationen