Omitir navegación

Predicción de préstamos incobrables con clústeres de Azure HDInsight Spark

Un préstamo incobrable es aquel para el que un acreedor (normalmente, una institución crediticia) declara que es probable que no se recupere el importe de la deuda, generalmente en casos de morosidad grave. Puesto que una tasa alta de préstamos incobrables tiene consecuencias negativas en las finanzas del ejercicio fiscal de las instituciones crediticias, a menudo estas instituciones supervisan detenidamente el riesgo de que los préstamos resulten incobrables para evitarlo. Con Azure HDInsight R Server, una institución crediticia puede aprovechar análisis predictivo con aprendizaje automático para predecir la probabilidad de que los préstamos resulten incobrables y elaborar un informe sobre el resultado del análisis que se almacena en tablas de Hive y HDFS.

Prédiction des pertes sèches sur prêt avec des clusters Azure HDInsight SparkUn prêt à pertes sèches est un prêt qui est déclaré par un créditeur (généralement un établissement de prêt) et dont un certain montant ne sera probablement pas collecté, normalement lorsque l’emprunteur est gravement en retard dans le remboursement du prêt. Étant donné que de fortes pertes sèches ont un impact négatif sur les résultats financiers de l’établissement de prêt, ce dernier surveille souvent étroitement le risque de pertes sèches sur prêt pour prévenir ce problème. En utilisant Azure HDInsight R Server, un établissement de prêt peut tirer parti des analytiques prédictives Machine Learning afin de prédire la probabilité que les prêts entraînent des pertes sèches et exécuter un rapport sur les résultats analytiques stockés dans HDFS et des tables Hive.

Declinación de responsabilidades

©2017 Microsoft Corporation. Todos los derechos reservados. Esta información se proporciona "tal cual" y puede cambiar sin previo aviso. Microsoft no ofrece ninguna garantía, ni expresa ni implícita, respecto a la información que aquí se proporciona. Para generar la solución, se utilizaron datos de terceros. Usted es responsable de respetar los derechos de otros, incluida la adquisición y el cumplimiento de las licencias correspondientes para crear conjuntos de datos similares.

Prédiction des pertes sèches sur prêt avec des clusters Azure HDInsight SparkUn prêt à pertes sèches est un prêt qui est déclaré par un créditeur (généralement un établissement de prêt) et dont un certain montant ne sera probablement pas collecté, normalement lorsque l’emprunteur est gravement en retard dans le remboursement du prêt. Étant donné que de fortes pertes sèches ont un impact négatif sur les résultats financiers de l’établissement de prêt, ce dernier surveille souvent étroitement le risque de pertes sèches sur prêt pour prévenir ce problème. En utilisant Azure HDInsight R Server, un établissement de prêt peut tirer parti des analytiques prédictives Machine Learning afin de prédire la probabilité que les prêts entraînent des pertes sèches et exécuter un rapport sur les résultats analytiques stockés dans HDFS et des tables Hive.

Arquitecturas de soluciones relacionadas

Prédiction des pertes sèches sur prêt avec SQL ServerCette solution montre comment créer et déployer un modèle Machine Learning avec SQL Server 2016 et R Services pour prédire si un prêt bancaire devra subir des pertes sèches dans les trois mois à venir.

Predicción de préstamos incobrables con SQL Server

Esta solución muestra cómo crear e implementar un modelo de aprendizaje automático con SQL Server 2016 con R Services para predecir si será necesario declarar como incobrable un préstamo bancario en los próximos 3 meses.

Risque lié aux prêts avec SQL ServerEn utilisant SQL Server 2016 avec R Services, un établissement de prêt peut utiliser des analytiques prédictives pour réduire le nombre de prêts proposés aux emprunteurs qui sont le plus susceptibles de ne pas pouvoir honorer leurs emprunts, en augmentant la profitabilité de son portefeuille de prêts.

Riesgo de crédito con SQL Server

El uso de SQL Server 2016 con R Services permite a una institución crediticia utilizar análisis predictivo para reducir el número de préstamos que ofrece a prestatarios con una alta probabilidad de impago, lo que le permite aumentar la rentabilidad de su cartera crediticia.