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.

Descripción

Nota: Si ya ha implementado esta solución, haga clic aquí para ver la implementación.

Tiempo de aprovisionamiento estimado: 20 minutos

DETÉNGASE antes de continuar. Debe aceptar los términos de uso de la máquina virtual de ciencia de datos en su suscripción de Azure antes de implementar esta máquina virtual por primera vez haciendo clic aquí.

Información general

Las instituciones crediticias obtienen numerosas ventajas al disponer de datos de predicción de préstamos que pueden resultar incobrables. Declarar un préstamo como incobrable es el último recurso al que recurrirá un banco ante un préstamo moroso importante. Con los datos de predicción en mano, el gestor de préstamos puede ofrecer incentivos personalizados, como una reducción del tipo de interés o una ampliación del período de pago, para ayudar a los clientes a continuar pagando sus préstamos y, por tanto, evitar que se declaren como incobrables. Para obtener este tipo de predicción, a menudo las instituciones financieras elaboran los datos manualmente en función del historial de pago de los clientes y llevan a cabo un sencillo análisis de regresión estadística. Este método está muy expuesto a errores en la compilación de los datos y, por tanto, no es estadísticamente confiable.

Esta plantilla muestra una solución integral para llevar a cabo un análisis predictivo de datos de préstamos y puntuar la probabilidad de que resulten incobrables. Un informe de PowerBI muestra también el análisis y la tendencia de los préstamos, así como la predicción de probabilidad de que resulten incobrables.

Perspectiva de director comercial

Esta predicción de préstamos incobrables utiliza datos históricos de préstamos para predecir la probabilidad de que los préstamos resulten incobrables en el futuro inmediato (los tres próximos meses). Cuanto más alta es la puntuación, mayor es la probabilidad de que el préstamo resulte incobrable.

Junto a los datos de análisis, el gestor de préstamos obtiene las tendencias y el análisis de los préstamos incobrables por sucursales. Las características de los préstamos con un alto riesgo de resultar incobrables ayudan a los gestores de préstamos a hacer planes de negocio para la oferta de préstamos en esa área geográfica concreta.

SQL Server R Services aporta capacidad de proceso para los datos porque permite ejecutar R en el mismo equipo donde está la base de datos. Incluye un servicio de base de datos que se ejecuta fuera del proceso de SQL Server y que se comunica de forma segura con el entorno de ejecución de R.

Esta plantilla de solución muestra los pasos para crear y limpiar un conjunto de datos simulados, usar varios algoritmos para entrenar modelos de R, seleccionar el modelo más eficiente, hacer predicciones de préstamos que resultarán incobrables y guardar los resultados de la predicción en SQL Server. Un informe de PowerBI se conecta a la tabla de resultados de la predicción y muestra informes interactivos con el usuario basados en el análisis predictivo.

Perspectiva de científico de datos

SQL Server R Services aporta capacidad de proceso para los datos porque ejecuta R en el equipo que hospeda la base de datos. Incluye un servicio de base de datos que se ejecuta fuera del proceso de SQL Server y que se comunica de forma segura con el entorno de ejecución de R.

Esta solución muestra los pasos para crear y restringir los datos, entrenar modelos de R y realizar puntuaciones en la máquina de SQL Server. Los resultados finales de la predicción se almacenan en SQL Server. Después, estos datos se visualizan en PowerBI, que también contiene un resumen del análisis de préstamos incobrables y la predicción de préstamos que pueden resultar incobrables para los próximos tres meses. En esta plantilla, se usan datos simulados para mostrar la característica.

Los científicos de datos que prueban y desarrollan soluciones pueden trabajar desde la comodidad de su IDE de R en su máquina cliente, mientras envían el proceso a la máquina de SQL Server. Las soluciones completadas se implementan en SQL Server 2016 insertando llamadas a R en procedimientos almacenados. Después, estas soluciones se pueden automatizar más con SQL Server Integration Services y el Agente SQL Server.

Haga clic en el botón Implementar para probar la automatización y toda la solución estará disponible en su suscripción de Azure.

Precios

La suscripción de Azure que utilice para la implementación incurrirá en cargos por el consumo de los servicios que utilice la solución, aproximadamente, $1.15/hora para la máquina virtual predeterminada.

No olvide detener la instancia de Virtual Machines cuando no esté usando la solución. La ejecución de la máquina virtual conlleva costos superiores.

Elimine la solución si no la está usando.

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.

Arquitecturas de soluciones relacionadas

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.