Omitir navegación

Arquitectura de solución: Analizador de riesgo crediticio de préstamos y modelo de impago

La evaluación del riesgo en los créditos es un proceso complejo. Las entidades de crédito ponderan meticulosamente varios indicadores cuantitativos para determinar la probabilidad de impago y usan la información de que disponen para aprobar las mejores peticiones.

Esta solución actúa como analizador de riesgo crediticio y ayuda a evaluar los riesgos en los créditos y a administrar la exposición a ellos mediante el uso de modelos de análisis avanzados. SQL Server 2016 con R Services permite realizar análisis predictivos que ayudan a evaluar las aplicaciones de crédito y préstamo, y aceptan solo las que cumplen determinados criterios. Por ejemplo, se pueden usar las puntuaciones previstas como ayuda para determinar si se concede un préstamo y luego visualizar la guía en un panel de Power BI.

El modelo de riesgo crediticio controlado por datos reduce el número de préstamos que se ofrecen a los prestatarios que probablemente caigan en la morosidad, lo que aumenta la rentabilidad de la cartera de préstamos.

Implementar en Azure

Utilizar la siguiente plantilla predefinida para implementar esta arquitectura en Azure

Implementar en Azure

Visualización de la solución implementada

Loan credit risk analyzer and default modelingUsing SQL Server 2016 with R Services, lenders can predict a borrower's credit risk and default probability to help issue fewer unprofitable loans.Power BISQL DatabaseMachine Learning

Guía sobre la implementación

Productos/descripción Documentación

SQL Server R Services

SQL Server almacena los datos de la entidad crediticia y del prestatario. Los análisis basados en R proporcionan modelos de predicción y de aprendizaje, así como los resultados de consumo previstos.

Machine Learning Studio

Machine Learning ayuda a diseñar, probar, utilizar y administrar soluciones de análisis predictivo en la nube.

Power BI

Power BI ofrece un panel interactivo con visualización que usa los datos almacenados en SQL Server para sustentar la toma de decisiones sobre predicciones.

Arquitecturas de soluciones relacionadas