Loan ChargeOff Prediction with SQL Server

Ez a megoldás bemutatja, hogy hogyan lehet létrehozni és üzembe helyezni a gépi tanulási modellt az SQL Server 2016 with R Services segítségével. Ez a modell képes jelezni, ha egy bankhitel esetében a következő 3 hónapban leértékelés várható.

Leírás

Megjegyzés: Ha már üzembe helyezte ezt a megoldást, az üzemelő példányt ide kattintva érheti el.

Üzembe helyezés becsült ideje: 20 perc

NE lépjen tovább! A Data Science (Adatfeldolgozás) virtuális gép első üzembe helyezése előtt Azure-előfizetésében el kell fogadnia a virtuális gép használati feltételeit. Ehhez kattintson ide.

Áttekintés

A hitelleértékelés-előrejelzési adatok használata számos előnyt kínál a pénzintézetek számára. A súlyos késedelembe esett hitelek esetében a leértékelés a bank utolsó mentsvára. Az előrejelzés adatai alapján a hitelügyintéző azonban olyan személyre szabott ösztönzőket (például alacsonyabb kamatot vagy hosszabb törlesztési időt) kínálhat az ügyfeleknek, amelyeknek köszönhetően folytathatják a törlesztést. Így megakadályozható a hitel leértékelése. Az ilyen típusú előrejelzési adatokat a hitelszövetkezetek és a bankok gyakran manuálisan, az ügyfelek fizetési előzményei alapján állítják össze, és ezt követően egyszerű statisztikai regressziós elemzést végeznek rajtuk. Ez a módszer azonban rendkívül érzékeny az adatgyűjtési hibákra, és statisztikailag sem teljesen hibátlan.

Ebben a megoldássablonban egy átfogó szolgáltatást mutatunk be, amelynek segítségével prediktív elemzések futtathatók a hiteladatokon, és elvégezhető a leértékelés valószínűségének pontozása. A hitelek elemzésének, a kapcsolódó trendeknek és a leértékelési valószínűségre vonatkozó előrejelzéseknek a bemutatására egy Power BI-jelentés szolgál.

Üzleti menedzser szempontjai

Ez a hitelleértékelés-előrejelző szimulált hitelelőzmény-adatok alapján segít megbecsülni, hogy mekkora annak a valószínűsége, hogy a közeljövőben (a következő három hónapban) hitelleértékelés fog bekövetkezni. Minél nagyobb a pontszám, annál valószínűbb, hogy a hitelt a közeljövőben le fogják értékelni.

A hitelkezelő az elemzési adatok mellett a leértékelt hitelek bankfiókokra lebontott trendjeit is megtekintheti. A nagy leértékelési kockázatú hitelek jellemzőinek megismerése révén a hitelkezelő tudatosabban dolgozhatja ki az adott földrajzi területre vonatkozó üzleti terveket.

Az SQL Server R Services az adatok helyén biztosít számítási funkciókat, hiszen lehetővé teszi, hogy az R ugyanazon a számítógépen fusson, mint az adatbázis. A megoldás része egy, az SQL Server folyamatán kívül futó adatbázis-szolgáltatás is, amely biztonságos kommunikációt folytat az R futtatókörnyezettel.

Ez a megoldássablon végigvezeti Önt a szimulált adatok csoportjának létrehozásán és tisztázásán, az R-modellek betanításához szükséges algoritmusok használatán, a legjobban teljesítő modell kiválasztásán, a leértékelés-előrejelzés elvégzésén, és végül az előrejelzések SQL Serverre történő mentésén. A Power BI képes csatlakozni az előrejelzési eredményeket tartalmazó táblázathoz, így interaktív jelentéseket tud megjeleníteni a felhasználónak a prediktív elemzésekről.

Adatszakértői szempontok

Az SQL Server R Services az adatok helyén biztosít számítási funkciókat, ugyanis az adatbázist futtató számítógépen futtatja az R-t. A megoldás része egy, az SQL Server folyamatán kívül futó adatbázis-szolgáltatás is, amely biztonságos kommunikációt folytat az R futtatókörnyezettel.

A program lépésről lépésre végigvezeti a felhasználót az adatok létrehozásához és finomításához, az R-modellek betanításához, valamint az SQL Servert futtató gépen szükséges pontozáshoz elvégzendő műveleteken. A végleges prediktív eredményeket az SQL Server tárolja. A Power BI vizualizációt hoz létre az adatokból, amely tartalmazza a következő három hónapra vonatkozó hitelleértékelési elemzések és előrejelzések összegzését is. (Ebben a sablonban szimulált adatokat használtunk a funkció bemutatására.)

A megoldások fejlesztésével és tesztelésével megbízott adatszakértők saját ügyfélszámítógépükön, kedvenc R integrált fejlesztőkörnyezetükben dolgozhatnak, míg a számítási feladatokat az SQL Servert futtató gép kezeli. Az elkészült megoldások SQL Server 2016-ban való üzembe helyezéséhez a tárolt eljárásokból az R-be irányuló beágyazási hívások szükségesek. A megoldások ezt követően az SQL Server Integration Services és az SQL Server-ügynök segítségével tovább automatizálhatók.

Ha szeretné tesztelni az automatizálást, kattintson az Üzembe helyezés gombra. Ezt követően a teljes megoldás elérhetővé válik az Ön Azure-előfizetésében.

Díjszabás

Az üzembe helyezéshez használt Azure-előfizetésben a megoldásban használt szolgáltatásokra vonatkozó használati díjakat számolunk fel, amely az alapértelmezett virtuális gép esetében körülbelül $1.15/óra.

Ne felejtse el leállítani virtuálisgép-példányát, amikor nem használja aktívan a megoldást. A virtuális gép folyamatos futtatása magasabb költségeket eredményez.

Kérjük, törölje a szolgáltatást, ha már nem használja azt.

Jogi nyilatkozat

© 2017 Microsoft Corporation. Minden jog fenntartva. Ezt az információt jelen formájában nyújtjuk, és előzetes értesítés nélkül változhat. Az itt szereplő információkra a Microsoft nem vállal sem kifejezett, sem vélelmezett garanciát. A megoldás harmadik féltől származó adatok felhasználásával lett létrehozva. Ön felelős mások jogainak tiszteletben tartásáért, beleértve a hasonló adatkészletek létrehozásának céljából történő beszerzéseket és a vonatkozó licenceknek való megfelelőséget is.

Kapcsolódó megoldásarchitektúrák

Loan Credit Risk with SQL Server

Az SQL Server 2016 with R Services segítségével a hitelintézet prediktív elemzéseket végezhet, amelyekkel kiszűrheti a nagy valószínűséggel fizetésképtelenné váló hiteligénylőket, és így növelheti a hitelportfólió nyereségességét.