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.

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

Ha lenne egy működő kristálygömbünk, bizonyára csak annak adnánk kölcsön, akiről tudjuk, hogy vissza fogja fizetni a pénzünket. A hitelintézet megoldásunk segítségével prediktív elemzéseket végezhet, amelyekkel kiszűrheti a nagy valószínűséggel fizetésképtelenné váló hiteligénylőket, és így növelheti a hitelportfólió nyereségességét. A megoldás egy személyi hitelezéssel foglalkozó kisebb pénzintézet szimulált adatait használja fel: ezek alapján jön létre a modell, amely segít előre jelezni, hogy az adott hiteligénylő fizetésképtelenné fog-e válni.

Üzleti szempontok

Az előrejelzett pontszámok segítenek meghatározni az üzleti felhasználónak, hogy hagyja-e jóvá a kért hiteleket. A PowerBI irányítópultja segítségével tovább finomíthatja az előrejelzést, így láthatja a hitelek számát, valamint azt is, hogy mennyi pénzt lehet megtakarítani a különböző forgatókönyvek segítségével. Az irányítópult egy, az előrejelzett pontszámok percentiliseit tartalmazó szűrőt is tartalmaz. Ha a felhasználó minden értéket bejelölt, a tesztelt mintában lévő összes hitelt megtekintheti, és megállapíthatja, hogy ezek közül mennyinél következett be fizetésképtelenség. Ha a felhasználó ezt követően bejelöli a legfelső percentilist (100), megtekintheti a legfelső 1%-ba tartozó előrejelzett pontszámot kapó hiteleket. A felhasználó ezt követően egyre több egymást követő jelölőnégyzetet jelöl be, és így megállapítja, hogy melyik az a pontszám, amely számára elfogadható a jövőbeli hitelek megítélési feltételeként.

Az alább látható „Kipróbálás most” gomb segítségével megtekintheti a PowerBI irányítópultját.

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. Az SQL Server végleges, pontozással ellátott adatbázistáblája adja meg az egyes hiteligénylők előrejelzett pontszámát. A rendszer ezt követően a PowerBI segítségével vizualizálja az adatokat.

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.

Az alább látható „Üzembe helyezés” gomb segítségével létrehozhat egy virtuális gépet, amely tartalmazza a teljes megoldást, azaz az adatokat, az R- és az SQL-kódot, valamint az SQL Server 2016-adatbázist (Loans).

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 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.