탐색 건너뛰기

SQL Server를 사용한 대출 신용 위험

SQL Server 2016 with R Services를 사용하는 대출 기관은 예측 분석을 사용하여 채무 불이행 가능성이 있는 대출자에게 제공하는 대출 수를 줄임으로써 대출 포트폴리오의 수익성을 높일 수 있습니다.

설명

참고: 이 솔루션을 이미 배포한 경우 여기를 클릭하여 배포를 확인하세요.

예상 프로비전 시간: 20분

계속하기 전에 주의 여기를 클릭하여 이 VM을 처음 배포하기 전에 Azure 구독에서 데이터 과학 가상 머신의 사용 조건에 동의해야 합니다.

개요

예지 능력이 있다면 대출을 상환할 것으로 확인된 사람에게만 돈을 대출할 것입니다. 대출 기관은 예측 분석을 사용하여 채무 불이행 가능성이 있는 대출자에게 제공하는 대출 수를 줄임으로써 대출 포트폴리오의 수익성을 높일 수 있습니다. 이 솔루션에서는 소규모 개인 대출 금융 기관에 대한 시뮬레이트된 데이터를 사용하여 대출자가 대출 채무를 불이행할지 여부를 알아내는 데 사용되는 모델을 작성합니다.

비즈니스 관점

비즈니스 사용자는 예측 점수를 사용하여 대출 승인 여부를 결정할 수 있습니다. 사용자는 PowerBI 대시보드를 통해 대출 수 및 다양한 시나리오에서 절약된 총 금액을 확인하여 예측을 미세 조정합니다. 대시보드에는 예측 점수의 백분위수에 따른 필터가 포함됩니다. 모든 값을 선택하면 테스트 샘플의 모든 대출이 표시되고 이들 중 채무 불이행 대출에 대한 정보를 점검할 수 있습니다. 그런 다음 상위 백분위수(100)를 확인함으로써 상위 1%의 예측 점수를 사용하여 대출 정보를 파악합니다. 여러 개의 연속 상자를 선택하면 장래 대출 수용 기준으로 편안하게 사용할 수 있는 한계점을 찾을 수 있습니다.

아래의 “지금 평가판 사용” 단추를 사용하여 PowerBI 대시보드를 표시합니다.

데이터 과학자 관점

SQL Server R Services는 데이터베이스를 호스트하는 컴퓨터에서 R을 실행함으로써 데이터에 계산을 적용합니다. 여기에는 SQL Server 프로세스 외부에서 실행되고 R 런타임과 안전하게 통신하는 데이터베이스 서비스가 포함됩니다.

이 솔루션은 데이터를 만들고 구체화하며, R 모델을 학습하고, SQL Server 컴퓨터에 대한 점수 매기기를 수행하는 단계를 진행합니다. SQL Server의 최종 점수 데이터베이스 테이블은 각 잠재적 대출자에 대한 예측 점수를 제공합니다. 이후 이 데이터는 PowerBI에서 시각화됩니다.

솔루션을 테스트하고 개발 중인 데이터 과학자는 클라이언트 컴퓨터에서 R IDE를 작업에 활용하면서 SQL Server 컴퓨터에 계산을 푸시할 수 있습니다. 완료된 솔루션은 저장 프로시저에 R 호출을 포함함으로써 SQL Server 2016에 배포됩니다. 이러한 솔루션은 나중에 SQL Server Integration Services 및 SQL Server 에이전트를 통해 자동화될 수 있습니다.

아래의 “배포” 단추를 사용하여 전체 솔루션을 비롯한 데이터, R 코드, SQL 코드 및 SQL Server 2016 데이터베이스(Loans)가 포함된 가상 머신을 만듭니다.

가격

배포에 사용되는 Azure 구독은 기본 VM에 대해 $1.15/시간 정도로 이 솔루션에서 사용되는 서비스에 대한 소비 요금을 발생시킵니다.

솔루션을 활발히 사용하지 않을 경우에는 VM 인스턴스를 중지해야 합니다. VM을 실행하면 더 높은 비용이 발생합니다.

사용하지 않을 경우 솔루션을 삭제하세요.

고지 사항

©2017 Microsoft Corporation. All rights reserved. 이 정보는 “있는 그대로” 제공되며 예고 없이 변경될 수 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적 또는 묵시적 보증도 하지 않습니다. 타사 데이터는 솔루션을 생성하는 데 사용되었습니다. 유사한 데이터 집합을 만들기 위해 관련 라이선스를 확보하고 준수하는 것을 비롯한 다른 사람의 권리를 존중하는 것은 귀하의 책임입니다.

관련 솔루션 아키텍처

SQL Server를 사용한 대출 상각 예측

이 솔루션은 SQL Server 2016 with R Services를 통해 기계 학습 모델을 빌드 및 배포하여 은행 대출이 다음 3개월 내에 상각되어야 하는지 예측하는 방법을 보여 줍니다.