Prognose av ettergitte lån med Azure HDInsight Spark-klynger

Et ettergitt lån er et lån som en kreditor (vanligvis en låneinstitusjon) har erklært sannsynligvis ikke kommer til å bli tilbakebetalt i sin helhet, vanligvis når lånetakeren er svært tilbakebetalingsudyktig. Da et stort antall ettergitte lån har negativ virkning på låneinstitusjonens årsresultater, vil låneinstitusjoner ofte overvåke risikoen for ettergivelse av lån veldig nøye for å unngå dette. Ved å bruke HDInsight R Server, kan en låneinstitusjon benytte prediktiv analyse med maskinlæring for å forutse sannsynligheten for at lån blir ettergitt og kjøre en rapport over analyseresultatene som lagres i HDFS og strukturtabeller.

Loan ChargeOff Prediction with Azure HDInsight Spark ClustersA charged off loan is a loan that is declared by a creditor (usually a lending institution) that an amount of debt is unlikely to be collected, usually when the loan repayment is severely delinquent by the debtor. Given that high chargeoff has negative impact on lending institutions' year end financials, lending institutions often monitor loan chargeoff risk very closely to prevent loans from getting charged-off. Using Azure HDInsight R Server, a lending institution can leverage machine learning predictive analytics to predict the likelihood of loans getting charged off and run a report on the analytics result stored in HDFS and hive tables.

Ansvarsfraskrivelse

©2017 Microsoft Corporation. Med enerett. Denne informasjonen gis «som den er» og kan endres uten varsel. Microsoft gir ingen garantier, uttrykkelig eller underforstått, i forbindelse med informasjonen som oppgis her. Tredjepartsdata ble benyttet for å generere løsningen. Du er ansvarlig for å respektere andres rettigheter, inkludert anskaffelse og overhold av relevante lisenser for å opprette lignende datasett.

Loan ChargeOff Prediction with Azure HDInsight Spark ClustersA charged off loan is a loan that is declared by a creditor (usually a lending institution) that an amount of debt is unlikely to be collected, usually when the loan repayment is severely delinquent by the debtor. Given that high chargeoff has negative impact on lending institutions' year end financials, lending institutions often monitor loan chargeoff risk very closely to prevent loans from getting charged-off. Using Azure HDInsight R Server, a lending institution can leverage machine learning predictive analytics to predict the likelihood of loans getting charged off and run a report on the analytics result stored in HDFS and hive tables.

Relaterte løsningsarkitekturer

Lånekredittrisiko med SQL ServerVed bruk av SQL Server 2016 med R Services, kan en låneinstitusjon benytte prediktiv analyse for å redusere antallet lån som de tilbyr til de lånetakere som mest sannsynligvis vil misligholde og derved øke lønnsomheten på låneporteføljen.

Lånekredittrisiko med SQL Server

Ved bruk av SQL Server 2016 med R Services, kan en låneinstitusjon benytte prediktiv analyse for å redusere antallet lån som de tilbyr til de lånetakere som mest sannsynligvis vil misligholde og derved øke lønnsomheten på låneporteføljen.