Navigatie overslaan

Leningkredietrisico met SQL Server

Met SQL Server 2016 met R Services kan een leninginstantie gebruikmaken van voorspellende analyses om het aantal leningen dat zij doorgaans standaard aan dergelijke leners verstrekken te verminderen, waardoor de winstgevendheid van hun leningenportfolio wordt verbeterd.

Beschrijving

Opmerking: als u deze oplossing al hebt geïmplementeerd, klikt u hier om de implementatie te bekijken.

Geschatte inrichtingstijd: 20 minuten

STOP voordat u verdergaat! U moet de Gebruiksvoorwaarden van de Data Science Virtual Machine van uw Azure-abonnement accepteren voordat u deze VM voor het eerst gaat implementeren. Klik hier.

Overzicht

Als wij de toekomst zouden kunnen voorspellen, zouden we alleen geld lenen aan iemand van wie we zeker weten dat die ons kan terugbetalen. Een leninginstantie kan voorspellende analysegegevens gebruiken om het aantal leningen te beperken dat zij verstrekken aan die leners waarvan de kans groot is dat zij betalingsachterstand oplopen. Hierdoor neemt de winstgevendheid van hun leningenportfolio toe. Deze oplossing gebruikt gesimuleerde gegevens voor een kleine financiële instelling die persoonlijke leningen verstrekt en bouwt een model om te helpen vaststellen of de lener een betalingsachterstand zal oplopen bij een lening.

Vanuit het perspectief van een bedrijf

De zakelijke gebruiker kan aan de hand van de voorspelde scores bepalen of een lening wel of niet moet worden verstrekt. Deze voorspelling kan worden verfijnd via het Power BI-dashboard, waarop het aantal leningen en het totaal bespaarde bedrag in verschillende scenario’s staan. Het dashboard heeft een filter op basis van de percentielen van de voorspelde scores. Wanneer alle waarden zijn geselecteerd, krijgt de gebruiker een overzicht van alle leningen in testvoorbeeld en kan informatie worden geraadpleegd over het aantal leningen daarvan waarvoor een betalingsachterstand is opgelopen. Door vervolgens het bovenste percentiel (100) te controleren, kan de gebruiker informatie raadplegen over leningen met een voorspelde score in de bovenste 1%. Wanneer de gebruiker verschillende achtereenvolgende selectievakjes inschakelt, kan er een breekpunt worden gezocht dat als criterium voor het accepteren van toekomstige leningen moet worden beschouwd.

Gebruik de knop Nu uitproberen hieronder om het Power BI-dashboard te bekijken.

Vanuit het perspectief van de datawetenschapper

SQL Server R Services brengt de rekenkracht voor de gegevens door R uit te voeren op de computer waarop de database wordt gehost. Het omvat een databaseservice die buiten het SQL Server-proces wordt uitgevoerd en die veilig met de R-runtime communiceert.

In deze oplossing krijgt u stapsgewijze instructies voor het maken en verfijnen van gegevens, het trainen van R-modellen en het uitvoeren van beoordelingen op de SQL Server-machine. In de uiteindelijk beoordeelde databasetabel in SQL Server staat een voorspelde score voor elke potentiële lener. Deze gegevens worden vervolgens gevisualiseerd in Power BI.

Datawetenschappers die oplossingen testen en ontwikkelen, kunnen gemakkelijk werken vanaf hun R IDE op hun clientmachine en tegelijkertijd het computerwerk naar de SQL Server-machine doorsturen. De voltooide oplossingen worden geïmplementeerd naar SQL Server 2016 door oproepen naar R te integreren in opgeslagen procedures. Deze oplossingen kunnen vervolgens verder worden geautomatiseerd met SQL Server Integration Services en SQL Server-agent.

Gebruik de knop Implementeren hieronder om een Virtuele Machine te maken die de gegevens, de R-code, de SQL-code en een SQL Server 2016-database (Leningen) bevat met daarin de volledige oplossing.

Prijzen

Bij uw Azure-abonnement dat voor de implementatie is gebruikt worden verbruikskosten in rekening gebracht voor de services die in deze oplossing zijn gebruikt, circa $1.15 per uur voor de standaard-VM.

Zorg ervoor dat u het gebruik van uw VM-exemplaar stopt wanneer u de oplossing niet actief gebruikt. Voor het uitvoeren van de VM worden hogere kosten berekend.

Verwijder de oplossing als u deze niet gebruikt.

Vrijwaring

© 2017 Microsoft Corporation. Alle rechten voorbehouden. Deze informatie wordt als zodanig geleverd en kan zonder kennisgeving worden gewijzigd. Microsoft biedt geen garanties, expliciet of impliciet, met betrekking tot de hier verstrekte informatie. Gegevens van derden zijn gebruikt om de oplossing te genereren. U bent verantwoordelijk voor het respecteren van de rechten van anderen, inclusief het aanschaffen en naleven van relevante licenties om vergelijkbare gegevenssets te maken.

Gerelateerde architecturen voor oplossingen

Voorspelling van oninbaar worden van lening met SQL Server

In deze oplossing wordt getoond hoe u een machine learning-model bouwt en implementeert met SQL Server 2016 met R Services, om te voorspellen of er binnen drie maanden een banklening moet worden gemarkeerd als oninbaar