Ignorar navegação

Previsão de baixa de empréstimo como incobrável com Clusters do Azure HDInsight Spark

Um empréstimo que recebeu baixa como incobrável é um empréstimo em que é declarado por um credor (normalmente uma instituição de empréstimo) que um valor de débito é improvável de ser coletado, geralmente quando o pagamento do empréstimo está demasiadamente inadimplente pelo devedor. Como essa alta probabilidade de baixa como incobrável tem um impacto negativo nas finanças anuais das instituições de empréstimo, elas geralmente monitoram o risco de baixa como incobrável com muito rigor para evitar que os empréstimos não sejam pagos. Ao usar o Azure HDInsight R Server, uma instituição de empréstimo pode aproveitar as análises preditivas de aprendizado da máquina para prever a probabilidade de baixa de empréstimos como incobráveis e realizar um relatório do resultado das análises armazenado em tabelas HDFS e Hive.

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.

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

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.

Arquiteturas de solução relacionadas

Loan ChargeOff Prediction with SQL ServerThis solution demonstrates how to build and deploy a machine learning model with SQL Server 2016 with R Services to predict if a Bank loan will need to be charged off within next 3 months

Previsão de baixa de empréstimos como incobráveis com o SQL Server

Essa solução demonstra como criar e implantar um modelo de aprendizado de máquina com o SQL Server 2016 com R Services para prever se um empréstimo bancário terá que receber baixa como incobrável nos próximos três meses

Risco de crédito financeiro com o SQL ServerAo usar o SQL Server 2016 com R Services, uma instituição de crédito pode tirar proveito da análise preditiva para reduzir o número de empréstimos que eles oferecem a tomadores de empréstimos mais propensos a inadimplência, aumentando a lucratividade de seu portfólio de empréstimos.

Risco de crédito financeiro com o SQL Server

Ao usar o SQL Server 2016 com R Services, uma instituição de crédito pode tirar proveito da análise preditiva para reduzir o número de empréstimos que eles oferecem a tomadores de empréstimos mais propensos a inadimplência, aumentando a lucratividade de seu portfólio de empréstimos.