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.

Descrição

Observação: se você já tiver implantado esta solução, clique aqui para exibir sua implantação.

Tempo de provisionamento estimado: 25 minutos

Essa solução criará um cluster HDInsight Spark com o Microsoft R Server. Esse cluster contém 2 nós de cabeçalho, 2 nós de trabalho e 1 nó de borda com um total de 32 núcleos. O custo aproximado para esse cluster do HDInsight Spark é de $8.29/hora. A cobrança começa após a criação de um cluster e termina quando o cluster é excluído. A cobrança é rateada por minuto, portanto, você sempre deve excluir seu cluster quando ele não está mais em uso. Use a página Implantações para excluir toda a solução assim que tiver concluído.

Visão geral

Há diversos benefícios para as instituições de empréstimos que se equipam com os dados de previsão de baixa de empréstimos como incobráveis. A baixa de um empréstimo como incobrável é o último recurso de um banco em relação a um empréstimo que esteja demasiadamente inadimplente. Com os dados de previsão em mãos, o responsável pelos empréstimos pode oferecer incentivos personalizados, como taxa de juros mais baixas ou um prazo de novo parcelamento mais longo, a fim de ajudar os clientes a continuar realizando pagamentos de empréstimos, evitando que o empréstimo receba baixa como incobrável. Para obter esse tipo de dados de previsão, as cooperativas de crédito ou os bancos costumam modelar manualmente os dados com base no histórico de pagamento dos clientes e realizar análises simples de regressão estatística. Esse método é altamente sujeito a erros de compilação de dados e não é estatisticamente confiável.

Esse modelo de solução demonstra uma solução de ponta a ponta para executar análise preditiva em dados de empréstimos e produzir uma pontuação sobre a probabilidade de baixa como incobrável. Um relatório do Power BI também demonstrará a análise e a tendência dos empréstimos de crédito e a previsão da probabilidade de baixa como incobrável.

Perspectiva de negócios

Essa previsão de baixa de empréstimo como incobrável usa dados históricos simulados de empréstimo para prever a probabilidade da baixa de empréstimos como incobráveis em um futuro imediato (nos próximos três meses). Quanto mais alta a pontuação, maior a probabilidade de baixa em um empréstimo incobrável no futuro.

Juntamente com os dados da análise, o gerente de empréstimos também obtém as tendências e análises dos empréstimos que recebem baixa como incobráveis de acordo com a localização das filiais. As características dos empréstimos com risco de receberem baixa como incobráveis ajudarão os gerentes de empréstimos a fazer planos de negócios para oferta de empréstimos nessa região geográfica específica.

O Microsoft R Server nos clusters do HDInsight Spark oferece funcionalidades de aprendizado de máquina distribuídas e escalonáveis para Big Data, aproveitando o poder combinado do R Server e do Apache Spark. Essa solução demonstra como desenvolver modelos de aprendizado de máquina para prever a baixa do empréstimo como incobrável (incluindo processamento de dados, engenharia de recursos, modelos de treinamento e avaliação), implantar os modelos como serviço Web (no nó de borda) e consumir o serviço Web remotamente com Microsoft R Server em clusters do Azure HDInsight Spark. As previsões finais são salvas em uma tabela do Hive que pode ser visualizada no Power BI.

O Power BI também apresenta resumos visuais dos pagamentos de empréstimos e de previsões de baixas de empréstimos incobráveis (mostrados aqui com os dados simulados). Você pode experimentar esse dashboard clicando no botão "Experimente Agora" à direita.

Perspectiva do cientista de dados

Esse modelo de solução o guia pelo processo de ponta a ponta sobre como desenvolver análises de previsão usando um conjunto de dados históricos de empréstimo simulado para prever o risco de baixa do empréstimo como incobrável. Os dados contêm informações como dados demográficos do proprietário do empréstimo, valor do empréstimo, duração do empréstimo contratual e histórico de pagamento de empréstimos. O modelo de solução também inclui um conjunto de scripts R que realizam o processamento de dados, a engenharia de recursos e diversos algoritmos diferentes para treinar os dados e finalmente selecionar o modelo de melhor desempenho para produzir a pontuação de probabilidade para cada empréstimo. A solução também inclui scripts para implantar o modelo como um serviço Web (no nó de borda) e consumir o serviço Web remotamente com Microsoft R Server em clusters do Azure HDInsight Spark.

Os cientistas de dados que estão testando essa solução podem trabalhar com o código R fornecido do Open Source Edition com base em navegador do RStudio Server que é executado no Nó de Borda do cluster do Azure HDInsight Spark. Ao configurar o contexto de computação, o usuário pode decidir se a computação será realizada localmente no nó de borda ou distribuída entre os nós no cluster Spark. Todo o código R também pode ser encontrado no repositório GitHub público. Divirta-se!

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.

Arquiteturas de solução relacionadas

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 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.