Ignorar navegação

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.

Descrição

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

Tempo de provisionamento estimado: 20 minutos

PARE antes de prosseguir. Você deve aceitar os Termos de uso da Máquina virtual de ciência de dados em sua Assinatura do Azure, antes de implantar essa VM pela primeira vez, clicando aqui.

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 do Gerente Comercial

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 alto risco de se tornarem incobráveis ajudarão os gerentes de empréstimos a fazer planos de negócios para oferta de empréstimos nessa região geográfica específica.

O SQL Server R Services leva a computação até os dados, permitindo que o R seja executado no mesmo computador que o banco de dados. Ele inclui um serviço de banco de dados que é executado fora do processo do SQL Server e se comunica de maneira segura com o tempo de execução do R.

Esse modelo de solução segue os passos de como criar e limpar um conjunto de dados simulados, usar diversos algoritmos para treinar os modelos de R, selecionar o modelo de melhor desempenho e realizar previsões de baixa de empréstimos incobráveis salvando os resultados da previsão de volta no SQL Server. Um relatório do Power BI é conectado à tabela de resultados da previsão e mostra relatórios interativos sobre a análise preditiva.

Perspectiva do Cientista de dados

O SQL Server R Services leva a computação até os dados, executando o R no computador que hospeda o banco de dados. Ele inclui um serviço de banco de dados que é executado fora do processo do SQL Server e se comunica de maneira segura com o tempo de execução do R.

Essa solução segue as etapas para criar e refinar dados, treinar modelos do R e atribuir pontuação no computador do SQL Server. Os resultados finais da previsão serão armazenados no SQL Server. Em seguida esses dados são visualizados no Power BI, que também contém um resumo da análise de baixa de empréstimos incobráveis, bem como uma previsão de baixa para os próximos três meses. (Dados simulados são exibidos nesse modelo para ilustrar o recurso)

Os cientistas de dados que estão testando e desenvolvendo soluções podem trabalhar na conveniência do IDE do R em seus próprios computadores cliente, enviando a computação por push ao computador do SQL Server. As soluções concluídas são implantadas no SQL Server 2016 através da inserção de chamadas ao R em procedimentos armazenados. Essas soluções podem ser ainda mais automatizadas com o SQL Server Integration Services e o agente do SQL Server.

Clique no botão Implantar para testar a automação e toda a solução será disponibilizada na sua assinatura do Azure.

Preços

Sua assinatura do Azure usada para a implantação incorrerá em taxas de consumo sobre os serviços usados nesta solução, de aproximadamente $1.15/hora para a VM padrão.

Certifique-se de interromper a instância VM quando não estiver utilizando a solução de maneira ativa. A execução da VM incorrerá em maiores custos.

Exclua esta solução se você não a estiver utilizando.

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

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.