Ignorar navegação

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.

Descrição

Observação: se você já tiver implantado 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

Se tivéssemos uma bola de cristal, emprestaríamos dinheiro apenas àqueles que fossem nos pagar. 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 à inadimplência, aumentando a lucratividade de seu portfólio de empréstimos. Esta solução usa dados simulados de uma pequena instituição financeira de crédito pessoal, criando um modelo para ajudar a detectar se o tomador de empréstimo se tornará inadimplente.

Perspectiva de negócios

O usuário corporativo usa as pontuações previstas para ajudar a determinar se um empréstimo deve ou não ser concedido. Ele ajusta a previsão usando o dashboard do Power BI para ver o número de empréstimos e o valor monetário total economizado em diferentes cenários. O dashboard inclui um filtro baseado nos percentis das pontuações previstas. Quando todos os valores são selecionados, ele exibe todos os empréstimos na amostra de testes e pode inspecionar as informações sobre quantos empréstimos estão inadimplentes. Então, verificando somente o maior percentil (100), ele detalha as informações sobre empréstimos com uma pontuação prevista dos primeiros 1%. A verificação contínua de várias caixas permite que ele encontre um ponto de corte em que esteja confortável para ser usado como critérios de aceitação para um empréstimo futuro.

Use o botão "Experimentar Agora" abaixo para exibir o dashboard do Power BI.

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. A tabela final de banco de dados no SQL Server proporciona uma pontuação prevista para cada tomador de empréstimo em potencial. Esses dados são então visualizados no Power BI.

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.

Use o botão "Implantar" abaixo para criar uma máquina virtual que inclua os dados, o código do R, o código do SQL e um banco de dados do SQL Server 2016 (Empréstimos) contendo a solução completa.

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

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