Predição de Inadimplência de Crédito com o SQL Server

Esta solução demonstra como criar e implementar um modelo de aprendizagem automática com o SQL Server 2016 com R Services para prever se um empréstimo bancário precisará de ser amortizado no prazo de 3 meses.

Descrição

Nota: se já tiver implementado esta solução, clique aqui para ver a sua implementação.

Tempo de Aprovisionamento Estimado: 20 minutos

PARE antes de avançar Tem de aceitar os Termos de Utilização da Máquina Virtual de Ciência de Dados na sua Subscrição do Azure antes de implementar esta VM pela primeira vez, clicando aqui.

Descrição geral

Existem várias vantagens para as instituições de crédito se equiparem com dados de predição de inadimplência de crédito. A inadimplência de um crédito é o último recurso que um banco utilizará num crédito gravemente inadimplente. Com os dados da predição disponíveis, o agente de crédito poderá oferecer incentivos personalizados, como uma taxa de juro mais baixa ou um prazo de reembolso mais alargado, para ajudar os clientes a continuarem a pagar as prestações do crédito e, assim, impedir que o crédito se torne inadimplente. Para aceder a este tipo de dados de predição, é frequente as cooperativas de crédito ou os bancos trabalharem os dados manualmente com base no histórico de pagamentos passados dos clientes e realizarem uma análise de regressão estatística simples. Este método está altamente sujeito a erros de compilação de dados e não é estatisticamente consistente.

Este modelo de solução demonstra uma solução ponto a ponto para executar a análise preditiva em dados de crédito e produzir pontuação sobre a probabilidade de inadimplência. Um relatório do PowerBI irá também explicar a análise e tendência dos contratos de crédito e a predição da probabilidade de inadimplência.

Perspetiva do Gestor Empresarial

Esta predição de inadimplência de crédito utiliza os dados do histórico de um crédito simulado para prever a probabilidade de inadimplência de crédito no futuro imediato (três meses). Quanto mais alta for a pontuação, maior é a probabilidade de o crédito se tornar inadimplente no futuro.

Com os dados da análise, também são apresentadas ao gestor de crédito as tendências e a análise dos créditos inadimplentes por filiais. As características dos créditos com elevado risco de inadimplência ajudarão os gestores de crédito a elaborar um plano de atividade para a oferta de crédito nessa área geográfica específica.

O SQL Server R Services traz a computação para os dados ao permitir que o R seja executado no mesmo computador que a base de dados. Inclui um serviço de base de dados que é executado fora do processo do SQL Server e comunica de forma segura com o runtime do R.

Este modelo de solução descreve como criar e limpar um conjunto de dados simulados, utilizar vários algoritmos para formar os modelos R, selecionar o modelo com o melhor desempenho e realizar predições de inadimplência e guardar os resultados das predições novamente no SQL Server. Um relatório do PowerBI liga à tabela de resultados de predição e mostra relatórios interativos com o utilizador na análise preditiva.

Perspetiva do Cientista de Dados

O SQL Server R Services traz a computação para os dados através da execução do R no computador que aloja a base de dados. Inclui um serviço de base de dados que é executado fora do processo do SQL Server e comunica de forma segura com o runtime do R.

Esta solução descreve os passos para criar e refinar dados, formar modelos do R e dar pontuações no computador do SQL Server. Os resultados das predições finais serão armazenados no SQL Server . Em seguida, estes dados são visualizados no Power BI, que contém também um resumo da análise de inadimplência de crédito e da predição de inadimplência para os três meses seguintes. (Neste modelo, são apresentados dados simulados para ilustrar a funcionalidade)

Os cientistas de dados que testam e desenvolvem soluções podem trabalhar de forma conveniente a partir do seu IDE R nos respetivos computadores cliente, enquanto enviam a computação para o computador do SQL Server. As soluções concluídas são implementadas no SQL Server 2016 através da incorporação de chamadas no R em procedimentos armazenados. Estas soluções podem, posteriormente, ser ainda mais automatizadas com os SQL Server Integration Services e o SQL Server Agent.

Clique no botão Implementar para testar a automatização e a solução completa será disponibilizada na sua subscrição do Azure.

Preços

A subscrição do Azure utilizada para a implementação incorrerá em encargos de consumo sobre os serviços utilizados nesta solução, de aproximadamente $1.15/hora para a VM predefinida.

Certifique-se de que para a sua instância de VM quando não estiver a utilizar ativamente a solução. A execução da VM implicará custos mais elevados.

Elimine a solução se não estiver a utilizá-la.

Exclusão de Responsabilidade

©2017 Microsoft Corporation. Todos os direitos reservados. A informação é fornecida "tal como está" e pode ser alterada sem aviso prévia. A Microsoft não faz garantias, de forma expressa ou implícita, em relação à informação aqui fornecida. Foram utilizados dados de terceiros para gerar a Solução. É responsável por respeitar os direitos de outros, incluindo a aquisição e conformidade com as licenças relevantes para criar conjuntos de dados semelhantes.

Arquiteturas de soluções relacionadas

Risco de Crédito com o SQL Server

Através do SQL Server 2016 com R Services, uma instituição de crédito pode tirar proveito da análise preditiva para reduzir o número de empréstimos que oferece aos mutuários que têm a maior probabilidade de entrar em incumprimento, aumentando a rentabilidade da sua carteira de crédito.