Gezintiyi Atla

SQL Server ile Kredi Verme Riski

Borç veren bir kurum, SQL Server 2016 ile R Services kullanarak, borçlarını ödememe olasılığı yüksek olan borç alanlara teklif ettikleri kredilerin tutarını azaltmak için tahmine dayalı analizlerden faydalanabilir. Böylece kredi portföylerinin karlılığını artırabilirler.

Açıklama

Not: Bu çözümü zaten dağıttıysanız dağıtımınızı görüntülemek için buraya tıklayın.

Tahmini Sağlama Süresi: 20 Dakika

Devam etmeden önce DURUN. Bu sanal makineyi ilk defa dağıtmadan önce buraya tıklayarak Azure Aboneliğinizdeki Veri Bilimi Sanal Makinesi’nin Kullanım Koşullarını kabul etmeniz gerekir.

Genel Bakış

Kristal küremiz olsaydı, yalnızca geri ödeyeceğini bildiğimiz kişilere borç verirdik. Borç veren bir kurum, borçlarını ödememe olasılığı yüksek olan borç alanlara teklif ettikleri kredilerin tutarını azaltmak için tahmine dayalı analizlerden faydalanabilir. Böylece kredi portföylerinin karlılığını artırabilirler. Bu çözüm, küçük bir ihtiyaç kredisi finans kurumu için sanal verileri kullanarak, borç alan kişinin borcunu ödeyip ödemeyeceğinin algılanmasında yardımcı olacak bir model oluşturur.

İş Perspektifi

İş kullanıcısı tahmin edilen puanları, kredi tesis edip etmemeyi belirlemede yardımcı olması için kullanır. Kredi tutarını ve farklı senaryolar altında tasarruf edilen toplam dolar tutarını görmek için PowerBI Panosunu kullanarak tahmininde hassas ayarlamalar yapar. Pano, tahmin edilen puanların yüzdebirliklerini temel alan bir filtre içerir. Tüm değerler seçildiğinde, kredilerin tümünü test örneğinde görüntüler ve ne kadarının varsayılan olarak ayarlandığı hakkında bilgileri denetleyebilir. Sonra en yüksek yüzdebirliği (100) denetleyerek, en yüksek %1’deki tahmin edilen puanın olduğu krediler hakkında bilgilerin detayına gider. Birden çok sürekli kutuları denetleyerek, ileride kredi kabul kriterleri olarak kullanmak için memnun olduğu bir kesme noktasını bulmuş olur.

PowerBI Panosunu görüntülemek için aşağıdaki “Şimdi Deneyin” düğmesini kullanın.

Veri Uzmanı Perspektifi

SQL Server R Services, veritabanını barındıran bilgisayarda R çalıştırarak verilere işlem uygular. SQL Server işlemi dışında çalıştırılan ve R çalışma zamanıyla güvenli bir şekilde iletişim kuran bir veritabanı hizmeti içerir.

Bu çözümde, SQL Server makinesinde verilerin oluşturulup geliştirilmesi, R modellerinin eğitilmesi ve puanlamaların gerçekleştirilmesinin anlatıldığı adımlar gösterilir. SQL Server’daki son puanlanmış veritabanı tablosu, her potansiyel borç alan için tahmin edilen bir puan verir. Bu veriler daha sonra Power BI’da görselleştirilir.

Çözümleri test edip geliştiren veri bilimcileri, işlemleri SQL Server makinesine uygularken, istemci makinelerinde uygun oldukları R IDE’lerinden çalışabilir. Tamamlanmış çözümler, saklı yordamlardaki R’ye çağrı eklenilerek SQL Server 2016’ya dağıtılır. Bu çözümler daha sonra SQL Server Integration Services ve SQL Server aracısıyla otomatikleştirilebilir.

Verilerin, R kodunun, SQL kodunun ve tam çözümü içeren bir SQL Server 2016 veritabanının (Krediler) da dahil olduğu bir Sanal Makine oluşturmak için aşağıdaki “Dağıt” düğmesini kullanın.

Fiyatlandırma

Dağıtım için kullanılan Azure aboneliğiniz bu çözümde kullanılan hizmetler için tüketim maliyetine neden olur. Bu maliyet, varsayılan sanal makine için yaklaşık olarak saatte $1.15 tutarında olur.

Lütfen çözümü etkin olarak kullanmadığınız sırada sanal makine örneğinizi durdurduğunuzdan emin olun. Sanal makineyi çalıştırmak daha yüksek maliyetlere neden olur.

Kullanmıyorsanız lütfen çözümü silin.

Bildirim

© 2017 Microsoft Corporation. Tüm hakları saklıdır. Buradaki bilgiler “olduğu gibi” sağlanmıştır ve bildirim yapılmaksızın değiştirilebilir. Microsoft, işbu bilgilerle ilgili açık veya zımni herhangi bir garanti vermez. Çözüm oluşturulurken üçüncü taraf verileri kullanılmıştır. Benzer veri kümeleri oluşturmak için ilgili lisansları edinmek ve bunlara uymak dahil olmak üzere başkalarının haklarına saygılı olma sorumluluğu sizindir.

İlgili çözüm mimarileri

SQL Server ile Kredi Zarar Kaydı Tahmini

Bu çözüm, bir banka kredisinin gelecek üç ay içinde zarar olarak kaydedilip edilmeyeceğini tahmin etmek için SQL Server 2016 ile R Services kullanarak makine öğrenme modeli oluşturup dağıtmayı gösterir