Riesgo de crédito con SQL Server

Data Science Virtual Machine
SQL Server
Power BI

Idea de solución

Si desea que ampliemos este artículo con más información, detalles de la implementación, guía de precios o ejemplos de código, háganoslo saber en GitHub Feedback (Comentarios de GitHub).

Si usa SQL Server 2019 con Machine Learning Services, una institución de préstamos puede usar el análisis predictivo para reducir el número de préstamos que ofrecen a los prestatarios con más probabilidad de incumplimiento, lo que aumenta la rentabilidad de su cartera de préstamos.

Architecture

Diagrama de la arquitectura Descargue un SVG de esta arquitectura.

Data Flow

Inicie una versión de Windows o Linux de Azure Data Science Virtual Machine. Conéctese a su origen de datos. Use el IDE que prefiera para desarrollar modelos con Python y R. Cuando el modelo esté listo, publíquelo en SQL Server, Azure Machine Learning o Power BI.

Información general

Si tuviéramos una bola de cristal, solo prestaríamos dinero a alguien que sabemos que nos lo va a devolver. Una institución de crédito puede utilizar el análisis predictivo para reducir el número de préstamos que ofrece a prestatarios con una mayor probabilidad de impago para mejorar así la rentabilidad de su cartera de préstamos. Esta solución utiliza datos simulados para una pequeña institución financiera de préstamos personales y crea un modelo para ayudar a detectar si el prestatario incumplirá el préstamo.

Perspectiva empresarial

El usuario empresarial utiliza las puntuaciones pronosticadas para ayudar a determinar si se debe conceder o no un préstamo. Ajusta su predicción mediante el panel de Power BI para ver el número de préstamos y la cantidad total de dólares ahorrados en diferentes escenarios. El panel incluye un filtro basado en los percentiles de las puntuaciones pronosticadas. Cuando se seleccionan todos los valores, el usuario visualiza todos los préstamos en el ejemplo de prueba y puede examinar la información sobre cuántos de ellos han incumplido el préstamo. A continuación, si selecciona solo el percentil superior (100), puede acceder a información detallada sobre los préstamos con una puntuación pronosticada en el 1% superior. Mediante la selección de varias casillas continuas, puede identificar un punto de corte con el que se siente cómodo para emplearlo como criterio de aceptación de préstamos en el futuro.

Use el botón Probar ahora, disponible más abajo, para ver el panel de Power BI.

Perspectiva del científico de datos

SQL Server Machine Learning Services aplica cálculos a los datos mediante la ejecución de R en el equipo que hospeda la base de datos. Incluye un servicio de base de datos que se ejecuta aparte del proceso de SQL Server y que se comunica de forma segura con el tiempo de ejecución de R.

Esta solución le guía por los pasos necesarios para crear y refinar los datos, entrenar modelos de R y aplicar puntuaciones en la máquina de SQL Server. La tabla de base de datos de puntuación final de SQL Server ofrece una puntuación pronosticada para cada prestatario potencial. Después, estos datos se visualizan en Power BI.

Los científicos de datos que prueban y desarrollan las soluciones pueden trabajar desde la comodidad de su IDE de R en su máquina cliente, mientras insertan el proceso en la máquina de SQL Server. Las soluciones completadas se implementan en SQL Server 2019 al integrar las llamadas a R en los procedimientos almacenados. Estas soluciones se pueden automatizar posteriormente con SQL Server Integration Services y el agente de SQL Server.

Use el botón Implementar que se muestra más abajo para crear una máquina virtual que incluya los datos, el código R, el código SQL y una base de datos SQL Server 2016 (Loans) que contiene la solución completa.

Componentes

  • SQL Server Machine Learning Services: SQL Server almacena los datos de la entidad prestamista y el prestatario. Los análisis basados en R proporcionan modelos de entrenamiento y predicción, además de resultados previstos listos para su consumo.
  • DSVM proporciona un panel interactivo con visualización que utiliza los datos almacenados en SQL Server para tomar decisiones sobre las predicciones.
  • Power BI proporciona un panel interactivo con visualización que utiliza los datos almacenados en SQL Server para tomar decisiones sobre las predicciones.

Consulte también