Loan ChargeOff Prediction az SQL Serverrel

Data Science Virtual Machine
Power BI
SQL Server

Solution Idea

Ha szeretné látni, hogyan bővítjük ki ezt a cikket olyan további információkkal, mint a lehetséges esetek, az alternatív szolgáltatások, az implementációval kapcsolatos megfontolások vagy a díjszabási útmutató, GitHub visszajelzéssel!

Ez a megoldás bemutatja, hogyan építhet ki és helyezhet üzembe egy gépi tanulási modellt az SQL Server 2016-os R Services segítségével annak előrejelzéséhez, hogy a következő 3 hónapon belül kell-e bankhitelt fizetni.

Architektúra

Architektúradiagram Az architektúra SVG-fájlját töltheti le.

Áttekintés

Az intézményeknek több előnye is van a hiteljóslási előrejelzési adatokkal való ellátásban. A hitelt felszámítható végső megoldásként a bank egy súlyosan delináros hitelt fog felvenni, az előrejelző adatokkal a hitel-felelős személyre szabott ösztönzőket kínálhat, például alacsonyabb kamatlábat vagy hosszabb törlesztési időszakot, hogy segítsen az ügyfeleknek a hiteltörlesztésekben, így megelőzve a hiteltörlesztést. Az ilyen típusú előrejelzési adatokhoz gyakran a jóváírási uniók vagy bankok manuálisan, az ügyfelek korábbi fizetési előzményei alapján kézzel készítették az adatokat, és egyszerű statisztikai regressziós elemzést végeztek. Ez a módszer nagy mértékben ki van téve az adatfordítási hibáknak, és statisztikailag nem megfelelő.

Ez a megoldássablon egy teljes megoldást mutat be, amely prediktív elemzést futtat a hiteladatokon, és pontozást hoz létre a felszámítási valószínűség alapján. A PowerBI-jelentések a hitelhitelek elemzését és trendjét, valamint a hitelkeret valószínűségének előrejelzését is végigveszik.

Business Manager perspektíva

Ez a hitelhitel-felszámítási előrejelzés egy szimulált hitelelőzmény-adatok alapján előrejelzi a hitelhitel-felszámítás valószínűségét a közvetlen jövőben (a következő három hónapban). Minél magasabb a pontszám, annál nagyobb annak a valószínűsége, hogy a kölcsönt a jövőben kiszámják.

Az elemzési adatok alapján a hitelkezelő a hiteltitkok ágak szerint lekért hiteltitkának trendjeit és elemzéseit is mutatja. A magas hitelkockázati kölcsön jellemzői segíthetnek a hitelkezelőknek abban, hogy üzleti tervet hoznak a hitelajánlatra az adott földrajzi területen.

SQL Server R Services számítási kapacitást az adatokhoz, mivel lehetővé teszi, hogy az R ugyanazon a számítógépen fusson, mint az adatbázis. Tartalmaz egy adatbázis-szolgáltatást, amely a folyamaton kívül SQL Server, és biztonságosan kommunikál az R-futásidejűvel.

Ez a megoldássablon végigvezeti a szimulált adatok egy készletének létrehozásán és tisztításán, az R-modellek betanítására használt különböző algoritmusok használatán, a legjobb teljesítő modell kiválasztásán és a leszámíttatási előrejelzéseken, valamint az előrejelzési eredmények visszamentésen a SQL Server. Egy PowerBI-jelentés csatlakozik az előrejelzési eredménytáblához, és interaktív jelentéseket mutat be a felhasználóval a prediktív elemzésről.

adattudós perspektíva

SQL Server R Services számítási erőforrásokat az R futtatásával hozza az adatokba az adatbázist futtató számítógépen. Tartalmaz egy adatbázis-szolgáltatást, amely a folyamaton kívül SQL Server, és biztonságosan kommunikál az R-futásidejűvel.

Ez a megoldás végigvezeti az adatok létrehozásán és finomításán, az R-modellek betanításán és a pontozáson a SQL Server lépésen. A végső előrejelzési eredményeket a következő SQL Server. Ezeket az adatokat ezután a PowerBI-ban vizualizálja, amely tartalmazza a hitelösszegzési elemzés és a hitelösszegzés előrejelzését a következő három hónapra. (Ebben a sablonban szimulált adatok láthatók a funkció szemléltetésére)

A megoldásokat tesztelő és fejlesztő adattudósok az R IDE kényelmes környezetében dolgozhatnak az ügyfélgépen, miközben a számítási adatokat a virtuális gépre SQL Server le. A kész megoldások a 2016-os SQL Server üzembe helyezésével, tárolt eljárásokba ágyazva az R-hez való hívásokat. Ezek a megoldások ezután tovább automatizálhatóak az integrációs SQL Server szolgáltatásokkal és SQL Server ügynökkel.

Kattintson az Üzembe helyezés gombra az automatizálás teszteléséhez, és a teljes megoldás elérhető lesz az Azure-előfizetésében.

Díjszabás

Az üzembe helyezéshez használt Azure-előfizetés a megoldásban használt szolgáltatásokra vonatkozó használatot fogja fizetni, ami körülbelül 1,15 DOLLÁR/óra az alapértelmezett virtuális gép esetén.

Győződjön meg arról, hogy leállítja a virtuálisgép-példányt, ha nem használja aktívan a megoldást. A virtuális gép futtatása magasabb költségekkel jár.

Ha nem használja, törölje a megoldást.