Loan Credit Risk az SQL Serverrel

Data Science Virtual Machine
SQL Server
Power BI

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!

A SQL Server 2019-et a Machine Learning Services szolgáltatással használva egy intézmény prediktív elemzéssel csökkentheti a hitelfelvevők számára a legnagyobb valószínűséggel nem alapértelmezettként nyújtott kölcsönt, így növelve a hitelportfólió jövedelmezőségét.

Architektúra

Architektúradiagram Az architektúra SVG-fájlját töltheti le.

Adatfolyam

Indítsa el Windows Azure-beli virtuális gépek linuxos vagy Data Science Virtual Machine. Csatlakozás az adatforráshoz. Python- és R-modellek fejlesztésére használhatja az Ön által előnyben részesített IDE-t. Amikor a modell elkészült, tegye közzé SQL Server, Azure Machine Learning vagy Power BI.

Áttekintés

Ha lenne egy fehér labdánk, csak olyannak adtunk volna kölcsönt, akiről tudjuk, hogy vissza fog fizetni. Egy pénz intézmény prediktív elemzéssel csökkentheti a hitelfelvevők számára a legnagyobb valószínűséggel nem alapértelmezettként nyújtott hiteleket, így növelve a hitelportfólió profitját. Ez a megoldás szimulált adatokat használ egy kis méretű személyes kölcsönt pénzügyi intézethez, és olyan modellt hozunk ki, amely segít észlelni, hogy a hitelfelvevő nem fogja-e a kölcsönt visszavenni.

Üzleti perspektíva

Az üzleti felhasználó az előrejel jelzett pontszámok alapján dönti el, hogy kölcsönt ad-e vagy sem. Finomhangolja az előrejelzését a Power BI Irányítópulton, hogy lássa a különböző forgatókönyvekben megtakarított hitelmennyiséget és teljes dollárban megtakarított összeget. Az irányítópult tartalmaz egy szűrőt az előrejel jelzett pontszámok percentilisei alapján. Az összes érték kiválasztásakor megtekinti a tesztelési mintában található összes kölcsönt, és megvizsgálhatja, hogy ezek közül hány volt alapértelmezett. Ezt követően csak a legfelső percentilis (100) ellenőrzéssel lefúr a legmagasabb 1%-os előrejelekkel jelzett hiteltitkozásokkal kapcsolatos információkhoz. Több folyamatos mező ellenőrzésével megtalálhat egy olyan leépítési pontot, amely a jövőbeli hitelszerződések elfogadásának feltételeiként is használható.

Az alábbi Kipróbálom most gombbal megtekintheti a Power BI irányítópultot.

adattudós perspektíva

SQL Server Machine Learning Services az R futtatásával hozza létre a számítást az adatokon 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 táblázat végső pontozási adatbázistáblája SQL Server előrejelezni az egyes potenciális hitelfelvevőknek. Ezek az adatok ezután a vizualizációban Power BI.

A megoldásokat tesztelő és fejlesztő adattudósok az R IDE kényelmes környezetében dolgozhatnak az ügyfélgépüken, miközben a számítási adatokat a virtuális gépre SQL Server le. A kész megoldások a 2019-es 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.

Az alábbi Üzembe helyezés gombbal létrehozhat egy virtuális gépet, amely tartalmazza az adatokat, az R-kódot, az SQL-kódot, valamint egy SQL Server 2016-os adatbázist (2016-os kölcsönt), amely a teljes megoldást tartalmazza.

Összetevők

  • SQL Server Machine Learning Szolgáltatások:SQL Server tárolja a kölcsönvevő és a kölcsönvevő adatait. Az R-alapú elemzés betanítást és előrejelezni tudja a modelleket, valamint előrejelezni a felhasználáshoz szükséges eredményeket.
  • A DSVM interaktív irányítópultot biztosít olyan vizualizációval, amely a SQL Server tárolt adatokat használja az előrejelzésekre vonatkozó döntések meghozatalához.
  • Power BI interaktív irányítópultot biztosít olyan vizualizációval, amely a SQL Server tárolt adatokat használja az előrejelzésekre vonatkozó döntések meghozatalához.

Lásd még