Loan Credit Risk az SQL ServerrelLoan Credit Risk with SQL Server

Megoldás ötlete Solution Idea

Ha szeretné megtekinteni a cikket további információk, megvalósítási részletek, díjszabási útmutatás vagy példák alapján, tudassa velünk a GitHub-visszajelzésekkel!If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

Az SQL Server 2016 és az R Services együttes használatával egy hitelnyújtó intézmény prediktív elemzések révén csökkentheti az olyan hitelfelvevőknek kínált kölcsönök számát, akik a legnagyobb eséllyel nem lesznek képesek azokat visszafizetni, ezáltal növelve a hitelezési portfólió jövedelmezőségét.Using SQL Server 2016 with R Services, a lending institution can make use of predictive analytics to reduce number of loans they offer to those borrowers most likely to default, increasing the profitability of their loan portfolio.

ArchitektúraArchitecture

Architektúra-diagram az architektúra SVG -fájljának letöltése.Architecture Diagram Download an SVG of this architecture.

ÁttekintésOverview

Ha már rendelkezünk egy Crystal ballal, akkor csak azért fizetünk nekünk, ha valakinek tudtuk fizetni.If we had a crystal ball, we would only loan money to someone we knew would pay us back. A hitelezési intézmény a prediktív elemzések segítségével csökkentheti a hitelfelvevők számára az általuk kínált hitelek számát, és növeli a jövedelmezőségét.A lending institution can make use of predictive analytics to reduce number of loans they offer to those borrowers most likely to default, increasing the profitablity of their loan portfolio. Ez a megoldás szimulált adatmennyiséget használ egy kis személyes kölcsönt nyújtó pénzügyi intézmény számára, amely a modell kiépítésével segít felderíteni, hogy a hitelfelvevő alapértelmezés szerint egy kölcsönt fog-e használni.This solution uses simulated data for a small personal loan financial institution, building a model to help detect whether the borrower will default on a loan.

Üzleti perspektívaBusiness Perspective

Az üzleti felhasználó az előre jelzett pontszámok segítségével határozza meg, hogy kíván-e hitelt biztosítani.The business user uses the predicted scores to help determine whether or not to grant a loan. A PowerBI-irányítópult használatával úgy hangolja le az előrejelzését, hogy megtekintse a hitelek számát, valamint a különböző forgatókönyvek alapján megtakarított dollár mennyiségét.He fine tunes his prediction by using the PowerBI Dashboard to see the number of loans and the total dollar amount saved under different scenarios. Az irányítópult egy szűrőt tartalmaz az előre jelzett pontszámok százalékos értéke alapján.The dashboard includes a filter based on percentiles of the predicted scores. Ha az összes érték ki van választva, megtekinti a tesztelési mintában szereplő összes kölcsönt, és megvizsgálhatja, hogy hányan vannak alapértelmezésben.When all the values are selected, he views all the loans in the testing sample, and can inspect information about how many of them defaulted. Ezután ellenőrizze, hogy csak a legfelső százalékos érték (100) van-e kiértékelve, amely az első 1%-ban előre jelzett pontszámmal rendelkező hitelek információit részletezi.Then by checking just the top percentile (100), he drills down to information about loans with a predicted score in the top 1%. Több folyamatos mező ellenőrzése lehetővé teszi, hogy megkeresse azt a kivágási pontot, amelyet érdemes használni a jövőbeli hitel-elfogadási feltételként való használathoz.Checking multiple continuous boxes allows him to find a cutoff point he is comfortable with to use as a future loan acceptance criteria.

Az alábbi "kipróbálás most" gomb használatával megtekintheti a PowerBI irányítópultját.Use the "Try It Now" button below to view the PowerBI Dashboard.

Adattudósi perspektívaData Scientist Perspective

A SQL Server R Services az adatbázist futtató számítógépen az R futtatásával hozza a számítást az adatokhoz.SQL Server R Services brings the compute to the data by running R on the computer that hosts the database. Olyan adatbázis-szolgáltatást tartalmaz, amely a SQL Serveron kívül fut, és biztonságosan kommunikál az R futtatókörnyezettel.It includes a database service that runs outside the SQL Server process and communicates securely with the R runtime.

Ez a megoldás végigvezeti az adatok létrehozásához és pontosításához, az R-modellek betanításához és a SQL Server gépen való pontozáshoz szükséges lépéseken.This solution walks through the steps to create and refine data, train R models, and perform scoring on the SQL Server machine. SQL Server az utolsó pontozású adatbázis-táblázat az egyes potenciális hitelfelvevők előre jelzett pontszámát adja meg.The final scored database table in SQL Server gives a predicted score for each potential borrower. Ezt az adathalmazt a PowerBI-ben láthatóvájuk.This data is then visualized in PowerBI.

A megoldások tesztelésére és fejlesztésére szolgáló adatszakértők az R IDE-k kényelmét használják az ügyfélszámítógépen, miközben a számítási funkciókat a SQL Server gépreküldik.Data scientists who are testing and developing solutions can work from the convenience of their R IDE on their client machine, while pushing the compute to the SQL Server machine. Az elkészült megoldások üzembe SQL Server helyezése a 2016-es verzióra történik a tárolt eljárások R-re való beágyazásával.The completed solutions are deployed to SQL Server 2016 by embedding calls to R in stored procedures. Ezek a megoldások később SQL Server Integration Services és SQL Server ügynökkel is automatizálható.These solutions can then be further automated with SQL Server Integration Services and SQL Server agent.

Az alábbi "Deploy" (üzembe helyezés) gomb használatával hozzon létre egy virtuális gépet, amely tartalmazza az adatfájlokat, az R-kódokat, az SQL-kódot és a SQL Server 2016-adatbázist (kölcsönöket) a teljes megoldás containingn.Use the "Deploy" button below to create a Virtual Machine that includes the data, R code, SQL code, and a SQL Server 2016 database (Loans) containingn the full solution.

DíjszabásPricing

Az üzembe helyezéshez használt Azure-előfizetés a megoldásban használt szolgáltatásokra vonatkozó használati díjakat számol fel, az alapértelmezett virtuális gép körülbelül $1.15/óra értékével.Your Azure subscription used for the deployment will incur consumption charges on the services used in this solution, approximately $1.15/hour for the default VM.

Győződjön meg arról, hogy leállítja a virtuálisgép-példányt, amikor nem használja aktívan a megoldást.Please ensure that you stop your VM instance when not actively using the solution. A virtuális gép futtatása magasabb költségeket von maga után.Running the VM will incur higher costs.

Ha nem használja, törölje a megoldást.Please delete the solution if you are not using it.