Прогнозирование возникновения кредитных рисков с помощью SQL Server

Виртуальные машины для обработки и анализа данных
SQL Server
Power BI

Концепция решения

если вы хотите узнать больше о том, как получить дополнительные сведения о возможных вариантах использования, альтернативных службах, рекомендациях по реализации или ценах, сообщите нам о GitHub.

используя SQL Server 2019 с Машинное обучение Services, вы можете использовать прогнозную аналитику, чтобы сократить количество займов, которые они предлагают, по умолчанию, чтобы повысить рентабельность своего портфеля займов.

Architecture

Схема архитектуры . Скачайте SVG этой архитектуры.

Поток данных

запуск Windows или Linux версии виртуальной машины Azure для обработки и анализа данных. Произведите подключение к источнику данных. Используйте предпочтительную среду IDE для разработки моделей Python и R. когда модель будет готова, опубликуйте ее в SQL Server, Машинное обучение Azure или Power BI.

Общие сведения

Если у нас есть Crystal-шар, мы будем платить нам только тем, кто знал. В учреждении с сдачей в аренду можно использовать прогнозную аналитику, чтобы сократить количество займов, которые они предлагают, и, скорее всего, по умолчанию, увеличивая доходность своего портфеля ссуд. Это решение использует смоделированные данные для небольшого финансового учреждения по займу, создавая модель, помогающую определить, будет ли по ссуде использоваться по умолчанию.

Перспектива бизнеса

Бизнес-пользователь использует прогнозируемые оценки, чтобы определить, следует ли предоставлять ссуду. он точно настраивает свой прогноз, используя панель мониторинга Power BI, чтобы увидеть количество ссуд и общую сумму в долларах, сохраненную в разных сценариях. Панель мониторинга содержит фильтр на основе процентили прогнозируемых показателей. Когда все значения выбраны, он просматривает все займы в примере тестирования и может просматривать сведения о том, сколько из них используется по умолчанию. Затем, установив только верхний процентиль (100), он детализирует сведения о займах с прогнозируемым рейтингом в верхней части 1%. Проверка нескольких непрерывных рамок позволяет ему найти точку отсчета, с которой он хорошо подходит для использования в качестве критерия приемки кредита на будущее.

используйте кнопку попробовать сейчас , чтобы просмотреть панель мониторинга Power BI.

Перспектива "анализу данных"

SQL Server Машинное обучение Services выводит вычислительные данные, выполняя R на компьютере, на котором размещена база данных. она включает службу базы данных, которая работает вне процесса SQL Server и безопасно взаимодействует со средой выполнения R.

в этом решении описаны шаги по созданию и уточнению данных, обучению моделей R и выполнению оценки на SQL Server компьютере. последняя таблица оцененной базы данных в SQL Server дает прогнозируемый рейтинг для каждого потенциального заимствования. Затем эти данные выявляются визуально в Power BI.

специалисты по обработке и анализу данных, которые проверяют и разрабатывают решения, могут работать с удобством их интегрированной среды разработки R на клиентском компьютере, при этом выполняя вычисление на SQL Server компьютере. завершенные решения развертываются в SQL Server 2019 путем встраивания вызовов R в хранимые процедуры. затем эти решения можно автоматизировать с помощью SQL Server Integration Services и агента SQL Server.

используйте кнопку развернуть ниже, чтобы создать виртуальную машину, содержащую данные, код R, SQL код и базу данных SQL Server 2016 (ссуды), которая содержит полное решение.

Компоненты

  • SQL Server Машинное обучение Services: SQL Server хранит данные кредиторов и "аренда". Аналитика на основе R предоставляет обучающие и прогнозируемые модели, а также предсказуемые результаты потребления.
  • DSVM предоставляет интерактивную панель мониторинга с визуализацией, которая использует данные, хранящиеся в SQL Server, для решения прогнозов.
  • Power BI предоставляет интерактивную панель мониторинга с визуализацией, которая использует данные, хранящиеся в SQL Server, для принятия решений по прогнозам.

См. также раздел