SQL Server ile Kredi Zarar Kaydı Tahmini

Veri Bilimi Sanal Makineleri
Power BI
SQL Server

Çözüm fikri Solution Idea

Daha fazla bilgi, uygulama ayrıntıları, fiyatlandırma Kılavuzu veya kod örneği ile bu makaleyi genişletmemizi istiyorsanız GitHub geri bildirimlerindenhaberdar olalım!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!

Bu çözüm, bir banka kredisinin önümüzdeki 3 ay içinde ücretlendirilmesinin gerekli olup olmadığını tahmin etmek için SQL Server 2016 ile R Services ile bir makine öğrenimi modelinin nasıl oluşturulduğunu ve dağıtılacağını gösterir.This solution demonstrates how to build and deploy a machine learning model with SQL Server 2016 with R Services to predict if a Bank loan will need to be charged off within next 3 months.

MimariArchitecture

Mimari diyagramı Bu mimarinin bir SVG indirin.Architecture Diagram Download an SVG of this architecture.

Genel BakışOverview

Ödünç verme kurumlarının kredi ödeme verileri kredisi için sunduğu birçok avantaj vardır.There are multiple benefits for lending institutions to equip with loan chargeoff prediction data. Krediyi doldurma, bankanın tahmin verileriyle ilgili önemli bir kredi üzerinde yaptığı son çare, kredi Müdürü müşterilerin kredi ödemeleri yapmaya ve dolayısıyla ücretlendirmeye devam etmesini önlemeye yardımcı olmak için, daha düşük faiz oranı veya daha uzun ödeme dönemi gibi kişiselleştirilmiş teşvikleri sunabilir.Charging off a loan is the last resort that the bank will do on a severely delinquent loan, with the prediction data at hand, the loan officer could offer personalized incentives like lower interest rate or longer repayment period to help customers to keep making loan payments and thus prevent the loan of getting charged off. Bu tür bir tahmin verisi almak için, genellikle kredi birleşimleri veya bankaları, verileri müşterinin geçmiş ödeme geçmişine göre el ile ve basit istatistiksel regresyon analizi gerçekleştirdi.To get to this type of prediction data, often credit unions or banks manually handcraft the data based on customers' past payment history and performed simple statistical regression analysis. Bu yöntem, büyük ölçüde veri derleme hatasına tabidir ve istatistiksel olarak ses vermez.This method is highly subject to data compilation error and not statistically sound.

Bu çözüm şablonu, kredi verileri üzerinde tahmine dayalı analizler çalıştırmak ve ödeme olasılığa karşı Puanlama sağlamak için bir çözümü uçtan uca gösterir.This solution template demonstrates a solution end to end to run predictive analytics on loan data and produce scoring on chargeoff probability. Bir PowerBI raporu Ayrıca kredi kredileri ve geri ödeme olasılığının tahminine ilişkin analiz ve eğilim boyunca size yol gösterir.A PowerBI report will also walk through the analysis and trend of credit loans and prediction of chargeoff probability.

İş Yöneticisi perspektifiBusiness Manager Perspective

Bu kredi ödeme tahmini, yakın gelecekte (sonraki üç ay) kredi ödeme olasılığını tahmin etmek için benzetimli bir kredi geçmişi verileri kullanır.This loan chargeoff prediction uses a simulated loan history data to predict probability of loan chargeoff in the immediate future (next three months). Puan arttıkça, daha yüksek olan kredi, geleceğe göre ücretlendirildiği bir olasılıktır.The higher the score, the higher is the probability of the loan getting charged-off in the future.

Analiz verileri sayesinde, kredi Müdürü Ayrıca, dal konumlarına göre geri ödeme kredileri eğilimlerini ve analizlerini de sunulur.With the analytics data, loan manager is also presented with the trends and analytics of the chargeoff loans by branch locations. Yüksek kaliteli risk kredilerin özellikleri, kredi yöneticilerinin ilgili coğrafi alanda kredi teklifi için iş planı yapmasını sağlar.Characteristics of the high chargeoff risk loans will help loan managers to make business plan for loan offering in that specific geographical area.

SQL Server R Services, R 'nin veritabanıyla aynı bilgisayarda çalışmasına izin vererek verileri işleme getirir.SQL Server R Services brings the compute to the data by allowing R to run on the same computer as the database. SQL Server işlem dışında çalışan ve R çalışma zamanı ile güvenli bir şekilde iletişim kuran bir veritabanı hizmeti içerir.It includes a database service that runs outside the SQL Server process and communicates securely with the R runtime.

Bu çözüm şablonu, sanal verilerin bir kümesini oluşturma ve Temizleme, R modellerini eğitme için çeşitli algoritmalar kullanma, en iyi performanslı modeli seçme ve ücret tahminleri gerçekleştirme ve tahmin sonuçlarını SQL Server geri kaydetme adımlarını açıklar.This solution template walks through how to create and clean up a set of simulated data, use various algorithms to train the R models, select the best performant model and perform chargeoff predictions and save the prediction results back to SQL Server. Bir PowerBI raporu tahmin sonucu tablosuna bağlanır ve tahmine dayalı analiz üzerindeki kullanıcıyla etkileşimli raporlar gösterir.A PowerBI report connects to the prediction result table and show interactive reports with the user on the predictive analytics.

Veri bilimcisi perspektifiData Scientist Perspective

SQL Server R Services, veritabanını barındıran bilgisayarda R çalıştırarak verileri işleme getirir.SQL Server R Services brings the compute to the data by running R on the computer that hosts the database. SQL Server işlem dışında çalışan ve R çalışma zamanı ile güvenli bir şekilde iletişim kuran bir veritabanı hizmeti içerir.It includes a database service that runs outside the SQL Server process and communicates securely with the R runtime.

Bu çözüm, SQL Server makinesinde veri oluşturma ve iyileştirme, R modellerini eğitme ve Puanlama yapma adımlarını açıklar.This solution walks through the steps to create and refine data, train R models, and perform scoring on the SQL Server machine. Son tahmin sonuçları SQL Server depolanır.The final prediction results will be stored in SQL Server . Bu veriler daha sonra PowerBI 'da görselleştirilir ve bu da önümüzdeki üç ay için kredi ödeme Analizi ve geri ödeme tahmininin özetini içerir.This data is then visualized in PowerBI, which also contains a summary of the loan chargeoff analysis and chargeoff prediction for the next three months. (Bu şablonda, özelliği göstermek için sanal veriler gösterilir)(Simulated data is shown in this template to illustrate the feature)

Çözümleri test eden ve geliştiren veri bilimcileri, istemci makinesinde R IDE 'nin rahatlığını, işlem SQL Server makineyeitmekten daha kolay bir şekilde çalışabilir.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. Tamamlanmış çözümler, saklı yordamlarda R 'ye çağrılar katıştırarak 2016 SQL Server dağıtılır.The completed solutions are deployed to SQL Server 2016 by embedding calls to R in stored procedures. Bu çözümler daha sonra SQL Server Integration Services ve SQL Server aracılarıyla otomatik hale getirilebilir.These solutions can then be further automated with SQL Server Integration Services and SQL Server agent.

Otomasyon 'u test etmek için dağıt düğmesine tıklayın ve tüm çözüm Azure aboneliğinizde kullanıma sunulacaktır.Click on the Deploy button to test the automation and the entire solution will be made available in your Azure subscription.

FiyatlandırmaPricing

Dağıtım için kullanılan Azure aboneliğiniz, bu çözümde kullanılan hizmetler üzerinde tüketim ücretleri, varsayılan VM için yaklaşık olarak $1.15/saat olur.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.

Lütfen çözümü etkin bir şekilde kullanmadığınız durumlarda VM örneğinizi durdurduğunuzdan emin olun.Please ensure that you stop your VM instance when not actively using the solution. VM 'nin çalıştırılması daha yüksek maliyetler oluşturacak.Running the VM will incur higher costs.

Lütfen çözümü kullanmıyorsanız silin.Please delete the solution if you are not using it.