您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

使用 SQL Server 预测贷款信用风险

Data Science Virtual Machine
SQL Server
Power BI

解决方案理念

如果想了解详细信息(例如潜在用例、替代服务、实现注意事项或定价指南)来扩展本文,请通过反馈GitHub告知我们!

将 SQL Server 2019 机器学习 与 机器学习 Services 一起使用,一家金融机构可以使用预测分析来减少他们向那些最有可能默认贷款的人提供的贷款数量,从而增加其贷款组合的盈利率。

体系结构

体系结构关系图 下载此体系结构的 SVG。

数据流

启动 Windows 或 Linux 版本的 Azure Data Science Virtual Machine。 连接到数据源。 使用首选的 IDE 开发 Python 和 R 模型。 模型准备就绪后,将其发布到 SQL Server、Azure 机器学习 或 Power BI。

概述

如果我们有一个圆球,我们只会将资金贷款给我们知道会还我们的人。 一家金融机构可以使用预测分析来减少他们向那些最有可能默认贷款的人提供的贷款数量,从而增加其贷款组合的盈利率。 此解决方案使用小型个人贷款金融机构的模拟数据,构建一个模型来帮助检测贷款人是否会默认贷款。

业务透视图

业务用户使用预测分数来帮助确定是否授予贷款。 他通过使用 Power BI 仪表板来微调预测,以查看不同情况下贷款的数量和节省的总美元金额。 仪表板包含基于预测分数的百分位的筛选器。 选择所有值后,他查看测试示例中的所有贷款,并可以检查有关其中有多少默认值的信息。 然后,通过仅检查 100 (百分位) ,他向下钻取到有关贷款的信息,预测分数在前 1%。 选中多个连续框可找到自己习惯用作未来贷款接受条件的截止点。

使用下面的 "立即试用"按钮查看Power BI仪表板。

数据科学家透视

SQL Server 机器学习服务在承载数据库的计算机上运行 R,将计算引入数据。 它包括一个数据库服务,该服务在 SQL Server外部运行,并与 R 运行时安全通信。

此解决方案逐步介绍如何在虚拟机上创建和优化数据、训练 R 模型SQL Server评分。 最后一个评分数据库表SQL Server为每个潜在资源提供预测分数。 然后,此数据在Power BI。

测试并开发解决方案的数据科学家可以在客户端计算机上利用其 R IDE 的便利工作,同时将计算推送到SQL Server计算机。 通过将对 R 的调用嵌入到存储过程,将已完成的解决方案部署到 2019 SQL Server 2019 年。 然后,可以使用 SQL Server Integration Services 和 SQL Server 代理进一步自动化这些解决方案。

使用 下面的"部署"按钮创建包含数据、R 代码、SQL 代码和包含完整解决方案的 SQL Server 2016 () 数据库的虚拟机。

组件

  • SQL Server 机器学习服务:SQL Server存储数据。 基于 R 的分析提供训练模型和预测模型,以及预测的消耗结果。
  • DSVM提供具有可视化效果的交互式仪表板,该仪表板使用存储在SQL Server数据来驱动预测决策。
  • Power BI交互式仪表板,其可视化效果使用存储在SQL Server数据来驱动预测决策。

另请参阅