使用 SQL Server 降低貸款信用風險

資料科學虛擬機器
SQL Server
Power BI

解決方案構想

如果您想要瞭解如何使用詳細資訊、實行詳細資料、定價指引或程式碼範例來擴充本文,請讓我們知道 GitHub 意見反應!

使用 SQL Server 2019 與 Machine Learning 服務時,貸款機構可以利用預測性分析,將其所提供的貸款數減少到最可能預設的借方,進而提高其貸款組合的獲利。

架構

架構圖表會 下載此架構的SVG

資料流程

啟動 Azure 資料科學虛擬機器的 Windows 或 Linux 版本。 連接到您的資料來源。 使用您慣用的 IDE 來開發 Python 和 R 模型。 當模型準備就緒時,將其發佈至 SQL Server、Azure Machine Learning 或 Power BI。

概觀

如果我們有 crystal 球,我們只會向我們知道會向我們收費的人收費。 貸款機構可以利用預測性分析,將他們提供的貸款數減少到最可能預設的借方,進而提高其貸款組合的 profitablity。 此解決方案使用小型個人貸款金融機構的模擬資料,建立一個模型來協助偵測借方是否會在貸款上預設為預設值。

商務觀點

商務使用者使用預測分數來協助判斷是否要授與貸款。 他會使用 Power BI 儀表板來查看貸款的數量,以及在不同案例下儲存的總金額,以微調預測。 儀表板包含以預測分數的百分位數為基礎的篩選準則。 當選取所有值時,他會在測試範例中查看所有貸款,並且可以檢查其中有多少預設值的相關資訊。 然後,藉由只檢查前百分 (100) 中的前百分位數,向下切入到前1% 中預測分數的貸款相關資訊。 檢查多個連續的方塊,可讓他找出他習慣的截止點,以作為未來的貸款驗收準則使用。

使用下方的 [ 立即試用 ] 按鈕來查看 Power BI 儀表板。

資料科學家的觀點

SQL Server Machine Learning 服務會藉由在裝載資料庫的電腦上執行 R 來將計算帶入資料。 它包含在 SQL Server 進程之外執行的資料庫服務,並與 R 執行時間安全地通訊。

此解決方案會逐步引導您建立及精簡資料、訓練 R 模型,以及在 SQL Server 電腦上執行評分。 SQL Server 中的最後計分資料庫資料表會為每個可能的借方提供預測分數。 然後,會在 Power BI 中將此資料視覺化。

測試和開發解決方案的資料科學家,可以從其用戶端電腦上的 R IDE 方便使用,同時將 計算推送至 SQL Server 機。 已完成的解決方案會藉由在預存程式中內嵌對 R 的呼叫,部署到 SQL Server 2019。 然後,您可以使用 SQL Server Integration Services 和 SQL Server 代理程式,進一步自動化這些解決方案。

使用下方的 [ 部署 ] 按鈕來建立虛擬機器,其中包含資料、R 程式碼、SQL 程式碼,以及包含完整解決方案的 SQL Server 2016 資料庫 (貸款) 。

單元

  • SQL Server Machine Learning 服務: SQL Server 儲存借貸和借方資料。 以 R 為基礎的分析提供定型和預測模型,以及預測的耗用量結果。
  • DSVM 提供互動式儀表板,其視覺效果使用儲存在 SQL Server 中的資料來推動預測的決策。
  • Power BI 提供具有視覺效果的互動式儀表板,以使用儲存在 SQL Server 中的資料來推動預測的決策。

另請參閱