Credit Scoring for SAS® Enterprise Miner™
การผสาน การปรับใช้ และการติดตามดัชนีชี้วัดเพื่อการตัดสินใจที่ดีขึ้น
สร้าง พิสูจน์ และปรับใช้แบบจำลองความเสี่ยงด้านเครดิตได้ดีขึ้น โดยใช้การวิเคราะห์เชิงคาดการณ์ขั้นสูงและผู้เชี่ยวชาญในองค์กร ประเมินและควบคุมความเสี่ยงได้อย่างแม่นยำภายในพอร์ตโฟลิโอของลูกค้าที่มีอยู่ โดยทำความเข้าใจลักษณะความเสี่ยงนั้นๆ ที่นำไปสู่การผิดนัดชำระหนี้ และหนี้เสียที่เกิดขึ้น กำหนดขั้นตอนการอนุมัติผลิตภัณฑ์สินเชื่อ และปรับปรุงกลยุทธ์การเข้าถึงลูกค้าใหม่ การรักษาฐานลูกค้าเก่า และการเก็บชำระหนี้
ประโยชน์ที่ได้รับ
ซึ่งช่วยลดเวลาในการเตรียมข้อมูลของคุณลง
ประหยัดเวลาและทรัพยากรโดยการเข้าใช้ข้อมูล แปลงข้อมูล กรองข้อมูล และเตรียมข้อมูลทั้งหมดที่กำหนดไว้ล่วงหน้า โดยรวมถึงข้อมูลเครดิตบูโร ข้อมูลใบสมัคร ข้อมูลการชำระบิล และข้อมูลการทวงถามหนี้ สามารถตรวจสอบชุดข้อมูลได้อย่างง่ายดายในทุกๆ รูปแบบ ทุกความผิดปกติ และค่าสูญหายได้อย่างรวดเร็ว โดยมีโหนดภายในแบบอินเตอร์แอคทีฟที่เสนอตัวเลือกมากมายในการสำรวจ แปลง และการประมาณค่าข้อมูลที่สูญหายไป (missing value imputation) การวิเคราะห์เส้นเค้าร่าง และการวิเคราะห์เชิงสหสัมพันธ์
พัฒนาscorecards ได้อย่างรวดเร็วและง่ายดาย
สร้างและติดตั้งดัชนีชี้วัดเครดิตสำหรับลูกค้าทุกประเภทในผลิตภัณฑ์สินเชื่อ รวมถึง บัญชีต่าง ๆ บัตรเครดิต เงินกู้ การผ่อนชำระที่อยู่อาศัย ที่นำไปสู่การตัดสินใจด้านเครดิตที่ดีขึ้นและความสูญเสียที่ลดน้อยลง โดยคุณสามารถคำนวณคะแนนดัชนีชี้วัดของแต่ละattributeด้วยตัวแปร WOE หรือตัวแปรกลุ่มที่ส่งออกไปเป็นอินพุตของแบบจำลอง Logistic regression นอกจากนี้ คุณยังกำหนดคะแนนดัชนีชี้วัดให้กับattributeต่าง ๆ ได้ด้วยตัวคุณเอง
สามารถเข้าใจความสัมพันธ์และพฤติกรรมต่างๆ
จุดประสงค์ของโซลูชั่นของเราจะเซนเซอร์ข้อมูลเพื่อให้คุณเข้าใจความสัมพันธ์และความเกี่ยวเนื่องแบบจำลอง Non Linear กับแบบ Linear ได้โดยง่าย และสิ่งนี้เองที่จะให้คุณควบคุมขั้นตอนการพัฒนาและให้ข้อมูลเชิงลึกในส่วนพฤติกรรมในการคาดการณ์ความเสี่ยง โหนดเองก็จะคัดลักษณะเพื่อว่าจะใช้ตัวแปรการทำนายได้ในขณะที่ไม่สามารถใช้ตัวแปรอื่น ๆ ได้
จัดทำตัวแปรเป้าหมายแบบอัตโนมัติ
เพื่อเป็นการลดอคติในการเลือก เช่น ความคาดหวังที่เกินจริงและความเชื่อมั่นในแบบจำลองมากเกินไป เราจึงนำเสนอวิธีการที่ยอมรับกันในอุตสาหกรรมอยู่ 3 วิธี คือ infer rejected data, fuzzy augmentation, parceling และ hard cutoff นอกจากนี้ คุณยังสามารถประเมินได้ว่าแบบจำลองด้านความเสี่ยงของคุณ สามารถประเมินกลุ่มลูกค้าที่รู้จักแล้วเป็นอย่างดี หรือกลุ่มลูกค้าทั้งหมดที่สมัครเข้ามาในช่วงเวลานั้น (through-the-door)
ภาพหน้าจอ
คุณสมบัติ
- การเตรียมข้อมูลและการจัดการข้อมูลได้อย่างยืดหยุ่น
- การวิเคราะห์เชิงคาดการณ์ที่ได้รับรางวัล
- Patented optimal rigorous binning method
- โหนดการแบ่งข้อมูล (Data partition node)
- โหนดการจัดกลุ่มแบบอินเตอร์แอคทีฟ (Interactive grouping node)
- Scorecard node
- โหนดปฏิเสธการอนุมาน (Reject inference node)
- การผสานเข้ากับ SAS® Credit Scoring for Banking
ข้อมูลทางเทคนิค
SAS ให้สภาพแวดล้อมภายในที่สามารถควบคุมความเสี่ยงด้านเครดิตได้ทั้งหมด และเราใช้เทคนิค data mining และการวิเคราะห์ทางสถิติที่ซับซ้อน รวมถึงการพัฒนาแบบจำลองอย่างรวดเร็วและอย่างแม่นยำ เพื่อประเมินและควบคุมความเสี่ยงภายในพอร์ตโฟลิโอปัจจุบันของคุณ