Backgrounds 84A1005
Credit Scoring

Credit Scoring for SAS Enterprise Miner

整合式評分卡開發、部署及監控,
有助於制定更好的決策

為了獲得最佳效力,關於信用風險的詳細知識,不應該鎖在複雜的試算表中。如此無法透過進階預測分析及商業智慧建構風險意識文化。企業必須完整掌握貸出投資組合的信用價值,以便迅速採取行動,因應市場變化、競爭壓力及總體的不穩定性。

Credit Scoring for SAS Enterprise Miner讓您精確即時地進行違約預測,簡化授信審核流程,改善催收管理,並減少商業風險暴險額。SAS 可以讓企業自行開發、部署及追蹤信用風險評分卡,不需仰賴外部信用模型服務,有助於降低外包支出、縮短開發週期並縮短內部發布重要資訊的時間。

streamline your credit approval processes.

Benefits

全方位的資料準備

SAS 能夠存取、轉換、清除及準備所有必備資料(包括第三方機構、申請、帳單支付及催收資料),節省時間及資源。內建的互動式節點支援許多探索、資料轉換、遺漏值插補、離群值分析及相關分析選項,無論資料大小, 均可快速且輕鬆的執行。

有效率的評分卡開發

SAS 提供快速彈性且經濟的系統,製作及部署信用評分卡,適用於所有類型的消費者貸出產品(包括帳戶、卡片、貸款、房貸),有助於制定更好的授信決策並減少損失。您可以匯出證據權重 (WOE) 變數或組別變數做為邏輯迴歸模型的輸入值,計算每個屬性的評分卡分數,也可以透過手動的方式將評分卡分數指派給不同屬性。

透過變數的選擇與處理迅速瞭解關係與行為

Credit Scoring for SAS Enterprise Miner有目的地審查資料,可輕鬆瞭解關係,並在線性模型中建構非線性相關。如此一來,使用者就可以控制開發程序,並讓其他人瞭解風險預測因子的行為趨勢。此節點還可篩選特徵,以便排除其他變數, 採用有潛力的預測變數。

自動產生拒絕資料集的目標變數

為了解決選樣偏差、不切實際的預期及對於模型過度適配的問題,SAS 提供三個業界認可的方法推論拒絕資料, 包括fuzzy augmentation、parceling及hard cutoff。針對已知母體及整個「通
過門戶」(through-the-door) 母體的模型執行情形,可以快速進行更完整的預測。

獲得更好的結果並提升顧客投資組合績效

分析與控制現有客戶投資組合的風險,並利用 SAS 的先進預測分析技術, 提升客戶招攬策略。此方法有助於進一步瞭解特定風險特徵,以及導致拖欠、違約與呆帳的原因。

Screenshots

Office background 2

Features

  • 彈性的資料準備及管理能力
  • 取得專利的最佳嚴格分組法
  • 資料分割節點
  • 互動式分組節點
  • 評分卡節點
  • 拒絕推論節點

Recommended Resources

News

台新銀行:
評分卡分析當道 服務細膩行銷精準

Read now

Back to Top