开源技术 * IBM 微讲堂:Kubeflow 系列(观看回放 | 下载讲义) 了解详情

借助可视化分析信贷风险

摘要

此 Code Pattern 通过指导您检查与信贷风险相关的数据,展示了如何将 Watson™ Studio 与 Cognos® Analytics 集成。

概览

Cognos Analytics on Cloud 和 Watson Studio on Cloud 现在可以更好地协同工作。Cognos Analytics 用户现在可以连接到 Watson Studio 中更强大的数据科学功能:AutoAI、Jupyter Notebook 和 GPU。通过这种集成,数据科学团队和商业智能团队可以共享一个生态系统,以便充分利用其组织的数据。

将这两种产品集成,相当于在它们之间架起了一座桥梁,让数据研究员和业务分析人员能够在云端进行协作。数据研究员可以轻松地在 Watson Studio 中针对受管制的 Cognos 数据编写脚本,然后将结果分享到 Cognos 生态系统中。

本 Code Pattern 通过指导您检查与信贷风险相关的数据,展示了这种集成。您将使用 Watson Studio 和 IBM Watson Machine Learning 优化数据并构建模型。随后,使用该模型对新的信贷申请进行评分,以确定这些申请是否存在风险。然后,将结果输入到 Cognos Analytics 中,您可以在其中创建可视化,以便可以更深入地了解对申请人信誉度影响最大的因素。

流程

流程图

  1. 将信贷风险数据加载到 Cognos Analytics 中。
  2. 数据研究人员在 Watson Studio 中运行 Jupyter Notebook。
  3. 将 Cognos Analytics 中的数据加载到 Jupyter Notebook 中(将在 Jupyter Notebook 中准备和优化这些数据以进行建模)。
  4. Jupyter Notebook 使用 Watson Machine Learning 创建一个信贷风险模型。
  5. 根据该模型,对新的信贷申请进行评分,并将结果推送到 Cognos Analytics 中。
  6. 业务分析人员运行 Cognos Analytics 来呈现结果。

操作说明

可以在 README 中找到本 Code Pattern 的详细步骤。这些步骤将展示如何:

  1. 获得代码。
  2. 将数据文件上载到 Cognos Analytics。
  3. 创建一个新的 Watson Studio 项目。
  4. 在 Watson Studio 中建立一个 Cognos Analytics 连接。
  5. 创建一个数据访问令牌。
  6. 在 Watson Studio 中创建 Notebook。
  7. 向该 Notebook 中添加数据。
  8. 运行该 Notebook。
  9. 优化数据并创建一个数据模型。
  10. 使用 Cognos Analytics 连接写出数据。
  11. 在 Cognos Analytics 中呈现数据。

本文翻译自:Analyze credit risk through visualizations(2020-07-22)