Детальная информация

Название: Внедрение машинного обучения в систему управления рисками микрофинансовой организации: выпускная квалификационная работа бакалавра: 38.03.05 - Бизнес-информатика
Авторы: Фоминов Антон Александрович
Научный руководитель: Лёвина Анастасия Ивановна
Другие авторы: Багаева Ирина Владимировна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: скоринг; методы анализа данных; оценка кредитоспособности заемщика; микрофинансовая организация; scoring; data analysis methods; evaluation of the borrower credit capacity; microfinance organization
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 38.03.05
Группа специальностей ФГОС: 380000 - Экономика и управление
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-5104
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

В работе формулируются предложения по внедрению автоматизированного решения в области скоринга-оценки кредитоспособности заемщиков в деятельность микрофинасовой организации. Рассматриваются технологии анализа данных, на которых построены модели скоринга, делается выбора в пользу моделей, построенных на методах машинного обучения. Рассматриваются различные варианты решения и делается выбор в пользу SaaS: «Скоринг для МФО 2.0» компании Эквифакс Рассчитан экономический эффект от внедрения решения в деятельность компании, по результатам анализа сделаны выводы: количество невозвращенных кредитов уменьшилось, убытки компании, связанные с невозвратом также сократились, улучшилось качество обслуживания.

The paper considers proposals for the implementation of automated solutions in the field of scoring and creditworthiness for the activities of microfinance organizations. We consider the methods of data analysis, which were chosen in favor of models built on the elements of machine learning. SaaS: “Scoring for MFI 2.0” by Equifax Based on the results of the analysis, conclusions were made: the number of unpaid loans decreased, the losses of companies related to non-repayment also decreased, the quality of service improved.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 28
За последние 30 дней: 0
Подробная статистика