Credit Scoring for SAS^® Enterprise Miner^™

より優れた意思決定を支援するスコアカードを開発／導入／モニタリングするための統合環境

高度な予測分析機能と社内の専門知識を活用して、より優れた信用リスクモデルを効率よく構築、検証、展開することができます。延滞や債務不履行、不良債権につながる具体的なリスク特性を理解した上で、既存の消費者ポートフォリオに潜んでいるリスクを正確に評価およびコントロールできるようになります。その結果、与信承認プロセスの合理化や、獲得／維持／回収などの対顧客戦略の改善を推進することが可能になります。

利点

データ準備にかかる時間を短縮

与信判断の前提条件となる全てのデータ（例：信用調査機関、申込、請求・支払、回収などに関するデータ）のアクセス、変換、クレンジング、準備を一元的に行えるため、時間とリソースの節約が実現します。あらゆるサイズのデータセットを迅速かつ容易に調査し、パターン、変則性、欠損値を特定できます。また、標準装備の対話型のノード群には、探索、変換、欠損値補完、外れ値分析、相関分析のための幅広いオプションが用意されています。

スコアカードを迅速かつ容易に開発

預金口座、カード、一般ローン、住宅ローンなど、ほぼ全ての種類の消費者金融商品についてクレジット・スコアカードを作成・展開し、信用貸付判断の向上と損失の削減を追求できます。WOE（根拠の重み）変数、またはロジスティック回帰モデルへの入力としてエクスポートされるグループ変数のいずれかを用いて個々の属性に対するスコアカードポイントを計算できるほか、手動で属性にスコアカードポイントを割り当てることも可能です。

リレーションシップ（関係性）とビヘイビア（振る舞い）を理解

SASのソリューションでは目的に合わせて意図的にデータを打ち切るため、関係性が理解しやすく、また、線形モデルを用いて非線形の依存関係をモデル化するのも容易です。これにより、開発プロセスの統制が実現するほか、リスク予測子の振る舞いに関する洞察が得られます。対話型のグルーピングノードでは特性スクリーニングも可能であり、使用される予測変数と使用されない予測変数がある場合に役立ちます。

ターゲット変数を自動的に作成

選択バイアス、非現実的な予想、モデルへの過信に対する是正手段として、拒否されたデータを推定するための（業界でも認知されている）3種類の手法（ファジー法、パーセリング法、ハードカットオフ法）が用意されています。ユーザーは既知の集団と「ドアを通過してくる（through-the-door）」集団全体（例：新規申込者全員）の両方を対象にして、信用リスクモデルのパフォーマンスの推定を、より頑健な手法で素早く実行できます。