SAS^® 企业级挖掘^™ 信用评分

缩短数据准备时间。

通过访问、转换、清理和准备所有必要的数据（包括第三方机构、应用程序、账单支付和收款数据）来节省时间和资源。快速轻松地检查各种大小的数据集的模式、异常和缺失值。内置的交互式节点为探索、转换、缺失值补缺、离群值分析和关联分析提供了许多选项。

快速轻松地制作记分卡。

为几乎所有类型的消费贷款产品（账户、信用卡、贷款、抵押贷款）创建和部署信用记分卡，从而做出更好的信用决策并减少损失。您可以使用 WOE 变量或分组变量（作为逻辑回归模型的输入导出）来为每个属性计算记分卡点，并且可以手动将记分卡点分配给属性。

了解关系和行为。

我们的解决方案专门检查数据，让您可以更轻松地理解关系，并使用线性模型对非线性依赖性进行建模。这使您可以控制开发流程，并深入了解风险预测因素的行为。该节点还可以筛选特征，从而使用潜在的预测变量，而不使用其他变量。

自动创建目标变量。

作为选择偏见、不切实际的期望和模型过度自信的一种补救措施，我们提供了三种行业公认的推断拒绝数据的方法 – 模糊增强、打包和硬截止。您可以快速地对信用风险模型在已知人群和整个“门户”人群的表现进行更可靠的估计。

• 灵活的数据准备和管理。
• 屡获殊荣的预测分析。
• 获得专利的最佳严格分箱方法。
• “数据分区”节点。

• “交互式分组”节点。
• “记分卡”节点。
• “拒绝推断”节点。
• 与 SAS 银行信用评分无缝集成。