知識星球
筆者邀請您，先思考：
1 信用評分卡如何實施？
“知識不是力量，知識的實施就是力量。” – 評分卡或信貸策略的真正好處僅在實施時明顯。 CRISP-DM框架的最後階段 – 實施 – 代表從資料科學領域向資訊科技領域的轉變。 因此，責任角色也從資料科學家和業務分析師轉變為系統和資料庫管理員和測試人員。
在評分卡實施之前，必須採取一些技術決定。 這些決定涉及資料可用性; 選擇使用哪種硬體和軟體; 誰負責評分卡實施，誰負責評分卡維護; 以及生產是內部還是外包。
評分卡實施是一個順序過程，一旦評分卡模型被業務認可，就會啟動。 該過程從評分卡部署程式碼的生成開始，導致預生產，生產和後期生產。
圖1.評分卡實施階段
部署程式碼
部署程式碼是透過將概念模型（例如模型方程或評分卡的表格形式）轉換為準備在伺服器上執行的等效軟體工件來建立的。 模型執行的實現平臺可以識別部署語言，例如，可以是SAS語言（圖2），SQL，PMML或C ++。 編寫模型部署程式碼可能容易出錯，並且由於需要大量程式碼最佳化週期來生成部署程式碼，因此通常會成為瓶頸。 一些分析供應商在其軟體中提供了自動程式碼部署功能 – 這是一種理想的功能，能夠生成無錯程式碼，縮短部署時間並縮短程式碼測試週期。
圖2.使用World程式設計軟體自動生成SAS語言部署程式碼
評分卡實現無論是在生產伺服器上進行測試還是在實時評分的生產伺服器上，都需要在模型部署程式碼周圍放置一個API包裝器，以便處理模型評分的遠端請求。由內部和外部資料源提供的模型輸入可以在評分引擎的外部或內部提取。 前者在計分引擎外執行變數提取，並將變數作為API請求的引數傳遞。 後者如圖3所示，在評分引擎內執行預處理程式碼，併在同一個引擎上進行變數抽取和模型評分。
圖3.使用API呼叫的實時評分
預生產和生產
預生產是用於在將模型提交到（實時）生產環境之前執行一系列測試的環境。這些測試通常是模型評估和有效性測試，測量預期峰值負載下的請求和響應時間的系統測試，或安裝和系統配置測試。
經過徹底測試和認可的模型會上傳到生產環境 – 最終目的地。執行在生產伺服器上的模型可以處於主動或被動狀態。活躍模型是冠軍模型，其分數在決策過程中實時用作信用批准或拒絕。被動模型通常是決策制定過程中尚未使用的模型，但其分數在成為活躍模型之前在一段時間內進行記錄和分析以證明其商業價值。
監測
“如果你無法衡量它，你無法改進它。（Lord Kelvin）
隨著時間的推移，每一個模型都會隨著時間的推移而退化，因為自然模型演化的結果會受到許多因素的影響，包括新產品釋出，營銷激勵或經濟漂移等，因此常規模型監測是勢在必行，以防止對業務造成任何負面影響。
模型監控是實施後測試，用於確定模型是否繼續符合預期的效能。需要事先設定IT基礎架構，以便透過生成模型報告，儲存報告的儲存庫和監視儀錶板來實施監視。
圖4.模型監測過程
例如，模型報告可用於確定新申請人的特徵是否隨時間而變化;確定是否需要更改分數截止值以調整接受率或違約率;或者確定評分卡是否以與在不同風險帶上對建模群體進行排名的相同的方式來對客戶進行排名。
通常使用預定義的閾值捕獲評分卡退化。根據變化的大小，採取相關的行動。例如，評分卡效能指標中的細微變化可以忽略不計，但適度的變化可能需要更頻繁的監控或評分卡重新校準。任何重大更改都需要重建模型或切換到效能最佳的替代模型。
信用風險部門可以獲得大量報告，包括各種漂移報告，績效報告和投資組合分析（表1）。兩個最典型的報告的例子是群體穩定性和效能跟蹤。群體穩定性衡量群體中信用評分隨時間的變化。穩定性報告會生成一個指標，顯示群體變化導致的客戶行為變化幅度。任何重大轉變都會建立一個請求模型重新設計的警報。效能跟蹤報告是後端報告，需要足夠的時間讓客戶賬戶成熟，以便評估客戶的表現。其目的是雙重的;首先，它透過評估評分卡是否仍然能夠按風險對客戶進行排名來測試評分卡的功能，其次，它透過比較建模時已知的預期違約率與當前違約率來測試準確性。
表1.評分卡監控報告
模型監控面臨的挑戰是變更請求與其實施之間的時間延遲。 生產環境中執行的每個模型（圖1）的監控流程任務的複雜性（包括生成報告，訪問相關資料源，模型管理，報告排程程式，模型降級警報和視覺化報告的程式碼）是一個苛刻和挑戰性的過程。 這是貸款人將模型監控能力外包或投資於自動化流程的主要動機，這種自動化流程透過最少的人力來促進模型監控。
系列之前：信用評分：第8部分 – 信用風險策略
系列之後：信用評分：第10部分 – 更大的圖景 – 企業決策管理系統
作者：
Natasha Mashanovich,
Senior Data Scientist at World Programming,
UK
原文連結：https://www.worldprogramming.com/blog/credit_scoring_pt9
版權宣告：作者保留權利，嚴禁修改，轉載請註明原文連結。
資料人網是資料人學習、交流和分享的平臺http://shujuren.org 。專註於從資料中學習到有用知識。
平臺的理念：人人投稿，知識共享；人人分析，洞見驅動；智慧聚合，普惠人人。
您在資料人網平臺，可以1）學習資料知識；2）建立資料部落格；3）認識資料朋友；4）尋找資料工作；5）找到其它與資料相關的乾貨。
我們努力堅持做原創，聚合和分享優質的省時的資料知識！
我們都是資料人，資料是有價值的，堅定不移地實現從資料到商業價值的轉換！
加入資料人圈子或者商務合作，請新增筆者微信。
點選閱讀原文，進入資料人網，獲取資料知識。
公眾號推薦：
鏈達君，專註於分享區塊鏈內容。
腳印英語，專註於分享英語口語內容。
