Одержану модель експерт може аналізувати, виявляючи її придатність. Це здійснюється за допомогою діаграми 'Якщо'. У ній можна побачити вплив на результат всього ряду значень будь-якого чинника при решті незмінних чинників і оцінити вірність даної залежності. Якщо модель поводиться неадекватно, то, можливо, що не враховані якісь чинники або недосить даних. Приведемо приклад таких залежностей оцінки кредитоспроможності від освіти позичальника (рис.3.8) і наявності у нього автомобіля (рис.3.9).
Рис.3.8. Аналіз одержаної моделі, залежність від освіти
Рис.3.9. Аналіз одержаної моделі, залежність від наявності автомобіля.
У даному прикладі залежності цілком відповідаю реальності: довіра до позичальника зростає при зменшенні його 'освіти' - особи з середньою освітою більш схильні до повернення кредиту. Також більше довіри до позичальника, що має автомобіль.
Перейдемо безпосередньо до класифікації потенційних позичальників за допомогою однієї з побудованих моделей. Для цього використовується інструмент 'Якщо'.
У ньому кінцевий користувач задає вхідні чинники - анкетні дані, а результатом є оцінка його кредитоспроможності (0 - позичальник напевно не поверне кредит, 1 - напевно поверне). Оцінка представлена на рис.3.10.
Рис.3.10. Оцінка кредитоспроможності потенційного позичальника.
Продуктивнішим буде груповий аналіз даних про потенційних позичальників. Принцип його проведення такий: з сховища витягуються дані про осіб, що звернулися за кредитом останнім часом. Згідно цим даним для кожного клієнта автоматично підбирається одна з побудованих моделей оцінки кредитоспроможності. Через моделі проганяються всі дані. Потім результати аналізу експортуються на сторону у вигляді звіту, тобто система регулярно сама видає оцінку потенційних позичальників.
Таким чином, основними перевагами системи є:
· Гнучка інтеграція з будь-якими стороннімі системами, тобто отримання інформації для аналізу і перенесення результатів не викликає проблем.
· Консолідація інформації про позичальників в спеціальному сховищі даних, тобто забезпечення централізованого зберігання даних, несуперечності, а також забезпечення всієї необхідної підтримки процесу аналізу даних, оптимізованого доступу, автоматичного оновлення даних, використовування при роботі термінів предметної області, а не таблиць баз даних.
· Широкий спектр інструментів аналізу, тобто забезпечення можливості експерту вибрати найбільш відповідний метод на кожному кроці обробки. Це дозволить найточніше формалізувати його знання в даній наочній області.
· Підтримка процесу тиражування знань, тобто забезпечення можливості співробітникам, що не розбираються в методиках аналізу і способах отримання того або іншого результату одержувати відповідь на основі моделей, підготовлених експертом. Так співробітник, що оформляє кредити, повинен ввести дані по споживачу і система автоматично видасть рішення про видачі кредиту або про відмову.
· Підтримка групової обробки інформації, тобто забезпечення можливості дати рішення за списком потенційних позичальників. З сховища автоматично вибираються дані по особах, що заповнили анкету вчора (або за який завгодно буферний період), ці дані проганяються через побудовану модель, а результат експортується у вигляді звіту (наприклад, у вигляді excel файлу), або експортується в систему автоматичного формування договорів кредитування або листів з відмовою в кредиті. Це дозволить заощадити час і гроші.
· Підтримка актуальності побудованої моделі, тобто забезпечення можливості експерту оцінити адекватність поточної моделі і, у разі яких або відхилень, перебудувати її, використовуючи нові дані.
Отже, для ефективного формування кредитного портфеля банкам необхідно узяти на озброєння передові технології здобуття знань і застосувати їх для оцінки потенційних позичальників. Завдяки цьому можна буде не боятися майбутньої конкуренції на цьому ринку. Підготовка рішення даного питання зараз дозволить обкачати саму процедуру і надалі уникнути помилок і витрат у зв'язку з масовим застосуванням таких підходів надалі.
Елементи умов праці
Характеристика умов
Склад повітря
Запилення
Ступень повітряного середовища
Шум
Метеорологічні умови (мікроклімат)
Температура повітря
Вологість повітря
Швидкість руху повітря
Освітленість
Природна освітленість
Штучна освітленість
Санітарно-гігієнічні фактори
Забезпечення нормальних гігієнічних умов
Забезпечення виробничої площиною
Психофізичні фактори
Режим праці та відпочинку
Монотонність праці
Естетичні фактори
Естетичне оформлення робочих місць
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20