Databricks Intelligence Plattform für FSI: Kreditentscheidung

Die Databricks Intelligence Platform ist eine offene Architektur, die die besten Elemente von Data Lakes und Data Warehouses kombiniert. In dieser Demo zeigen wir Ihnen, wie Sie ein End-to-End-Kreditsystem für unterversorgte Kunden aufbauen können, das Daten und Erkenntnisse liefert, die normalerweise monatelange Arbeit auf veralteten Plattformen erfordern würden.

Diese Demo behandelt die End-to-End-Lakehouse-Plattform:

• Nehmen Sie sowohl interne als auch Partnerdaten auf und transformieren Sie diese mit Delta Live Tables (DLT), einem deklarativen ETL-Framework zum Aufbau zuverlässiger, wartbarer und testbarer Datenverarbeitungspipelines
• Sichern Sie unsere eingegebenen Daten, um Governance und Sicherheit auf PII-Daten zu gewährleisten.
• Erstellen Sie ein maschinelles Lernmodell mit Databricks AutoML, um kreditwürdige Kunden zu identifizieren
• Nutzen Sie Databricks SQL und die Warehouse-Endpunkte, um ein Dashboard zu erstellen, mit dem Sie die eingeflossenen Daten analysieren und die Ausgaben des maschinellen Lernmodells erklären können.
• Koordinieren Sie all diese Schritte mit Databricks Workflows

Um die Demo zu installieren, besorgen Sie sich eine kostenlose Databricks-Arbeitsumgebung und führen Sie die folgenden zwei Befehle in einem Python-Notebook aus.

%pip installieren Sie dbdemos

importiere dbdemos
dbdemos.installiere('lakehouse-fsi-credit')

Dbdemos ist eine Python-Bibliothek, die vollständige Databricks-Demos in Ihren Arbeitsbereichen installiert. Dbdemos lädt und startet Notebooks, Delta Live Tables Pipelines, Cluster, Databricks SQL Dashboards und Warehouse-Modelle... Siehe wie man dbdemos verwendet

Dbdemos wird als GitHub-Projekt bereitgestellt.

Für weitere Details, bitte sehen Sie sich die GitHub README.md Datei an und folgen Sie der Dokumentation.
Dbdemos wird so bereitgestellt, wie es ist. Siehe die Lizenz und Hinweis für weitere Informationen.
Databricks bietet keinen offiziellen Support für dbdemos und die zugehörigen Assets.
Bei Problemen, bitte ein Ticket öffnen und das Demo-Team wird sich nach bestem Bemühen darum kümmern.