Plateforme d'intelligence Databricks pour FSI : Décision de crédit

La plateforme d'intelligence Databricks est une architecture ouverte qui combine les meilleurs éléments des lacs de données et des entrepôts de données. Dans cette démo, nous vous montrerons comment construire un système de décision de crédit de bout en bout pour les clients sous-bancarisés, fournissant des données et des informations qui prendraient généralement des mois d'effort sur les plateformes héritées.

Cette démo couvre la plateforme lakehouse de bout en bout :

• Ingestez à la fois des données internes et partenaires, puis transformez-les à l'aide de Delta Live Tables (DLT), un cadre ETL déclaratif pour construire des pipelines de traitement de données fiables, maintenables et testables
• Sécurisez nos données ingérées pour garantir la gouvernance et la sécurité sur les données PII
• Construisez un modèle d'apprentissage automatique avec Databricks AutoML pour identifier les clients dignes de crédit
• Utilisez Databricks SQL et les points de terminaison de l'entrepôt pour construire un tableau de bord afin d'analyser les données ingérées et expliquer les résultats du modèle d'apprentissage automatique
• Orchestrez toutes ces étapes avec Databricks Workflows

 

Pour installer la démo, obtenez un espace de travail Databricks gratuit et exécutez les deux commandes suivantes dans un carnet Python

Dbdemos est une bibliothèque Python qui installe des démonstrations Databricks complètes dans vos espaces de travail. Dbdemos chargera et démarrera des carnets de notes, des pipelines Delta Live Tables, des clusters, des tableaux de bord Databricks SQL et des modèles d'entrepôt... Voir comment utiliser dbdemos

 

Dbdemos est distribué en tant que projet GitHub.

Pour plus de détails, veuillez consulter le GitHub fichier README.md et suivez la documentation.
Dbdemos est fourni en l'état. Voir le Licence et Notice pour plus d'informations.
Databricks n'offre pas de support officiel pour dbdemos et les ressources associées.
Pour tout problème, veuillez ouvrir un ticket et l'équipe de démonstration examinera sur une base de meilleur effort.