Développement d'un dashboard interactif pour accéder à un outil de scoring décisionnel d'octroi de crédit bancaire. Ce dashboard devra permettre au personnel de la banque la restitution métier de l'appication de scoring ainsi que son explicabilité.
1- configurer l'environnement de travail : - créer d'un repo git pour le versionning du projet - créer et activer un environnement virtuel - installer les dépendances nécessaires dans le venv - récupérer les éléments clés pour le fonctionnement de l'api de scoring : - le modèle de scoring entraîné - les data de test pour inférer sur le modèle - les scripts relatifs au développement de l'api et aux tests de son fonctionnement - les éléments nécessaires à son deploiement sur le cloud : Dockerfile, requirements.txt - déployer l'api sur une solution cloud (Render) - tester le fonctionnement de l'api déployée via l'url publique
2- développer un dashboard interactif : - définir les spécifications du dashboard - élaborer la maquette du dashboard avec excalidraw - implémenter les scripts : -update des scripts python relatifs à l api -implementation des scripts Streamlit de développement du dashboard - organiser les éléments du dashboard et les graphs - intégrer l'api - tester le dashboard en local - déployer sur le cloud (Render)
3- assurer CI/CD et la veille technologique
Objectifs métier :
- filtrer et rechercher des dossiers clients
- pouvoir accéder rapidement aux predictions du modèle de scoring
- visualiser les scores et les probabilité de solvabilité des clients
- comprendre et justifier les décisions = explicabilité
Résultats attendus :
- résultat du scoring = décision + probabilité
- variables explicatives majeures du modèle
- explicabilité du score
1- Vue statistique globale du modèle (page_1/top bar):
- nbre total des demandes et répartition des taux acceptation / refus
- indicateurs de performance du modèle : drift / taux d'erreur / score_moyen_client
- feature importance globale
2- identification du client (page_2side bar):
- sélection d'un client via un ID
- score de solvabilité du client + décision
- affichage des caractéristiques principales du profil client (âge, revenus, dettes)
- affichage des caractéristiques principales de la demande (montant, échéance, annuité)
3- visualisation de la prédiction (page_2/central bar) :
- explicabilité locale : visualisation des principales features influentes sur la prédiction
- graphs du profil de risque du client :
- visualisation du profil client comparativement aux données globales (possibilité de sélectionner parmi les 5 features principales) / graph de distribution de la variable
- évaluation de la capacité d'endettement du client comparativement à la moyenne