نظام تحليل ائتماني شامل ومراقبة مخاطر القروض البنكية باستخدام Power BI

في هذا المشروع، قمت بتطوير حل تحليلي متكامل للقطاع المصرفي يهدف إلى مراقبة محفظة قروض ضخمة بقيمة تزيد عن 435 مليون دولار. يركز التقرير على قياس جودة الائتمان، وتحديد القروض المتعثرة، وتحليل الاتجاهات الشهرية لمساعدة مديري المخاطر في اتخاذ قرارات تمويلية مدروسة.

تفاصيل المشروع (دراسة الحالة):

1. المشكلة (The Challenge):

واجه القسم المالي تحديات في الحصول على رؤية فورية ودقيقة لأداء محفظة القروض نتيجة ضخامة البيانات وتعدد المتغيرات، مما أدى إلى:

- صعوبة التمييز اللحظي بين القروض الجيدة (Good Loans) والسيئة (Bad Loans) لتقييم المخاطر.

- غياب المقارنة الدقيقة بين مبالغ التمويل الممنوحة (Funded Amount) والمبالغ المحصلة فعلياً (Received Amount).

- تحدي في مراقبة النمو الشهري (MoM) وتقلبات نسب الفائدة ومعدلات الدين (DTI).

2. الحل (The Solution):

قمت بتصميم تقرير مالي ديناميكي يتكون من ثلاث طبقات تحليلية:

- الملخص (Summary): عرض حي لـ KPIs الأساسية مثل إجمالي الطلبات (38.6K) وإجمالي المبالغ الممولة (435.8M) مع مؤشرات النمو الشهري (MTD).

- تصنيف جودة الائتمان: برمجة نظام فرز آلي صنف القروض إلى قروض جيدة بنسبة (83.3%) وقروض متعثرة بنسبة (16.7%)، مع تحليل مالي منفصل لكل فئة.

- التحليل التفصيلي (Details): بناء جدول بيانات تفاعلي يتيح استعراض بيانات كل قرض على حدة (درجة الائتمان Grade، الغرض من القرض، وحالة السكن).

- تتبع الاتجاهات والنمو: استخدام التحليل الزمني لمراقبة تدفقات السيولة ومعدل طلبات القروض شهرياً.

3. الأدوات والتقنيات المستخدمة:

- Microsoft Power BI: لتصميم واجهات تفاعلية متطورة (Professional UI/UX).

- DAX المتقدم: برمجة معادلات مالية معقدة لحساب (MoM Growth, MTD Total Received, Bad Loan Percentage).

- Power Query: لمعالجة البيانات المصرفية الخام وضمان توافق أنواع البيانات المالية والتواريخ.

- Data Modeling: بناء نموذج بيانات (Star Schema) يربط بين حالات القروض وتصنيفات الائتمان لضمان سرعة الفلترة ودقة النتائج.