SaaS Finance® - Sistema di Previsione per Richieste di Finanziamento

📋 Descrizione del Progetto

SaaS Finance® è un'applicazione web che utilizza machine learning per prevedere l'approvazione di richieste di finanziamento. Il sistema permette di inserire i dati di una nuova richiesta, visualizzare la probabilità di approvazione, importare richieste da fonti esterne, e analizzare statistiche dettagliate.

✨ Funzionalità Principali

• Previsione di Approvazione: Inserisci i dettagli di una richiesta e ricevi immediatamente una previsione sulla probabilità di approvazione.
• Gestione Richieste: Visualizza, filtra e ordina tutte le richieste di finanziamento.
• Dashboard Statistiche: Analizza i dati attraverso grafici interattivi e indicatori di performance chiave (KPI).
• Importazione Dati: Importa richieste di finanziamento da sistemi esterni.
• Esportazione Dati: Esporta i risultati in formato CSV, Excel o JSON.

💻 Tecnologie Utilizzate

• Backend: Python con Flask
• Database: SQLite con SQLAlchemy
• Frontend: HTML, CSS, Bootstrap 5
• Visualizzazioni: Chart.js
• Machine Learning: Modello pre-addestrato con scikit-learn

🔧 Setup dell'ambiente

1. Assicurati di avere Miniconda installato.
2. Apri un nuovo terminale dalla cartella del progetto.
3. Abilita conda-forge per poter scaricare tutti i pacchetti:

conda config --add channels conda-forge

conda config --set channel_priority strict

Per verificare che la configurazione sia stata effettuata correttamente:

conda config --show channels

4. Crea l'ambiente con:

conda env create -f environment.yml

Attiva l'ambiente:

conda activate its_test1

Avvia il progetto:

python app.py

Per chi preferisce pip:

pip install -r requirements.txt

🚀 Utilizzo dell'Applicazione

1. Pagina Principale: Compila il formulario con i dettagli della richiesta di finanziamento per ottenere una previsione istantanea.
2. Richieste: Visualizza tutte le richieste esistenti con possibilità di filtrarle e ordinarle per diversi parametri.
3. Statistiche: Esplora la dashboard interattiva con grafici e KPI per analizzare i trend delle richieste.
4. Importa: Importa nuove richieste dal sistema esterno con un semplice click.

🏗️ Struttura del Progetto

• static: File CSS, JavaScript e altri asset statici
• templates: Template HTML per le diverse pagine dell'applicazione
• model_scaler: Modello di machine learning e scaler preaddestrati
• db: Configurazione del database e definizione dei modelli
• app.py: File principale dell'applicazione Flask

📊 Modello di Previsione

L'applicazione utilizza un modello di machine learning preaddestrato per prevedere la probabilità di approvazione di una richiesta di finanziamento basandosi su:

• Dati demografici (età, sesso)
• Situazione economica (reddito, esperienza lavorativa)
• Dettagli del finanziamento (importo, scopo, tasso d'interesse)
• Storia creditizia (affidabilità, inadempienze precedenti)