数据分析案例

数据分析报告撰写

                             ———手机APP数据

背景介绍

2015年1月5日，人民银行批准八家机构进行数据的收集。此后，中国个人征信行业进入高速发展期，征信人口覆盖率达50%，每人每年查询个人征信报告的次数为5，查询服务单价为25元，从而，征信市场未来规模约855亿元。什么是征信?简单而言，市民小强买新出的BMW，问题钱不够，便找银行贷款。银行找来帮手——征信机构，征信机构根据小强在日常消费、事业单位、相关政府部门中的个人基本信息、支付、借还款等信息，对小强进行征信评分或评级，这就是征信的基本内容。如下为征信流程：

 

征信发挥着重要基础作用。征信降低了交易中存在参与双方信息不对成而带来的交易风险，从而起到风险判断和揭示的作用。同时，征信促成信用交易的达成，促进金融信用产品和商业信誉产品的创新，在互联网飞速发展下，有效矿大信用交易的范围和方式，带动信用经济规模的扩张。征信将信息价值最大化，通过专业化的信用信息的服务，更快更准确做出决策，提高经济主体的运行效率。而征信业是社会信用体系建设的重要组成部分，发展征信业有助于遏制不良信用行为的发生，保障守信者利益，促进社会良好和谐的经济秩序，完善社会信用体系建设。

信用数据源的割裂是征信领域的主要问题。P2P行业的信用数据获取渠道极其有限，个人信用数据部分依靠借款用户自行提交，部分依靠平台上门征集，造成运营成本压力和管理压力。事业单位、相关政府部门的数据之间的交叉融合非常少，较为分散。大数据的兴起，利用我国互联网、移动互联网用户规模大的优势，有效填补了信用数据问题。其中，APP数据尤为重要。智能手机的普及，使得APP数据来源具备普遍性，覆盖人群广。手机上网比例，大众花在浏览APP的时间日平均3小时。而APP的成为大众消费、贷款、办公等个人或办公信息交流的平台。获得APP数据的合法需求和可允许要求低，APP数据的获取渠道多，自由获取，数据的规模可控，时效性非常强，真实可信，可用性高，价值高。手机APP数据纳入征信体系，能减轻数据获取成本，促进大数据风险控制的发展和信用信息共享，打破“数据孤岛”的僵局，为其提供一个契机，更有望促进我国征信体系发展，为建设我国信用社会提供有力支持。

数据说明

APP得分数据集由包含一个用户的手机设备号，基础信息和一系列APP的安装情况的原始数据集计算得到。数据集共1000条观测，每条观测表示一个用户的APP得分，共11个变量，变量具体说明如表1-1

表1-1

变量类型		变量名	详细说明	取值范围	备注
因变量		是否按期还款	定性数据 共两个水平	违约：0 不违约：1	违约率20%
自变量	用户信息	性别	定性数据 共两个水平