一、获取数据
2.1 数据获取
数据的获取途径主要有两个:
- 金融机构自身字段:例用户的年龄,户籍,性别,收入,负债比,在本机构的借款和还款行为等;
- 第三方机构的数据:如用户在其他机构的借贷行为,用户的消费行为数据等。
申请评分卡常用的特征
- 个人信息: 学历、 性别、 收入
- 负债信息: 在本金融机构或者其他金融机构负债情况
- 消费能力: 商品购买纪录、出境游、奢侈品消费
- 历史信用记录: 历史逾期行为
- 新兴数据: 人际社交、 网络足迹、 出行 、个人财务
每一行代表一个样本(一笔成功成交借款),每个样本包含228多个各类字段
本项目一共三个表,下面分别介绍各个表的重要特征字段
Master
Idx: 每一笔贷款的unique key,可以与另外2个文件里的idx相匹配。
UserInfo_: 借款人个人基础信息,例如学历,性别等
WeblogInfo_ : Weblog网络行为相关信息
Education_Info*: 学历学籍相关信息字段
ThirdParty_Info_PeriodN_* : 第三方数据时间段N字段
SocialNetwork_* : 社交网络字段
LinstingInfo : 借款成交时间
Target: 违约标签(1 = 贷款违约,0 = 正常还款)
Log_Info:借款人登录信息
idx: 每一笔贷款的unique key
ListingInfo : 借款成交时间
LogInfo1 : 操作代码
LogInfo2: 操作类别
LogInfo3: 登陆时间
Userupdate_Info:借款人修改的字段信息
idx: 每一笔贷款的unique key
ListingInfo1 : 借款成交时间
UserupdateInfo1: 修改内容
UserupdateInfo2 : 修改时间
2.2 EDA(探索性数据分析)
该步骤主要是获取数据的大概情况,例如每个字段的缺失值情况、异常值情况、平均值、中位数、最大值、最小值、分布情况等。以便制定合理的数据预处理方案。