csv导入mysql_综合使用Excel、Mysql、R语言进行信用卡客户用户画像

(一) 导入mysql数据库 并对数据维度进行初步观察

查看数据结构：

desc clients;
desc card;
desc trans;
desc disp;

生出各表格数据维度思维导图：

将具有相关性的表格利用外键建立联结:

alter table card add FOREIGN key (disp_id) REFERENCES disp (disp_id);
alter table disp add foreign key (client_id) REFERENCES clients (client_id);
alter table disp add FOREIGN key (account_id) REFERENCES trans (account_id)

分析思路：查看与信用卡用户相关的各个维度，分析分为两部分 ：1.总体情况：信用卡办卡总体时间趋势、卡类型对比。2.用户属性：性别、地区编码、年龄、账户情况

（一）、信用卡办卡总体情况--办卡情况随时间变化趋势图、卡类占比

a.在carde.csv表中生成"信用卡发卡情况透视表",并绘制“发卡总量随时间的变化趋势图”

如下：

现象描述：从图中可以看出从93-98年信用卡总体办卡量持续增长，青年卡在1997年的发行量同比降低，但总体为上升趋势，增长幅度排名 ：普通卡>青年卡>金卡

b.不同类型卡总发行量占比情况

现象描述：总体发卡量占比排名为：普通卡 > 青年卡 > 金卡,其中普通卡占比接近总发卡量的3/4。

（二）、用户属性--性别、地区、年龄、经济

#在navicat 中执行mysql查询条件 查询 card_id、clirnt_id、sex、district_id、issued、type等数据

select DISTINCT c.* ,ca.* from clients as c join disp on c.client_id =disp.client_id join card as ca on ca.disp_id = disp.disp_id ;

并导出为csv格式，利用数据透视表绘制相关图形

a.不同卡类型的性别比较堆积图

现象描述：普通卡和青年卡 男女性比例较为均衡，基本为1：1；金卡的男性持有者比例相较女性持有者明显更多

b.不同卡类型的地区比较条形图

现象描述：办卡最多的地方为地区1，比其他地区多了差不多4倍，其次为地区70和74，各地区均为普通卡最多，大多数地方青年卡多于金卡，地区33、60和70的金卡显著高于青年卡

c.不同可类型用户年龄对比箱线图

利用excel公式：计算办卡人办卡时的年龄，利用R语言绘制年龄箱线图。

xyk <- read.csv("信用卡数据.csv",header=T)#在Rstudio导入相关csv数据表
head(xyk)
str(xyk)
xyk$birth_date <- ymd(xyk$birth_date)
xyk$issued <- ymd(xyk$issued)
p <- ggplot(data=xyk, aes(x=type,y=age))+geom_boxplot(aes(fill=type))+scale_y_continuous(breaks=seq(10, 80, 10))
p

现象描述：普通卡持卡年龄在20-80之间 ，年龄跨度较大，金卡的持有者年龄主要集中在25-65岁之间；而青年卡则普遍集中在25岁以内，卡类型设计与目标对象相符。

在mysql中查询trans表中account相关的数据，计算办卡一年前用户的账户余额：

create 

d.办卡前一年持卡人账户余额箱线图

利用R语言绘制办卡前一年用户账户余额箱线图：

> 

现象描述：金卡持有者的办卡前一年的 平均余额 集中在5万-6.5万ia之间是要显著高于 普通卡 和 青年卡 的，普通卡持卡者在办卡前一年的账户余额集中在4.5万-5.5万之间，青年卡持卡者在办卡前一年的账户余额集中在4.5-5万卡类型设计与目标对象相符。

结论：

1、各种卡的持有者与卡类型设计目标对象基本一致，

2、普通卡持有者特征较弱，男性女性持平，年龄跨度较大，集中地区1，其他地区差别不大。

3、金卡持有者男性多于女性，集中在地区1、33、60和70，少量地区没有金卡持有者，金卡持卡人账户余额较多，但是有低于20000甚至5000的异常值，需要关注是否资质审核存在漏洞。

4、青年卡持有者男性女性持平，同样集中在地区1，其次是地区36，其他地区差别不大，基本每个地区都有青年卡持有者，年龄基本在20以内，有少量小于15岁的未成年人，需要关注审核资质是否需要完善，账户余额较少，符合青年人的身份。