Pyspark+tensorflow-信用贷款数据分析实战（二）——业务理解

2.业务理解

根据什么指标（变量）预测客户是否会欠贷？

• 建立客户的违约模型，就需要确定变量X对违约状态Y的影响以及之后用到预测，这种根据属性，状态，行为来构建变量，是很低效的。

• 就算使用几千个几万个变量加上一定的算法构建出来了一个模型，这种模型是没有价值的

• 所以要对违约这个业务情况进行分析：
  

• 违约收益：借了一万，打死不还钱，赚了1万

• 违约成本：不还款就会有成本（征信，信用，名誉等等）

• 违约临界点：交点

信用评级不需要关注违约收益，信用评级中每个人的违约成本是不一样的，所以重点就是找指标来反映违约成本

• 审批前：得到借款后收益比成本高，还款意愿就会不足，就有可能违约。

  • 还款意愿不足是由于：故意不还款

• 放贷后：如果经济条件恶化，还款能力就会不足，就有可能违约。

  • 还款能力不足是由于：1.欲望大于能力2.没有稳定工作3.生活状态不稳定

• 上述的这些理由肯定在数据表里面不会存储，需要通过一些存在在表中的变量来反映：

比如：

• 资产余额反映还款能力是否不足

• 收支平衡反映欲望是否大于能力

• 资产余额的波动率、平均资产余额、资产余额的变异系数反映生活状态是否稳定
  
  如需数据：请添加QQ1240929749，备注：csdn数据