分析案例：贷款逾期分析

​

 

通过具体的项目案例，学习面对数据，如何去分析的思路。

 

下面内容来自社群会员的项目作业。带着下面问题去学习这个案例：

 

1）是如何展开分析思路的？

2）分析维度有哪些？

3）如何用数据验证提出问题的？

4）分析得出哪些结论？

5）提出了哪些有效的建议？

 

---

 

一、背景描述

 

目前本人在某消费金融任职，虽然公司在信贷评估业务上有基于其他金融机构的大数据风控，如信用卡申请次数、网贷逾期记录等，但是业务量小，还未对公司客户群体进行逾期分析。

 

因此想借助互联网，接触庞大的用户群，通过案例来锻炼分析能力。对逾期用户的行为特征进行分析，给出逾期用户的行为特征画像，为降低逾期，风险前置提出有建设性的意见。

 

二、案例数据

 

本数据是某平台2016年的贷款数据，来自kaggle平台

(https://www.kaggle.com/skihikingkevin/online-p2p-lending)

 

数据集具体字段如下：

 

 

三、提出问题

 

用户画像的核心工作是给用户贴“标签”，而“标签”是能表示用户某一维度特征的标识，主要用于业务的运营和数据分析。

 

如何构建逾期用户画像呢？

 

自然是结合公司业务，根据人口统计、社会属性、用户消费画像、用户行为画像，用户兴趣画像等特征来构建。

 

如下图，这些是各行业通用的特征。但用户画像包含的内容并不完全固定，像金融领域，还会有风险画像，包括征信、违约、洗钱、还款能力、保险黑名单等。

 

 

根据用户画像的基本含义和数据集内各字段维度，我们对构建逾期用户画像的相关问题和数据维度进行确定。

 

隐藏，提出以下问题：

 

• 整体贷款逾期情况是怎样的？