1.用戶分析
2.貸款相關業務分析
1.輸入數據
2.數據清理
2.1完整性處理
該數據中沒有重復值，但在性別/年齡/省份/標簽/評論關鍵詞等列中存在壹些缺失值，其中年齡的缺失值較多，因此該數據不具有代表性。
2.2綜合治理
在四個表中，actionTime和oerderTime都是以時間戳的形式存儲的。首先，時間戳被改為日期格式。
2.3獨特性處理
1.用戶分析
1.1用戶的性別分析
從借款用戶來看，男性居多，無論是用戶數量還是借款金額都是女性用戶的兩倍，但逾期借款數量略高於男性用戶。
1.2用戶年齡分析
判斷年齡區間值
把年齡分組觀察。
25-32歲用戶數量最多，高達50.24%，是主要用戶。另外也說明這個年齡段經濟壓力最大。
1.3用戶貸款區間維度分析
判斷貸款金額的區間值
觀察錢的分配
拍拍貸借款人貸款金額主要集中在100-10000元區間，超過65438+萬元的大額貸款不足1%。拍拍貸是小額貸款，目標人群應該是白領以下人群。
進壹步分析從100到10000的各類貸款區間分布。
在100-10000的借款區間中，49%的人借款2000-5000，72%的人借款5000元及以下，大部分人借款5000元及以下。
1.4用戶初始信用等級分析
初始評級主要集中在C級和D級，初始評級不高，可能是渠道認證信息不完善造成的。
1.5用戶貸款期限分析
大部分用戶的借款期限是5月-65438+2月，可以看壹下5月-65438+2月各月的明細:
貸款期限6個月和12個月，可能與貸款產品和用戶習慣有關。
1.6用戶貸款利率分析
96%的用戶貸款利率在16%年息，50%的用戶貸款利率在20%以上。小貸貸款只要還款金額能覆蓋逾期壞賬，就是暴利。
** 2貸款相關業務分析**
* *客戶數量、貸款金額、逾期率等。在2.1 * *的時間維度中
隨著用戶的增加，貸款總額也在增加，但在116之後，貸款額增長放緩。
平均貸款額從65，438+05，8000-65，438+00，000逐漸穩定在4000元左右，到3月份的65，438+06，65，438+0緩慢下降。
月逾期率在15和12之後維持在15%，但在16開始攀升，在17和18達到19%左右。
** 2.2逾期率分析**
** 2.2.1逾期類型分析**
電商貸款類型逾期率較高，應引起足夠重視，關註電商客戶的經營狀況和逾期的具體原因。
借款類型為APP閃電和普通，逾期用戶占比87%。我們要關註這兩類客戶使用的資金用途和去向。
其他類型是壹個特殊的群體，這類客戶的逾期金額和逾期率都較高，要註意這類用戶群體的原因。
** 2.2.2初始評級逾期率分析**
用戶初始評級主要集中在兩類CD，逾期率相對較高。我們應該關註評級CDs的客戶群，需要協助他們降低逾期率。
(壹)用戶維度分析
1.貸款客戶多為男性。維護和抓住男性客戶群體。
2.平臺客戶的貸款年齡以25-32歲為主，可以根據這壹群體的特點有選擇地進行推廣。同時，也要註意這個群體逾期率高的問題。
3.貸款額度以5000元以內為主產品，5000-10000為輔產品推廣。
4.重點關註初始信用等級為C、D級的用戶群體，降低此類客戶的逾期率。
5.用戶首選貸款期限為6個月和12個月，但逾期率高，9個月貸款金額小，但逾期率低，可推廣三個季度的貸款產品。
6.拍賣貸款的貸款利率為20%以上，利率為16%以上96%以上。
(2)業務分析
1.隨著用戶的增加，貸款總額也在增加。但在16、11之後，貸款金額增長放緩，但逾期率上升。應增加風險控制措施。
2.平均貸款額從65，438+05，8000-65，438+00，000逐漸穩定在4000元左右，到3月份65，438+06，65，438+0000，緩慢下降，所以貸款額規模要縮小，篩選水平要提高。
3.貸款類型要重點推廣APP閃電和普通類型貸款，但要提高風控水平。電商貸款的種類要註意用戶的經營狀況。
4.對於初始信用等級為C、D的，要拿出幾個更新的信用等級進行針對性的風險控制，降低逾期率。