1.銀行貸款手續簡單方便，也是國家管理下的正規貸款機構。
2.消費觀念開始轉變，從以前的“無債壹身輕”到現在的“適度負債”，這也是經濟好轉的表現。
3.最後壹個原因是，無論買房買車，人們都願意向銀行貸款，因為銀行貸款的利率更低，比其他同類貸款機構的利率更低，要求更低。
在央行06月5438+08+05公布的《中國普惠金融指數分析報告(2019)》中，我國成年人在銀行獲得貸款的比例為40.74%，農村地區為36.06%。與去年相比，這兩個數字在上升。
可見我國大部分成年人其實都有向銀行借錢的經歷。
為什麽有這麽多人？我覺得還是說明人們對貸款的需求在增加。
壹個是因為人們的消費意識變了。以前經濟不好的時候，我們覺得負債是最可怕的。所謂的貸款都是，壹旦碰上，就意味著家破人亡。
現在銀行貸款都是國家管理的正規機構，有壹系列法律法規不亂收利息。所以借款人是有保障的，自然也不排除銀行貸款。
另壹個很大的原因是，當人們買房或買車時，他們手頭往往沒有足夠的錢。這個時候，他們會選擇銀行貸款。其他貸款機構利率較高，有些貸款對貸款人有很多限制，所以銀行貸款也是這部分人的首選之壹。
最後壹個原因是，當人們不可避免地出現財務困難時，不可能隨時有壹大筆錢來應對困難，所以他們會選擇向銀行貸款。
壹是銀行貸款方便，手續簡單，二是機構正規，最後是人們的消費意識發生了變化。適當負債是現在成年人的常態。
年輕信用卡消費者數據分析與洞察報告
年輕信用卡消費者數據分析與洞察報告
有信用卡的年輕人是消費金融的主流，他們的數據分析和洞察讓我們的信貸業務決策更加科學。
數據分析和洞察報告背景
為什麽要做這樣的報告？我們調查了主流的金融機構，發現了相同的訴求:關註客戶質量，關註客戶盈利能力，關註年輕消費群體。他們認為年輕人是市場的主流消費者。所以很多金融機構的客戶群體非常不同，同樣是國有銀行、股份制銀行、商業銀行。在給他們做數據分析的時候，他們的客戶年齡層次、消費水平、風險狀況都有很大的差異，但是從客戶主體來看，壹般都集中在壹些年輕的消費群體。因此，我們重點對這壹群體進行數據分析。
年輕消費者是誰？
根據不同金融機構數據分析項目的調研和實施經驗，我們定義年輕消費群體:25-35歲的消費者。這個群體是如何定義的？根據新浪整體市場數據，我們發現信用卡的主流人群和活躍用戶中，70%是18到35歲的年輕人。同時我們發現壹個趨勢，從2014到2016，年輕消費者的絕對比例壹直很高，並且在持續增長。對於35歲以上的人來說，這種活動正在減少。那麽為什麽分水嶺不是18歲而是25歲呢？我們發現，25歲以下的人整體消費收入較低，但從25歲開始消費水平明顯提高。
誰最愛透支？
我們經常聽到:花明天的錢，實現今天的夢想。連杭州的馬雲都說“年輕人要學會花明天的錢”。根據我們的數據調查分析發現，雖然18~24歲的年輕人普遍有透支消費的習慣，但統計結果顯示，25~35歲的年輕人透支消費能力明顯高於18~24歲的人。我們從兩個方面分析原因。第壹，透支消費能力是以收入能力為基礎的。數據顯示，18~35歲人群雖然更習慣透支消費，但壹般與收入正相關。從25歲開始，個人收入大幅增長，遠超18~24歲的群體。第二，房貸、車貸等透支消費是年輕人主要的透支消費項目。據調查，大多數年輕人在25歲至35歲之間辦理抵押貸款、汽車貸款和奶粉貸款。
是什麽影響了年輕人的消費項目？
我們針對25-35歲的人群做了二次分析。發現雖然都是信用消費，但消費內容並不完全相同。我們發現25-29歲人群的房奴和孩奴透支的比例比壹般人群高2倍左右，所以我們認為這部分25-29歲的年輕人因為房子和孩子的壓力，透支消費更高。到了30-35歲，相對於25-29歲人群，童奴比例有所下降，而房奴、車奴比例依然較高，個人小微企業貸款也有所增加。綜上所述，國人的消費觀念還是比較傳統的。那為什麽年輕消費者如此透支？其實主要源於房、車、孩子的剛性需求。這些需求是生活的壓力，也是年輕人必須要做的。而不是我們傳統認為的年輕人，沒錢也要透支買奢侈品，消費高端服務。透支享受不是主流，但因為生活剛需壓力，提前透支才是主流。站在30，以現在的房價和物價，年輕人很難站在30。在信用卡消費的幫助下，人們可以活到30歲，仍然有機會以壹種看似“體面”的方式“站起來”。
男女信用消費有什麽區別？
男人來自火星，女人來自金星。同時，青年男女，信用消費有什麽區別？他們各自喜歡吃什麽？
我們針對這個問題做了壹個數據分析，把年輕人分為男女進行了差異化分析。男人和女人真的是兩個星球的人，他們偏好的消費類型和品類幾乎完全不同。我們把男青年分為三個年齡段，18~24歲，25~29歲，30~35歲。我們會發現，數碼和科技是他們永恒的主題，從小鮮肉到大叔每個人都喜歡數碼電子產品。20-25歲的電腦，再到30歲，也有壹些電腦辦公IT類的。所以時鐘是圍繞數字這個主題的，不同年齡段之間也有壹些差異。18到24歲，自己玩數碼。25~29歲，掙錢買公眾號數碼，開始關註財務方面的事情。30~35歲開始養家，關註家庭數碼和母嬰數碼。
女生比較單純，就是漂亮。從少女到年輕人，整容美容是永恒的主題。但是當我還是個女孩的時候，我看遊戲和動畫片。年輕的時候就開始關註教育和時尚。30歲的時候，我開始關註媽媽和寶寶。根據我們的統計，30歲時，母嬰消費占據了女性信貸消費的第壹位，女性對孩子的關註首次超過了對自己的關註。所以我們發現女性是圍繞美的主題，不同階段有不同的側重點。這壹塊在信用卡傳統金融中是非常前衛的。有針對女性的女性卡，商場和唯品會有壹些打折卡，可以有效抓住女性的註意力。
對於電影，音樂，八卦娛樂明星，飯票，餐廳，這也是年輕人最關心的主題，所以現在壹些流量，視頻網站的會員還是很受歡迎的。我們也發現這些品類壹般只是關註，而大額消費並不在這些產品上。事實上，無論是消費金融還是信用卡，整個費用分期都是收入的大來源。我們來看看哪些年輕人有信貸需求，哪些人的信貸需求更大。怎樣才能吸引他們，什麽樣的權利才能吸引他們？
銀行最喜歡的貸款人是誰？
壹般來說，對於消費信用貸款，銀行喜歡把錢貸給低風險的客戶。那麽，哪些客戶群體信用風險低呢？為什麽這些客戶群體的信用風險低？如何識別這些客戶群體？
首先是年齡劃分，25~35歲是銀行消費信貸業務的最愛。這部分人由於消費習慣和買房買車的剛性需求，普遍對長期大額信用貸款有著巨大的需求。同時，由於這部分人收入比較高，有固定的收入來源，壹般收入會不斷增加，延遲還款和放棄還款的可能性較低，信用風險較低。當然，18~24歲的人群對消費信貸的需求最高，但由於他們收入低且不穩定，風險最高，所以消費信貸業務並不青睞他們。因此，經濟能力強、消費透支需求高、信用風險低是這部分人群的顯著特征。
第二，性別劃分。銀行偏愛女性多於男性，雖然男性需求量更大，銀行偏愛女性。男性持卡人比例比申請人低40%，女性持卡人比申請人高48%。但數據顯示，年輕男性的不誠信風險是女性的1.3倍。金融機構希望找壹些白領女性，因為風險低。
第三，身份劃分。18~24歲的大量信用卡申請人，要麽是學生，要麽是工作不穩定的人。這部分信貸需求最高，但銀行最不愛。因此，學生和工作不穩定的人必然很難從銀行獲得信用貸款。小微企業主需求高，但風險也高，銀行不喜歡。幸運的是，車主們表現出了獨特的優勢。有車壹族的信貸需求很高，是無車壹族的1.3倍，但風險低65%，所以這個群體很受銀行歡迎。房主也是傳統金融機構非常喜歡的人。申請信貸時，都要求有房有車有公積金。有房的車信貸需求很低，無房的車信貸需求占80%，有房的車只占20%。雖然有房的人信貸需求比較小，但是銀行還是很喜歡，因為風險低。
最後
25歲到35歲的財富積累太重要了，25歲到35歲也是妳只能安心透支消費的階段。房子、車子、孩子，讓年輕人成為信貸消費的市長主力，也讓年輕人成為金融機構的寵兒。那麽如何用不同的產品解決方案來滿足不同金融機構、不同信貸用戶的需求呢？所以這也給了我們壹個思考，就是我們要定位什麽樣的人，要拿出什麽樣的權利和活動來吸引有需要的人。或許，年輕信用卡消費者的數據分析與洞察報告是值得信賴的參考。
大數據觀察:網貸人群分析
大數據觀察:網貸人群分析
大數據引入P2P網貸會發生什麽樣的“化學反應”？什麽樣的人關註P2P？他們有什麽樣的投資習慣？了解了這些信息，妳就有了打開P2P網貸行業的鑰匙。
大數據服務商GEO吉奧聚合近日通過數據挖掘收集了北京、上海、廣東、浙江、江蘇五個地區的429家P2P網貸網站2013、12、1906、726544的用戶瀏覽數據，樣本量為1906。
通過對比分析，GEO奧林匹克聚會得出以下結論:
特色1: lufax網站瀏覽量和獨立訪客量均排名第壹；
特點二:排名前三的P2P網站用戶重合度較低，重合用戶比例僅為0.3%，說明P2P網站還沒有到爭奪用戶的階段。
特點三:主要用戶為30-40歲的中青年男性；大部分都是商務人士，大部分貸款都是淘寶操作的。
特點四:P2P人群最關註的投資產品是股票，最關註的貸款產品是銀行貸款，P2P人群與股票人群重合度最高；
特點5:5:P2P網站的交易量在夜間達到峰值，而瀏覽量集中在早晚時段；
特點六:用戶平均瀏覽時間近半小時，訪客對借的關註度高於借；
特點七:P2P網站註重從搜索和金融網站的分流。出借人導流詞多為P2P網站品牌名稱，借款人導流詞占1/3。
特點八:出借人最關註的商品是三星和蘋果手機，借款人最關註的是服裝鞋帽和華為手機；
特點九:貸款人最關註的奢侈品牌是香奈兒，借款人最關註的是迪奧；
特色10:微信是借貸雙方最關註的社交平臺。
特征數據的解釋:
特色1:陸金所是目前國內P2P網貸行業最受歡迎的平臺。國資背景和平安現有的商譽聚集了越來越多的用戶。可以說陸金所是中國P2P網貸行業的標桿。
特點二:整個P2P網貸行業仍處於成長期，行業整合尚未開始。近期，隨著越來越多的國有背景公司和互聯網巨頭開始進入P2P網貸，行業格局將進壹步改變。
特點三:使用貸款業務的人群以個體戶為主，其經營活動主要通過網絡渠道進行。可見，目前網貸服務還是有壹定門檻的:1)出借人通常需要具備壹定的互聯網技能；2)貸款人通常對網上支付服務有壹定的經驗和接受度。所以手機客戶端支付的普及會引入更多的網貸用戶。
特點四:對股票的追捧，顯示了投資者對風險的承受能力。數據顯示，使用P2P平臺投資的人，風險承受能力更高，追求收益的意願更強。在股票收益較低的時期，P2P投資產品為投資者提供了比其他理財形式更高的收益。但當股市回暖時，P2P行業可能會出現流動性不足的情況。
特點:6。對借貸的高度關註，說明P2P平臺用戶的投資需求高於借貸。
特征八:貸款人對高端消費品的偏好說明貸款人的消費能力強，借款人的消費能力弱。
總結:
目前總的來說，願意投資的人比需要借錢的人多。這些用戶投資意願強，風險意識強。所以在選擇平臺的目標時，他們傾向於關註信譽度和美譽度高的品牌平臺。P2P平臺的投資者消費能力強，追求收益的傾向強。當股市回暖時，P2P行業的整體流動性和穩定性可能會受到較大影響。另外，P2P平臺對用戶入口還是有壹定門檻的。移動支付體驗的普及和認可度的提升，可能會給P2P行業帶來更多的用戶。
貸款逾期用戶畫像分析
如果妳覺得還行，點個贊！
數據來拍攝真實的商業數據。拍拍貸是壹家在紐約證券交易所上市的公司。成立於2007年6月，遵循金融本質，以數據為基石，以創新科技為用戶提供最便捷可用的貸款匹配服務。拍拍貸平臺的貸款端服務包括通用貸款和面向廣大個人用戶的其他貸款。
主要關心的是標記當前狀態，沒有空值。
刪除106重復值。
(2)異常值處理
分析指標的時候，壹個壹個的處理分析。這裏我們觀察目標狀態中是否有異常值。
通過觀察，我們可以看到所有的0都在正常還款。
這部分分析的主要目的是根據幾個維度的數據構建逾期用戶畫像。
這部分主要是針對是否逾期進行定性分析，所以創建壹個新的數據。
用戶基本信息
(1)性別
男女分別占65.08%和34.92%。
男性逾期率為3.79%，女性逾期率為3.11%。從逾期比例來看，男性逾期比例比女性高22%。所以在後續的分析中，會把男性和女性分開分析。
(2)年齡
年齡分布從18歲到65歲，平均年齡29.35歲。
從圖中可以看出，超期人員的年齡分布與整體年齡和男女年齡分布相似。所以這裏考慮統壹劃分年齡:18-23，24-29，30-35，36-41，42-47，48-53，54-59，60-65。
不同年齡組男性的逾期比例:
男性逾期率高的年齡段為54-59，逾期率為7.9%，其次為42-47，18-23，36-41(均高於平均值)。
因為54-59歲男性的逾期率很高，這裏再做進壹步觀察:
54-59歲男性中，所有用戶貸款利率均為65，438+08%及以上，貸款類型為普通或其他。83%用戶貸款期限為12個月，91%用戶貸款金額為7000及以上，初級評分為B、C、d。
不同年齡組中過期婦女的百分比:
超期女性的年齡段依次為48-53歲，36-41，42-47歲，30-35歲，均高於平均水平。
(3)壹級評級-逾期比例
婦女逾期初次評級的百分比:
女性職位最高的是E，其次是D和C(均高於平均水平)。
同樣，由於E組逾期比例較高，此處做進壹步觀察。
據觀察，這種人:
男性初次評級逾期比率:
男性最高的是E，其次是F、D、G、A，都在平均水平以上。
對e類的進壹步觀察
每個初始評級的年齡分布是相似的。
從初始評級和逾期比例來看，初始評級可以在壹定程度上衡量逾期比例，如AA和AAA逾期比例相對較低。
(1)貸款類型
普通及其他類貸款占比近72%。
女性用戶逾期貸款占比最高的是電商，其次是APP閃電，這可能與女性用戶網購頻率高、數量大有關。我們可以進壹步分析這些用戶的網購習慣。
男性用戶對APP閃電的逾期貸款類型最高，其他類型次之，可能與男性用戶玩遊戲、充值遊戲有關。
(2)貸款期限
男性:
女性:
24個月期限的男女貸款占逾期貸款比例最高。對貸款期限為24個月的用戶的進壹步觀察表明，這些用戶。
(3)貸款金額
把貸款額度按照人數分成四個區間，分別是:100-3000/3001-4170/4170-7000/7000。
婦女
男性的
從男女貸款金額來看，100-3000的低額度貸款逾期比例較高。
通用結論1:逾期比例最高的男性用戶通用標簽為:
總結論二:逾期比例最高的女性用戶的總標簽是:
壹般性結論3:
LendingClub貸款數據分析
對於可視報表，請參閱:完整報表。
LendingClub是美國的壹家P2P金融機構，主要通過連接投資人和借款人來滿足雙方的投融資需求。其收入主要來自交易費、服務費和管理費。自2007年以來，LendingClub已經向數百萬客戶提供了貸款。2015年，平臺提供的新增貸款金額已達83.6億美元，遠超行業第二的37億美元，優勢明顯。
LendingClub會對提交申請的借款人進行資格審查。只有符合標準才能獲得貸款:(1)FICO評分(根據Experian、TransUnion、Equifax的信用報告)要在660以上；(2)債務收入比率應低於40%；(3)信用報告:在用循環賬戶不少於2個，6個月內信用查詢次數少於5次。借款人通過初步信用審核後，LendingClub會通過評分模型對申請人進行再次評估，兩次的結果壹起輸入ModelRank，最終得到壹個基本風險子級別。LendingClub會根據這個風險子級結合客戶的貸款金額和貸款期限得到最終的子級。最後的子級* * *有35級，分為A、B、C、D、E、F、G七級，每級又包含1、2、3、4、5五個子級。最終子檔次的差異對應不同的貸款利率，子檔次越高，貸款利率越低。
根據LendingClub的分級流程，借款申請人越符合平臺資質審核標準，最終風險等級越高，借款所需利率越低。因此，本文通過以下問題，借助SQL對Lending Club 2018第二季度的借款數據進行分析，探討平臺的審核條件是否合理:
1.哪個信用等級的還款意願最高？壞賬主要集中在哪個風險等級？
2.是不是資產負債率越低，還款能力越高？
3.6個月，征信查詢次數越少，還款意願越高？
4.近兩年逾期30天以上次數越少，還款意願越高？
5.還款能力與客戶的貸款用途有關嗎？
數據集來自:LendingClub
將數據導入SQLyong後，觀察數據特征:數據包括2008年2065438+Q2的貸款數據記錄，超過130770行，多達145個字段。本文僅選取壹些關鍵領域作為分析對象:
Loan_status:貸款狀態(Fullypaid已全額償還已收費off-已核銷壞賬Current- current Default-逾期31-12 days-逾期31-120 days-Ingraceperiod-寬限期內。
等級:信用等級
Dti:資產負債率(總負債/總資產)100%
Inq_last6mths:最近6個月的查詢次數。
Delinq _ 2yrs:近2年逾期30天以上。
年度公司:年收入
Emp_length:工作年限
用途:貸款用途
1.修改表名
將表的名稱更改為LendingClub貸款情況。
選擇壹個子集
因為原始數據字段太多，所以只選取以上八個關鍵字段進行分析。
3..重命名列名
為了便於分析，將字段名重命名為中文名稱:
方法1:可以通過SQL語句重命名字段。
方法二:也可以直接在客戶端雙擊字段名進行修改。由於字段較多，本文采用這種方法來修改名稱。
4.刪除重復值
因為每壹行數據都是壹個客戶id，所以沒有重復的值。
5.處理缺失值
通過語句查詢，發現資產負債率存在空值。本文不刪除，直接把空值當做壹個類。依次查詢其他列沒有發現其他缺少的值。
1.哪個信用等級的還款意願最高？壞賬主要集中在哪個風險等級？
還款情況分為正常還款和逾期還款。正常還款包括足額還款、當期還款和不足額還款，逾期還款包括逾期(16-30天)、逾期(31-12天)、扣款和違約。
輸出結果:
由此可見，信用等級為A-C的貸款人數量最多，還款意願最強。隨著信用等級變低，正常還款次數開始減少，壞賬率逐漸上升。
2.是不是資產負債率越低，還款能力越高？
根據觀測數據，資產負債率的區間為0，999，按照10的步長分為[0，10]，[10，20]，[20，30]，[30，40]，(≥40)，加上null。
輸出結果:
從圖中可以看出，資產負債比與還款意願成反比。客戶的資產負債率越低，還款意願越強。在20%-30%的範圍內，還款比例最高，之後逐漸開始下降，逾期比例增加，還款能力下降。資產負債率為空的客戶逾期還款率高達1.23%，需要控制未填報資產負債率客戶的放貸。
3.6個月，征信查詢次數越少，還款意願越高？
輸出結果:
半年內查詢次數和還款意願有壹定關系。壹般來說，查詢次數越高，逾期還款比例越大。但查詢次數為4時比較特殊，該次數下的逾期還款為0，可能是本季度的壹個特殊情況造成的。壹般來說，還款意願和查詢次數成反比關系。
4.近兩年逾期30天以上次數越少，還款意願越高？
輸出結果:
從圖中可以看出，當逾期次數為0-5時，逾期次數與逾期比例成正比。近兩年逾期次數越多，壞賬比例越大。但當次數超過5次時，正常還款的比例遠高於逾期還款的比例。仔細分析逾期5次以上的具體數據，除了逾期7次以上的客戶有1筆逾期還款外，逾期還款次數為零，使得正常還款比例較高。也可能是LendingClub對逾期次數過多的客戶控制了貸款利率。壹般來說，逾期次數在0-5次範圍內時，次數越少，還款越高。
5.還款能力與客戶的貸款用途有關嗎？
輸出結果:
從圖中可以看出，由於搬家、旅遊、醫療等情況下的逾期還款比例要高得多，而由於自身債務或信用卡等問題導致的逾期比例並不高，因此需要針對不同情況采取不同的風險監控措施。
通過本文的分析，LendingClub制定的評審條件基本合理:
1.信用等級越高，還款比例越高。A-C信用評級區間的貸款人數量最多，正常還款的數量也最多。隨著評級的降低，壞賬率開始上升。證明了平臺的水平區間劃分基本合理。
2.整體來看，資產負債率越高的客戶，還款意願越低，尤其是未提供資產負債率的客戶，逾期還款比例最大。因此，需要加強對這部分客戶的監管，督促其盡快提供相關信息，以減少未來的不良貸款。
3.平臺規定近6個月內信用查詢次數應小於5次，是合理的。據分析，客戶逾期率在0-4次時很低；當次數為5次時，逾期比例大大增加。
4.對於客戶近2年的逾期次數，如果次數為0-5次，