全國近41%成年人從銀行貸過款，為什麽會有那麽多人？
1.銀行貸款手續簡單，辦理方便，也是國家管理下的正規貸款機構
2.消費的理念開始轉變，由以前的“無債壹身輕”到現在的“適度負債”,其次也是經濟提高的壹個表現
3.最後壹個原因就是現在不管買房還是買車，人們都願意向銀行貸款，因為銀行貸款比其他同類型的貸款機構利率低，利息也低，要求較低。
在央行10月15日公布的《中國普惠金融指標分析報告（2019年）》中，全國成年人在銀行獲得的貸款的比例為40.74%，農村占比的話是36.06%，這兩個數據比較去年都是呈上升趨勢的。
可以看得出來，我們國家大部分的成年人其實都有向銀行貸款的經歷。
為什麽會有這麽多人，我覺得還是說明人們對貸款這個業務的需求增高。
壹個是因為人們消費意識的轉變，以前經濟不好的時候，我們會覺得負債是最可怕的事情，所謂的貸款都是，壹旦碰上就等於家破人亡。
而現在的銀行貸款，都是國家管理的正規機構，不會亂收取利息費，有壹系列的法律規定，所以借貸人得到了保障，自然也就不排斥銀行貸款了。
還有壹個很大的原因就是現在人們面對買房，或者買車的時候，往往手頭資金是不夠的，這個時候就會選擇銀行貸款了，其他的貸款機構利息較高，而且有些貸款對貸款人有很多的限制，所以銀行貸款也是這部分的首選方式之壹。
最後壹個原因就是人難免會有資金困難的時候，不可能隨時都有壹大筆資金應對困難的，所以會選擇向銀行貸款。
壹個是銀行貸款方便，手續簡單，其次是機構正規，最後就是人們消費意識轉變，適當負債是現在成年人常態了。
信用卡年輕消費群體數據分析和洞察報告
信用卡年輕消費群體數據分析和洞察報告
信用卡年輕人群，是消費金融的主流人群，針對他們的數據分析和洞察讓我們信貸業務決策更科學。
數據分析和洞察報告背景
為什麽會做這樣的報告？我們調研主流金融機構，發現***同的訴求：關註客戶質量，關註客群盈利，重點關註年輕消費群體。他們認為年輕人群是主流的市場消費人群。所以很多金融機構，他們的客群有很大的差異，同樣是國有的銀行，股份制的銀行跟商業的銀行，當給他們做數據分析的時候，他的客戶年齡層次、消費水平、風險狀況差異都比較大，但從客戶主體來看普遍重點關註壹些年輕消費群體。所以，我們重點對這部分群體做了數據分析。
誰是年輕消費群體
根據對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周歲到35周歲的消費人群。這個群體是如何定義的呢？我們根據新浪整體的市場數據發現，信用卡的主流人群、活躍用戶，70%是18到35歲的年輕人。同時，我們發現壹個趨勢，從2014年到2016年，年輕消費群體的絕對比重已經非常高了，並且在持續增長。而35歲以上的人群，活躍度在下降。那麽為什麽分水嶺不是18歲而是25歲呢？我們發現25歲以下的人群，整體消費收入偏低，而25歲開始消費水平明顯走高。
誰最愛透支
我們常聽到：花明天的錢，圓今天的夢。甚至杭州的馬雲也說“年輕人要學會花明天的錢”。根據我們數據調研分析發現，雖然現在18~24歲的年輕人有較普遍的透支消費的習慣，但從統計結果顯示，25~35歲的年輕人透支消費能力明顯高於18~24歲的人群。我們分析原因，有兩個方面。壹是透支消費能力是以收入能力為基礎的。數據顯示，雖然18~35歲的人更習慣透支消費，但總體上是和收入正相關的。而從25歲開始，個人收入明顯增加，遠遠超過18~24歲的群體。二是房貸、車貸等透支消費是年輕人的主要透支消費項。從調研來看，年輕人大多是在25到35歲這期間扛起房貸、車貸和奶粉貸的。
什麽影響著年輕人的消費項
針對25~35歲的人群，我們做了二次分析。發現雖然都是信用消費，但是消費內容卻不完全相同。我們發現25~29歲透支消費的人群，他們的房奴和孩奴比例高於普通人群2倍左右，所以我們認為是由於受到了房子和孩子的壓力，所以25~29歲這部分年輕人透支消費比較高。到了30~35歲，相比25~29歲人群，孩奴比例有所下降，房奴、車奴比例依然高居不下，同時還新增了個人小微企業貸款。總結來看，中國人消費的觀念還是比較傳統的。那年輕消費群體為什麽這麽高的透支呢？其實主要是源於房子、車子、孩子等剛性需求。這些需求是生活的壓力，是年輕人必須要做的事情。而不是我們傳統認為的年輕人，手裏沒錢卻要透支買奢侈品，消費高端服務。透支享受不是主流，因生活剛需壓力而提前透支才是主流。30而立，現在的房價、物價很難讓年輕人30而立了。而借助信用卡消費，讓人到30，還有機會貌似“體面”地“而立”。
男女信用消費有什麽不同
男人來自火星，女人來自金星。同時是年輕男女，信用消費有什麽差別呢？他們各自都喜歡消費什麽？
我們針對這個問題做了數據分析，把年輕人分成了男女做差異化分析。男人、女人真是兩個星球的人，他們偏好的消費的類型品類是幾乎完全不壹樣的。我們先把年輕的男性分成三個年齡層次，18~24歲，25~29歲，30~35歲。我們會發現數碼、科技是他們永恒的主題，無論是小鮮肉到大叔都是喜歡數碼電子類的產品。20來歲的到25歲的電腦，然後到30歲的也是有壹些電腦辦公的IT類的。所以時鐘圍繞著數碼的主題，不同年齡段有壹些差異。18到24歲是自己玩數碼，到了25~29歲掙錢買辦公用數碼，並開始關註財經類的東西，30~35歲開始養家，關註家居數碼、母嬰數碼。
女孩子就相對簡單，就是美美美。從少女到青年到，化妝美容是永恒不變的主題。但是少女的時候還看看遊戲、動漫，到青年的時候開始關註教育和時尚，到30歲也開始關註母嬰。據我們統計，30歲時，母嬰消費開占據女性信用消費第壹名，女人對小孩子的關註首次全面超過了自己。所以我們發現女性是圍繞著美的主題，不斷的階段有不同的側重點。這塊在信用卡傳統金融方面做的很前衛，針對女性有女性卡，商城、唯品會等都有壹些優惠卡，這些都可以有效抓住女性眼球。
對於電影、音樂、八卦的娛樂明星、飯票、餐飲，這也是年輕人最關註的主題，所以現在壹些流量、視頻網站的會員還是很受歡迎，這些品類我們也發現壹般只是關註，但大額的消費不在這些產品中。其實，無論是消費金融還是信用卡，整個費用分期才是收入來源的大頭，我們看壹看到底哪些年輕人群有信貸需求，哪些人有更大的信貸需求，我們如何把他們的吸引過來，通過什麽樣的權益可以吸引過來。
銀行最愛借誰錢
總體來說，針對消費信用貸款，銀行最愛借錢給風險低的客戶群。那麽，哪些客戶群信貸風險低呢？為什麽這些客戶群信貸風險低呢？如何識別這些客戶群呢？
首先，年齡劃分，25~35歲是銀行消費信貸業務的最愛。這些人群普遍因為消費習慣和購房、購車等剛性需求，存在長期大額信用貸款的巨大需求。同時，因為這些人群收入相對較高，有固定收入來源，並且壹般收入會持續增加，拖延還貸和放棄還貸的可能性較低，信貸風險較低。當然，18~24歲的人群消費信貸的需求最高，但是因為收入較低且不穩定，他們風險最高，所以消費信貸業務並不青睞他們。所以說，經濟能力較強，消費透支需求高，並且信貸風險較低是這部分人群的顯著特點。
其次，性別劃分。銀行是重女輕男的，盡管男性需求更大，銀行更偏好女性。男性持卡人的比例比申請人低了40%，而女性持卡人比申請人高出48%。但數據顯示，年輕男性的失信風險是女性的1.3倍數。金融機構都希望說找壹些白領女性，因為風險低。
再次，身份劃分。18~24歲的壹大批信用卡申請者不是學生就是工作不穩定人群，這部分信貸需求最高，但銀行最不愛。所以學生和工作不穩定者，必然難以從銀行取得信用貸款。小微企業主需求是高的，但是風險也高，這是銀行不喜歡的。欣慰的是，車主人群顯示出了獨特的優勢。車主人群信貸需求是很高，是無車人群的信貸需求的1.3倍，但是風險卻是低了65%，所以這個人群是銀行非常喜歡的。房主也是傳統金融機構非常喜歡得人群，申請信貸的時候都要求有房有車有公積金。有房的車信貸需求是很低的，無房的信貸需求占了80%，而有房只占了20%。有房人群雖然信貸需求比較少，但因風險很低，所以銀行還是非常喜歡。
最後
25歲到35歲財富積累這個太重要了，25歲到35歲也是只能安心透支消費的階段。房子、車子、孩子，讓年輕人成為信用消費的市長中流砥柱，也讓年輕人成為了金融機構的最愛。那麽對於我們不同的金融機構，針對不同信貸用戶的需求，我們如何用不同的產品方案來滿足？所以這也給我們壹個思考，就是我們到底要定位哪種人群，那我們應該拿出什麽權益和活動吸引需要的人群。或許，信用卡年輕消費群體數據分析和洞察報告是壹份值得信賴的參考
大數據觀察:網貸人群分析
大數據觀察:網貸人群分析
把大數據引入P2P網貸，會產生怎樣的“化學反應”?關註P2P的又是什麽樣的人群?他們有著什麽樣的投資習慣?了解這些信息，妳就掌握了開啟P2P網貸行業的鑰匙。
大數據服務提供商GEO集奧聚合近期通過數據挖掘的方式收集了2013年12月1日到31日期間北京、上海、廣東、浙江、江蘇5個地區429個P2P網貸網站的用戶瀏覽數據，樣本量達11906721個，分析了P2P平臺上的貸款人人群和借款人人群屬性、投資習慣等。
經對比分析，GEO集奧聚合得出以下結論：
特征1：陸金所網站的頁面瀏覽量和獨立訪客兩個指標均排名首位;
特征2：排名前三的P2P網站用戶重合度較低，三三重合用戶百分比僅為0.3%，表明目前P2P網站還未到互相爭奪用戶階段;
特征3：用戶主體為30-40歲中青年男性群體;其中商業人士居多，貸款用途多為淘寶經營;
特征4：最受P2P人群關註的投資類產品是股票，最受關註的貸款類產品是銀行信貸，P2P人群與股票人群重合度最高;
特征5：P2P網站的交易量高峰在夜晚，瀏覽量則集中在上午和晚上;
特征6：用戶的平均瀏覽時長近半小時，訪問者對借出的關註明顯高於借入;
特征7：P2P網站重視從搜索、財經類網站導流，貸款人引流詞多為P2P網站品牌名稱，借款人引流詞中貸款類詞匯占1/3;
特征8：貸款人最關註的商品是三星和蘋果手機，借款人最關註服裝鞋帽和華為手機;
特征9：貸款人最關註的奢侈品品牌是香奈兒，借款人最關註是迪奧;
特征10：微信是最受貸款人和借款人關註的社交平臺。
特征數據解讀：
特征1：陸金所目前是國內P2P網貸行業人氣最高的平臺。國資背景以及平安已有商譽為其聚集了越來越多的用戶。可以說，陸金所是目前中國P2P網貸行業的標桿。
特征2：整個P2P網貸行業目前還處於增長期，行業整合尚未開始。隨著近期越來越多的國資背景公司和互聯網行業巨頭開始進軍P2P網貸，行業格局將會進壹步改變。
特征3：使用貸款業務的人群的主要是個體經營戶，而經營活動也主要通過線上渠道進行。可以看出目前網貸服務仍然存在壹定的門檻：1)貸款者通常需要有壹定的互聯網使用技能;2)貸款者通常對於線上支付業務有壹定程度體驗和接受程度。因此，移動客戶端支付的普及將會引入更多的網貸用戶。
特征4：對股票的追捧說明了投資人對風險的承受能力。數據顯示，使用P2P平臺進行投資的人群對於風險的承受能力較高，追求收益的意願較強。在股票收益低迷時期，P2P投資產品為投資者提供了比其它理財形式更高的收益率。但是，當股票市場回暖，P2P行業可能會出現流動性不足。
特征:6：對借出的較高關註度說明P2P平臺用戶投資需求高於借貸。
特征8：貸款人偏愛高端消費品說明貸款人消費能力較強勁，借款人消費能力較弱。
綜述：
目前，P2P平臺的用戶總體中，有投資意願的人群多於有借款需求的人群。這些用戶有較強的投資意願，也同時有較強的風險意識。因此，在對平臺的關註對象選擇時，他們傾向於關註公信力、聲譽較高的品牌平臺。P2P平臺的投資者消費能力較強，對收益的追求傾向也較強。在股市回暖時，P2P行業的整體流動性及穩定性可能受到較大影響。此外，目前P2P平臺對用戶入口仍然存在壹定門檻。移動支付方式的體驗普及和認可度提升可能為P2P行業帶來更多的用戶。
貸款逾期用戶畫像分析
覺得可以的話，點個贊呀！
數據來拍貸真實業務數據。拍拍貸是美國紐交所上市公司。成立於2007年6月遵從金融本質，以數據為基石，用創新技術為用戶提供最便捷可得的借款撮合服務，拍拍貸平臺借款端服務包括面向廣大個人用戶的通用性借款和其他借款。
主要關註的是標當前狀態，都不存在空值
刪除106個重復值
（2）異常值處理
對指標分析的時候逐個進行處理分析，這邊觀察的是標狀態是否存在異常值
對於0的通過觀察可知都是正常還款中的
本部分分析主要目的是：根據幾個維度的數據構建逾期用戶畫像
這部分主要關註的是是否逾期，做定性分析，因此創建壹個新的數據
用戶基本信息
（1）性別
貸款中男、女分別占65.08%和34.92%。
男逾期占比為3.79%，女逾期占比為3.11%。從逾期占比情況來看，男逾期占比高於女22%。因此在後續分析中將男、女進行分開分析。
（2）年齡
年齡分布最小18歲，最大65歲，平均年齡29.35歲
從圖中可知，逾期人員年齡分布與整體年齡、男女性年齡分布相似。因此在這邊考慮對年齡進行統壹劃分處理：18-23,24-29,30-35,36-41,42-47,48-53,54-59,60-65
男性不同年齡段逾期占比：
男性逾期率高的年齡段為54-59，逾期占比為7.9%，其次是42-47、18-23、36-41（均高於平均值）。
由於54-59歲的男性逾期率非常高，因此在這邊做進壹步觀察：
54-59歲男性中，所有用戶借款利率在18%及以上，借款類型屬於普通或者其他，83%的用戶借款期限為12個月，91%的借款金額在7000及以上，初級評分為B、C、D類。
女性不同年齡段逾期占比：
女性逾期占比較高的年齡段是：48-53，其次是36-41，42-47，30-35均高於平均值。
（3）初級評級——逾期占比
女性初始評級逾期占比：
女性最高位E類，其次是D、C（均超過平均值）
同樣由於E類人群中逾期占比非常高，在這也做進壹步觀察
觀察知，這類人群：
男性初始評級逾期占比：
男性最高是E類，其次是F、D、G、A類均高於平均值
進壹步觀察E類
各初始評級中年齡段分布情況相似
從初始評級與逾期占比的情況來看，初始評級在壹定程度上能夠衡量逾期占比情況，像AA、AAA類的逾期占比都比較低。
（1）借款類型
借款類型中普通和其他類占了近72%。
女性用戶借款類型為電商類的逾期占比最高，其次是APP閃電類，這可能和女性用戶網購頻率高、數目大有關。可以進壹步通過挖掘這些用戶的網購習慣進行分析。
男性用戶借款類型為APP閃電類的逾期占比最高，其次是其他類，這可能和男性用戶玩遊戲，對遊戲充值有關。
（2）借款期限
男：
女：
男、女借款期限為24個月的逾期占比最高。進壹步觀察借款期限為24個月的用戶，發現這批用戶
（3）借款金額
將借款金額按人數平均分成四個區間，分別是：100-3000/3001-4170/4170-7000/7000
女性
男性
男女性借款金額來看，100-3000的低金額借款的逾期占比都比較高。
總結論1：逾期占比分布最高的男性用戶普遍的標簽為：
總結論2：逾期占比分布最高的女性用戶普遍的標簽為：
總結論3：
LendingClub貸款數據分析
可視化報告見：報告全文
LendingClub是美國的壹家P2P金融機構，主要是通過連接投資人和借款人來達成雙方的投資及融資需求，收入主要來源於交易手續費、服務費和管理費。自2007年起，LendingClub已經為上百萬客戶提供了貸款。2015年，平臺全年新設的貸款金額就已經達到了83.6億美元，遠遠超越行業第二的37億美元，優勢十分明顯。
LendingClub會對提交申請的借款人進行資格審查，只有符合標準才能拿到借款：（1）FICO分數（根據Experian、TransUnion、Equifax三大征信局信用報告）要在660分以上（2）債務收入比例要低於40%（3）征信報告：正在使用的循環賬戶不少於2戶、6個月內征信查詢次數小於5次、至少36個月的信用記錄。借款人通過初始信用審查後，LendingClub會再次通過評分模型對申請人進行評估，兩次的結果將會壹起輸入ModelRank中，最終得到壹個基礎風險子級。LendingClub會根據這個風險子級結合客戶貸款的金額和貸款期限得出最終子級。最終子級***有35個級別，分為A、B、C、D、E、F、G這7個等級，每個等級又包含1、2、3、4、5五個子級。最終子級的不同對應了不同的貸款利率，子級等級越高，貸款利率則越低。
根據LendingClub的分級流程，借款申請人越符合平臺資格審查的標準，最終的風險等級越高，借款所需的利率也越低。所以本文通過以下幾個問題，借助SQL對LendingClub2018年第二季度的貸款數據進行分析，探究平臺的審查條件是否合理：
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.資產負債比率越低，還款能力是否越高？
3.6個月內征信查詢次數越少，還款意願是否越高？
4.過去2年內逾期30天以上的次數越少，還款意願是否越高？
5.還款能力是否與客戶貸款目的有關？
數據集來自：LendingClub
將數據導入SQLyong後，觀察數據特征：數據包括2018年Q2的貸款數據記錄，***130770多行，多達145個字段，本文只選取壹些關鍵字段作為分析：
loan_status：貸款狀態（Fullypaid-全額還款 Chargedoff-已註銷的壞賬 Current-當前 Default-違約不還 Late31-120days-逾期31-120天 Ingraceperiod-寬限期內 Late16-30days-逾期16-30天 Issued-已放款）
grade：信用評級
dti：資產負債比（負債總額/資產總額）100%
inq_last6mths：近6個月查詢次數
delinq_2yrs：近2年逾期30天以上次數
annual_inc：年收入
emp_length：工作年限
purpose：貸款目的
1.修改表名
將表名修改為LendingClub貸款情況
2.選擇子集
由於原數據字段太多，所以只挑選了以上8個關鍵字段作為分析
3..列名重命名
為了方便分析，把字段名重命名為中文名：
方法壹：可通過SQL語句實現字段重命名
方法二：也可以直接在客戶端內雙擊字段名進行修改，因為字段較多，本文采用這種方法修改名字
4.刪除重復值
由於每行數據都是壹個客戶id，所以不存在重復值
5.處理缺失值
通過語句查詢發現資產負債比存在空值，本文不進行刪除，直接將null值作為壹類。依次查詢其他列沒有發現其他缺失值
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？
將還款情況分為還款正常和逾期還款，還款正常包括FullyPaid、Current、InGracePeriod，逾期還款包括Late(16-30days)、Late(31-120days）、ChargedOff、Default
輸出結果：
由此可知信用等級A-C的放款人數最多，還款意願也最強，隨著信用等級變低，正常還款數量開始降低，壞賬率逐漸上升。
2.資產負債比率越低，還款能力是否越高？
觀察數據發現，資產負債比的區間為0,999，按照步長為10分為[0,10）、[10,20）、[20,30)、[30,40)、(≥40)五個區間，另外加上null值，***6個區間。
輸出結果：
由圖可知資產負債比與還款意願總體呈現反比趨勢。客戶的資產負債比越低，還款意願越強，在20%-30%區間內，還款占比最高，之後逐漸開始下降，逾期比例上升，還款能力降低。資產負債比為空值的客戶逾期還款率高達1.23%，需要對未填寫資產負債比的客戶進行放款控制。
3.6個月內征信查詢次數越少，還款意願是否越高？
輸出結果：
近6個月查詢次數與還款意願有壹定的聯系，普遍來說查詢次數越高，逾期還款的占比越大。但是查詢次數為4次時比較特殊，這壹次數下的逾期還款為0，可能為該季度的特例導致。總體來看，還款意願與查詢次數還是存在反比的關系。
4.過去2年內逾期30天以上的次數越少，還款意願是否越高？
輸出結果：
由圖可知當逾期次數在0-5次時，次數與逾期占比呈現正比關系，過去2年內逾期的次數越多，造成壞賬的比率就越大。但當次數超過5次時，正常還款占比都遠高於逾期還款占比。仔細分析逾期次數超過5次的具體數據可知，除了逾期超過7次的客戶有1次逾期還款，其他次數的逾期還款人數都為0，從而使得正常還款占比反而較高。也可能是LendingClub對於逾期次數太多的客戶控制了放款通過率。總體來說，當逾期次數在0-5次這個區間時，次數越小，還款意願會越高。
5.還款能力是否與客戶貸款目的有關？
輸出結果：
由圖可知，因為搬家、旅遊、醫療等情況下，逾期還款的占比遠遠高於其他情況，而因為自身債務或信用卡等問題造成的逾期比例反而不高，所以對於不同的情況需要采取不同的風險監控措施。
通過本文的分析，LendingClub制定的審查條件基本合理：
1.信用等級越高，還款比率越高。A-C信用等級區間內的放款人數最多，正常還款的數量也最多，隨著等級的降低，壞賬率開始上升。證明平臺的等級區間劃分的基本合理。
2.整體來看，客戶的資產負債比越高，還款意願越低，特別是對於未提供資產負債比的客戶，逾期還款比例最大，所以需要加強對這壹部分客戶的監管，督促客戶盡快提供相關信息，降低未來的貸款壞賬。
3.平臺對於近6個月內征信查詢次數需小於5次這壹規定比較合理。根據分析得知，次數為0-4次時客戶的逾期比率很低；當次數為5次時，逾期占比大幅升高。
4.對於客戶近2年內的逾期次數，如果次數在0-5次