拍拍贷用户逾期数据分析sql

作者: a_big_cat | 来源:发表于2020-07-17 20:55 被阅读0次

拍拍贷用户逾期数据分析sql
拍拍贷45个电话背后的玄机，民蕴财富、陆金所、唐小僧
拍拍贷用户及还款数据分析案例
贷款逾期用户画像分析
【百问百答】现金贷违规催收方式汇总
Lending Club贷款数据分析——数据分析(一)
网贷逾期后，会被强制还款吗？机构会从绑定的银行卡自动扣款吗？
网贷逾期，如何消除？（文末有惊喜…）
拍拍贷违约预测案例（GBDT)
【金管家】不小心造成了预期，还能消除吗？

0 分析逾期情况

1 数据清洗

1.1 查看所有字段

SHOW FULL COLUMNS 
FROM
    lcis0;

客户编号    int     YES             select,insert,update,references 
借款金额    decimal(10,0)       YES             select,insert,update,references 
借款期限    int     YES             select,insert,update,references 
借款利率    float       YES             select,insert,update,references 
借款成功日期  date        YES             select,insert,update,references 
初始评级    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
借款类型    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
是否首标    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
年龄  int     YES             select,insert,update,references 
性别  varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
手机认证    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
户口认证    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
视频认证    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
学历认证    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
征信认证    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
淘宝认证    varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
历史成功借款次数    int     YES             select,insert,update,references 
历史成功借款金额    decimal(10,0)       YES             select,insert,update,references 
总待还本金   decimal(10,0)       YES             select,insert,update,references 
历史正常还款期数    int     YES             select,insert,update,references 
历史逾期还款期数    int     YES             select,insert,update,references 
我的投资金额  decimal(10,0)       YES             select,insert,update,references 
当前到期期数  int     YES             select,insert,update,references 
当前还款期数  int     YES             select,insert,update,references 
已还本金    decimal(10,0)       YES             select,insert,update,references 
已还利息    decimal(10,0)       YES             select,insert,update,references 
待还本金    decimal(10,0)       YES             select,insert,update,references 
待还利息    decimal(10,0)       YES             select,insert,update,references 
标当前逾期天数 int     YES             select,insert,update,references 
标当前状态   varchar(255)    utf8mb4_0900_ai_ci  YES             select,insert,update,references 
上次还款日期  date        YES             select,insert,update,references 
上次还款本金  decimal(10,0)       YES             select,insert,update,references 
上次还款利息  decimal(10,0)       YES             select,insert,update,references 
下次计划还款日期    date        YES             select,insert,update,references 
下次计划还款本金    decimal(10,0)       YES             select,insert,update,references 
下次计划还款利息    decimal(10,0)       YES             select,insert,update,references 
记录日期    date        YES             select,insert,update,references

1.2 查看年龄分布

SELECT
    年龄,
    count( * )  AS 客户数
FROM
    lcis0
GROUP BY
    年龄 
ORDER BY
    年龄

1.2.png

总结:
1.客户年龄分布呈正偏态分布,客户群体偏年轻化,其中20-35为消费主力军
2.后续可将年龄分组为[16,22,28,34,40,46,52,58],进一步观察

1.4 依次对各字段进行查看,了解其分布情况(略)

2 数据处理

2.1 创建新视图,

CREATE VIEW news AS 
SELECT
    客户编号,
    性别,
    借款金额,
    借款类型,
    初始评级,
IF( 标当前状态 = '逾期中', 1, 0 ) AS 是否逾期,

(CASE
        WHEN 借款利率 <= 4 THEN
        '[0-4]' 
        WHEN 借款利率 <= 8 THEN
        '[4-8]' 
        WHEN 借款利率 <= 12 THEN
        '[8-12]' 
        WHEN 借款利率 <= 16 THEN
        '[12-16]' 
        WHEN 借款利率 <= 20 THEN
        '[16-20]' 
        WHEN 借款利率 <= 24 THEN
        '[20-24]' ELSE '[24-30]' 
        END ) AS 借款利率区间,
(CASE
                
        WHEN 借款期限 <= 4 THEN
                '[0-4]' 
        WHEN 借款期限 <= 8 THEN
                '[4-8]' 
        WHEN 借款期限 <= 12 THEN
                '[8-12]' 
        WHEN 借款期限 <= 16 THEN
                '[12-16]' 
        WHEN 借款期限 <= 20 THEN
                '[16-20]' 
        WHEN 借款期限 <= 24 THEN
                '[20-24]' ELSE '[24-30]' 
        END ) AS 借款期限区间,
(CASE
            
        WHEN 借款金额 <= 1000 THEN
            '[1000以下]' 
        WHEN 借款金额 <= 3000 THEN
            '[1000-3000]' 
        WHEN 借款金额 <= 5000 THEN
            '[3000-5000]' 
        WHEN 借款金额 <= 10000 THEN
            '[5000-10000]' 
        WHEN 借款金额 <= 40000 THEN 
            '[10000-40000]'
            else '[40000以上]' 
        END ) AS 借款金额区间,
(CASE
                
        WHEN 年龄 < 22 THEN
            '[18-22]' 
        WHEN 年龄 < 30 THEN
            '[22-30]' 
        WHEN 年龄 < 40 THEN
            '[30-40]' 
        WHEN 年龄 < 50 THEN
            '[40-50]' 
        WHEN 年龄 < 60 THEN
            '[50-60]' ELSE '[60-65]' 
        END ) AS 年龄区间,

CONCAT( YEAR ( 借款成功日期 ), 'Q', QUARTER ( 借款成功日期 ) ) AS 借款季度,

( CASE WHEN 手机认证 = '成功认证' THEN '成功认证' ELSE '未成功认证' END ) AS 手机认证,
( CASE WHEN 户口认证 = '成功认证' THEN '成功认证' ELSE '未成功认证' END ) AS 户口认证,
( CASE WHEN 视频认证 = '成功认证' THEN '成功认证' ELSE '未成功认证' END ) AS 视频认证,
( CASE WHEN 征信认证 = '成功认证' THEN '成功认证' ELSE '未成功认证' END ) AS 征信认证,
( CASE WHEN 淘宝认证 = '成功认证' THEN '成功认证' ELSE '未成功认证' END ) AS 淘宝认证

from lcis0

2.2 查看新视图

SELECT
    * 
FROM
    news
LIMIT 10

2.2.png

3 数据分析

3.0查看各季度下借款金额和人均金额情况

SELECT
    借款季度,
    round( sum( 借款金额 ) / 1000000, 2 ) AS '借款总额(百万)',
    round( sum( 借款金额 ) / count( * ), 2 ) AS 人均金额
    news 
GROUP BY
    借款季度 
ORDER BY
    借款季度

3.0.png

1.相对其他季度,2015Q4 的借款总额严重不足,可能是数据丢失,或业务层面出现问题
2.总体上,每年各季度较上季度借款总额逐步提升,同时人均金额逐步下降,至5000左右趋稳

3.1 性别与逾期率的关系

SELECT
    性别,
    count( * ) AS 客户数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率
FROM
    news 
GROUP BY
    性别

3.1.png

1.客户群体中,男性占比较高,达65%之多
2.而逾期情况,男性也高于女性,现实生活中女性更注重信用

3.2查看各借款类型与逾期率的关系

SELECT
    借款类型,
    count( * ) AS 客户总数,
    sum( 是否逾期 ) AS 逾期数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率
FROM
    news 
GROUP BY
    借款类型 
ORDER BY
    客户总数 DESC

3.2.png

借款产品共分为普通,其他,APP闪电,电商,应收安全标

其中普通,其他,APP闪电,为主要产品

APP闪电的逾期数略高于其他产品

3.3 查看各借款区间与逾期率的关系

SELECT
    借款金额区间,
    count( * ) AS 客户人数,
    sum( 是否逾期 ) AS 逾期人数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款金额区间

3.3.png

主要借款金额集中在1000-10000之间,而这区间的逾期率也是相对其他较低

3.4 不同借款期限的客户数与逾期率的关系

SELECT
    借款期限区间,
    count( * ) AS 客户总数,
    sum( 是否逾期 ) AS 逾期客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款期限区间 
ORDER BY
    借款期限区间

3.4.png

客户借款期限集中在[4-12] 中间

[ 20-24 ]区间的逾期率高的7%,远远高于其他区间

3.5 不同借款利率的客户数与逾期率的关系

SELECT
    借款利率区间,
    count( * ) AS 客户总数,
    sum( 是否逾期 ) AS 逾期客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款利率区间 
ORDER BY
    借款利率区间

3.5.png

[16-20]区间的利率最受欢迎

逾期率随着利率的上升而上升

3.6 年龄分布与逾期率的关系

SELECT
    年龄区间,
    count( * ) AS 客户总数,
    sum( 是否逾期 ) AS 逾期客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    年龄区间 
ORDER BY
    年龄区间

3.6.png

[20-30]年龄的客户最多,

30岁以上,年龄越大,客户越少

[18-22],[40-50的]逾期率最高,可能逾期消费能力弱,及还款意识差有关

3.7 初始评级与逾期率的关系

SELECT
    初始评级,
    count( * ) AS 客户总数,
    sum( 是否逾期 ) AS 逾期客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    初始评级 
ORDER BY
    初始评级

3.7.png

总体上,初始评级越高,逾期率越低

3.8 认证情况分析

3.8.1 手机认证与逾期率的关系

SELECT
    借款季度,
    手机认证,
    count( * ) AS 客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款季度,手机认证 
ORDER BY
    借款季度

3.8.1.png

2015Q数据异常,可排除分析

2015年度手机成功认证的客户远远大于未认证的

2016年度手机成功认证的客户则小于为认证的,可能是因为平台未来扩大市场,放宽了对认证的审查.

逾期率与手机是否认证没有明显相关性

3.8.2 户口认证与逾期率的关系

SELECT
    借款季度,
    户口认证,
    count( * ) AS 客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款季度,户口认证
ORDER BY
    借款季度

3.8.2.png

户口未成功认证的客户数逐年递增

逾期率与户口是否认证没有明显相关性

3.8.3 视频认证与逾期率的关系

SELECT
    借款季度,
    视频认证,
    count( * ) AS 客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款季度,视频认证 
ORDER BY
    借款季度

3.8.3.png

视频未成功认证的客户数逐年递增

逾期率与视频是否认证没有明显相关性

3.8.4 征信认证与逾期率的关系

SELECT
    借款季度,
    征信认证,
    count( * ) AS 客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款季度,征信认证 
ORDER BY
    借款季度

3.8.4.png

征信未成功认证的客户数逐年递增

逾期率与征信是否认证没有明显相关性

3.8.5 淘宝认证与逾期率的关系

SELECT
    借款季度,
    淘宝认证,
    count( * ) AS 客户总数,
    concat( round( sum( 是否逾期 ) * 100 / count( * ), 2 ), '%' ) AS 逾期率 
FROM
    news 
GROUP BY
    借款季度,淘宝认证 
ORDER BY
    借款季度

3.8.5.png

淘宝未成功认证的客户数逐年递增

逾期率与淘宝是否认证没有明显相关性

4 总结与建议

2015Q数据异常,检查技术或业务方面是否存在问题

客户群体偏年轻化,考虑到逾期情况,可主打[22-40]岁为主要客户

女性用户少,逾期率低,可作为潜在群体运营

加强初级评级,严格控制评级等级低的客户

重点发展利率在[4-16]之间的产品

各项认证对于逾期率无明显相关,可放宽认证力度

拍拍贷用户逾期数据分析sql
0 分析逾期情况 1 数据清洗 1.1 查看所有字段 1.2 查看年龄分布总结:1.客户年龄分布呈正偏态分布,客...
拍拍贷45个电话背后的玄机，民蕴财富、陆金所、唐小僧
近日，网贷之家爆出一篇名为《投拍拍贷两年踩雷上百于是我拨通了45个老赖的电话》文章备受争议，文章中提及拍拍贷逾期的...
拍拍贷用户及还款数据分析案例
来源：barefootgirl - kesci.com原文链接：P2P信贷平台业务数据分析点击以上链接? 不用配置...
贷款逾期用户画像分析
数据来自拍拍贷真实业务数据。拍拍贷是美国纽交所上市公司。成立于2007年6月遵从金融本质，以数据为基石，用创新技术...
【百问百答】现金贷违规催收方式汇总
网贷逾期不还的危害之前在【百问百答】网贷逾期不还有哪些危害？已经介绍过，首先奉劝大家不要逾期。万一网贷逾期，我们不...
Lending Club贷款数据分析——数据分析(一)
数据分析接上篇针对数据集的各个方面进行简单数据分析。主要有贷款基本情况用户画像平台业务分析先说结论：贷...
网贷逾期后，会被强制还款吗？机构会从绑定的银行卡自动扣款吗？
有的用户申请的网贷逾期了，但其绑定的银行卡中还有钱的话，网贷机构会对逾期强制执行吗？会将欠款从银行卡种强制扣除吗？...
网贷逾期，如何消除？（文末有惊喜…）
上次写到网贷的影响，具体可查看你还在用网贷吗消除网贷逾期的过程：相比信用卡逾期，网贷逾期会稍微复杂一些，因为大...
拍拍贷违约预测案例（GBDT)
该案例为拍拍贷在“魔镜杯” 风控算法大赛，比赛公开了国内网络借贷行业的贷款风险数据，本着保护借款⼈人隐私以及拍拍贷...
【金管家】不小心造成了预期，还能消除吗？
欠钱事小，逾期事大。逾期无小事，一旦逾期，申请网贷、房贷、车贷通通都可能被拒千里之外。如果征信上有逾期记录...