作为商业银行最主要的业务活动，也是收益最大的活动，贷款于银行的重要性不言而喻。又由于个人贷款是银行贷款不可或缺的一部分，那么了解个人贷款客户画像就有助于银行对客户进行精准销售和风险识别。
# 选手介绍 #
张昊泽：亚利桑那州立大学的一名硕士研究生，有三年银行信息科技部工作经验，工作期间从事行内数据报表和帆软报表开发。个人对大数据分析、机器学习、数据库、数据可视化较为感兴趣。
# 参赛初衷 #
·通过比赛可以学习大量视频教程、获得专家指导，希望通过亲身经历和实践提升工具技能和自身的数据分析能力。所以希望通过大赛，学习到更多目前主流的报表分析软件FineBI。
·自身对数据库以及数据报表可视化具有浓厚兴趣，希望通过这次比赛能够结交到志同道合的朋友。
# 作品介绍 #
一、业务背景和需求痛点
业务背景：贷款是商业银行的一项重要业务，同时个人贷款又是贷款中的一部分。那么个人贷款客户画像的重要性就显而易见，它不但可以让银行了解其年龄、性别、学历等因素分布情况，同时对于更高效率的营销，个贷分析都有潜移默化的辅助。
需求痛点：对于银行个人业务部来说，每月甚至每周都会进行机构下综合贷款数据上报以及个贷客户分析数据，基于excel报表手工统计的时间太长并且人工统计难免出错，这样会浪费大量的时间精力。此表可以协助工作人员把相关数据都进行归集，统计并上报给个人条线负责人。
二、数据来源
和鲸社区
三、分析思路
四、作品展示
该银行的贷款总额为3271.26万元人民币，贷款总人数为1000人。接下来让我们从4个维度分析出贷款客户的特征、明晰客户画像，有助于银行的精准营销。
1、中年人是贷款主力军
20-30岁这一年龄阶段的客户贷款额度最高，为1143.05万元，占比约为35%。其次是30-40岁的客户，贷款额度占比约为34%。剩余年龄段的客户贷款额占比都较少。
不同年龄下的贷款额度变化
2、哪种学历水平的人倾向于贷款呢
不同学历下的贷款人群里，贷款人数最多的是大学生群体，占比40.5%。贷款人数最少的客户群体是大专学历，仅占比0.91%。
不同学历下的贷款人数
3、贷款的男性客户数量是女性的两倍多
相关数据显示，该银行的男性贷款客户占比为68.94%，女性贷款客户占比为31.06%，比例约为2.2：1。
贷款客户的性别比例
4、贷款人数与地区的经济发展水平有关
贷款客户所属地区的分布图显示：深圳市的南山区、福田区和罗湖区是绝大多数贷款人的所属区域，同时这三个行政区也是深圳市经济发展较好的地区。其余地区的贷款客户数量则相对而言较少。
贷款人所属地区分布
在明晰贷款客户的画像后，通过对客户进一步地诊断分析来了解银行将会面临的风险。
①超80%的贷款客户通过征信认证
通过征信认证的贷款客户占比82.3%，未通过的占比17.7%，由此可见绝大多数的贷款客户都通过了征信认证，信誉良好。
征信认证
②50%以上的客户选择在1-3年内还完贷款
以月份作为还款周期，12-24个月是大部分客户的贷款期限，占比为40.6%。其次是24-36个月，占比为24.4%。1-3年的贷款期限是绝大多数客户的选择，其余期限则占比较少。
贷款期数分布
③贷款的钱都用到哪里了？
贷款目的方面，大多数人是为了购置汽车、住房相关以及家居设备，这一定程度上表明他们对高品质生活的追求。
工作技能方面，拥有熟练和高技能的工作者，其贷款总额高于非熟练工作群体，这表示拥有高技能的工作者贷款几率以及贷款额度也是较高的。
不同工作技能贷款人的目的分析
为了提高银行对不良贷款客户的识别与防范能力，通过选取不良贷款数据进行分析，了解不良贷款用户的特征，从而优化银行风控模型。
①不良贷款用户以中青年男性为主
相关数据显示，不良贷款客户的年龄主要集中在20-50岁之间，其中男性居多。女性相较于男性对于透支风险较谨慎，会更理性思考透支消费的可行性。
不良贷款人的年龄和性别占比
②不良贷款用户的住房类型一览
71.3%的不良贷款客户拥有自己的住房，租房的占比17.9%，拥有免费住房的不良贷款客户仅占10.8%。
构建了不良贷款用户画像后，金融机构在进行贷款评估时就能更精准地筛选出有潜在问题的贷款用户。面对此类用户，金融机构应该提高警惕，更加细致地调查申请贷款者的工作收入以及存款情况，从而减少坏账、降低借贷风险。
本文为帆软BI数据分析大赛参赛作品未经授权禁止转载
