背景
互联网金融近年来的兴起主要是由于互联网技术的快速发展，依托大数据和云计算等技术为金融市场服务，真正实现普惠金融的目的，拍拍贷作为中国互联网金融协会首批理事单位，是互金公司中非常有代表性的一家企业，本文将以拍拍贷从2015年1月1日到2017年1月30日的328553条数据集来分析，什么样的客户是风险较小的客户？
数据集来源（科赛比赛数据集） https://www.kesci.com/home/dataset/58c614aab84b2c48165a262d
字段描述
数据分析思路及过程
在我国互联网金融现金贷的业务指标体系：
（1）基本数据指标： 用户及行为指标：用户画像，活跃度、留存率、转化率、客单价（平均额度）、用户分布（各人群评级等级占比 ABCDE）、各页面漏斗转化指标等。
产品业务指标：授信人数、授信金额，平均授信金额，授信转化率，用信人数、用信金额，平均用信金额，用信转化率，当日当月余额沉淀等。 获客渠道指标：渠道转化率、渠道成功率、渠道成本，渠道分润等。
营销活动指标：活动成本、活动渠道来源、活动转化率、传播打开数、新增粉丝数/用户数等。 支付及信息指标：支付通道转化率、通道成功率、通道来源、通道成本，外部信息接口查询成本等。
IT性能指标：响应速度、可靠性指标、安全性指标等。 客服指标：投诉分类、接通率、投诉渠道、响应速度、满意度等，如有智能外呼还需要关注外呼转化率等。
（2）基本风险指标：
逾期天数DPD（days past due）：已逾契约书约定缴款日的延滞天数，贷放型产品自缴款截止日（通常为次一关帐日）后第一天开始算。 逾期
期数bucket：也叫逾期月数，逾期一期为M1，2期M2。缴款截止日与次一关帐日之间称为M0。
逾期阶段stage：分为前期、中期、后期和转呆账。一般将M1（1-29）列为前期，M2~M3（30~89）列为中期、M4（90+）以上列为后期，若已转呆账者则列入转呆账。
即期指标（coincidental）：计算延滞率时常用的两种方法之一，以当期各bucket延滞金额÷应收账款（AR）。
递延指标（lagged）：计算延滞率时常用的两种方法之一，延滞金额÷上月应收账款。若单纯想了解各月资产质量结构，可使用coindental，但若想精准溯及逾放源头的话，建议采用lagged。
月底结算（month end）：month end报表主要在表达各月月底结算数据，适用于消费金融所有产品。
期末结算（cycle end）：cycle end为信用卡特有的结算方式。账务及催收单位皆以cycle为作业周期。
在这个数据集中，由于数据维度有限，只能从用户指标来分析哪些用户的还款能力强和还款意愿强，从而得出优质客户的特征。
△ 提出问题：
各个年龄段客户逾期还款的情况；
认证信息和客户逾期还款的关系；
初始的评级和客户还款情况的关系；
借款金额和客户逾期的关系；
历史成功的借款次数和金额是否具有指导依据；
△ 理解数据：
数据集共有328553行，分为21个字段，包括一个主键（ListingID），7个标的特征和13个成交当是的借款人信息。信息的维度比较广泛，大致可分为基本信息，认证信息，信用信息，借款信息等；
△ 数据清洗：
用Navicat 客户端把数据集导入到MYSQL中，默认字段都是char型，设置ListingID为主键；
因后期需用聚合函数计算，故调整以下列字段类型为int型（整数型）：年龄、借款金额，借款期限，历史成功借款次数，历史正常还款期数，历史逾期还款期数；并检验字段类型；
查看返回结果都是328553，说明数据集没有空值，对ListingId去除重复值计数返回结果也是328553，说明数据集没有重复值。由于该数据集比较规整，所以数据清洗工作比较简单。
△ 构建模型及数据可视化
1）各个年龄段客户逾期还款的情况；首先查看最小年龄和最大年龄，为多少，再对年龄进行分段处理；
对年龄进行分组17-25,26-35,36-45,46-56;查找各个年龄层客户的历史违约次数；
可以看到26-35这个年龄层的客户的逾期还款期数是最多的，甚至比其他三个年龄段加起来还要多出近一倍。
2）认证信息与客户逾期还款期数的关系。
结果显示认证的信息越全面，那么发生逾期还款的期数越少。
3）初始的评级和客户还款情况的关系；
通过查询结果可知：评级为A的客户发生逾期的比例最低，评级为F的客户发生逾期的比例最高，说明初始评级可以反映客户未来发生逾期的情况。
4）借款金额和客户逾期的关系；
借款逾期多集中于2千到4千，所以要加强这个金额的客户的审核。
5）历史成功的借款次数和金额是否具有指导依据；
通过查看结果，我们可以看到历史借款成功的次数，对该客户是否产生逾期没有指导依据。
结论：
结论通过ppt形式呈现：
