每个公司和企业的业务都不一样，所以数据维度和数据来源也大不相同。但是，作为信用数据模型的构建者，我总结了常用的数据模型，归纳如下:
平台客户(活动率):客户响应模型、主动授信模型等。申请客户(渗透率):应用评分模型、场景接入策略模型、驱动收入模型、应用反欺诈模型授信客户(通过率):客户激活模型、风险聚类模型、营销聚类模型、支付反欺诈模型等。撤单客户(激活率):行为评分模型、营销推广模型、贷款客户如客户价值模型(复购率):逾期客户如额度管理模型、客户流失模型(逾期率):核销客户如催收模型、坏账预测模型(核销率):其实小公司可能会用到上述部分模型，但大企业会对上述所有模型进行预测分析或添加企业业务模型。所以建议做数据模型的小伙伴要深入这条路。随着各个企业数据的积累，模型的准确性也在逐步提高。后续边肖会在这里普及信用风险控制的相关知识。欢迎订阅，和边肖一起学习征信知识。
如下面的模型设计案例:
# # # #一卡模式:3个月未激活的金融用户。
司机:截至3月31日，使用任何金融产品。
截至3月31日，历史未逾期。
运筹学
截至11月30日，使用任何金融产品。
截至1月31日，历史未逾期。
Dep:未来3个月内的过期天数> =15天
X: 6个月
# # # # B卡模式:授信&激活金融用户3个月。
司机:截至1月1日，使用任何金融产品。
截至3月31日，历史未逾期。
运筹学
截至11月30日，使用任何金融产品。
截至1月31日，历史未逾期。
Dep:未来3个月内的过期天数> =15天
X: 3到6个月。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"大数据信贷产品包括，贷款大数据分析"：http://www.guoyinggangguan.com/xedk/237334.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
