一、案例背景：

????日常監(jiān)控發(fā)現(xiàn)某款消費貸產(chǎn)品首逾率有逐漸升高的趨勢，需要把首逾率降下來，從而減少產(chǎn)品帶來的損失。

分析目標: 通過數(shù)據(jù)探查分析制定出可以有效降低首逾率的策略。

分析思路: 因為所要分析的策略，將會在客戶申請時用來判斷客戶是否會逾期的條件，所以策略分析時的基本思路就是還原這些有首逾表現(xiàn)的客戶在申請時的數(shù)據(jù)（還原是指提取出客戶在申請時點各個維度的數(shù)據(jù)），然后利用這些數(shù)據(jù)，找出能夠區(qū)分好壞客戶的變量，制定策略。

1. 數(shù)據(jù)準備

2.?看一下這個產(chǎn)品總體的情況

3. 篩選出有效變量：

? ? ? ?這里用到單變量分析的方法，單變量分析的主要目的是篩選出好壞區(qū)分度較好的變量以便制定策略。

? ? ? 拿到數(shù)據(jù)，針對每個變量單獨分析，查看其對逾期的影響。

3.1 征信查詢次數(shù)分組

3.2信用評級分組

4. 計算提升度：

? ? ? ?在進行變量分析之后，要從中篩選中較為有效的變量了，衡量變量是否有效的指標，提升度。

提升度：通俗的來說就是衡量拒絕最壞那一部分的客戶之后，對整體的風險控制的提升效果。提升度越高，說明該變量可以更有效的區(qū)分好壞客戶，能夠更少的誤拒好客戶。計算公式：提升度=最壞分箱的首逾客戶占總首逾客戶的比例 /該分箱的區(qū)間客戶數(shù)占比。

如下，通過對所有變量的提升度進行倒序排列，發(fā)現(xiàn)個人征信總查詢次數(shù)和客戶信用評級的提升度最高，達到1.93和1.71。

5. 制定策略：

? ? ? ?通過上一步的單變量分析，篩出了’征信查詢次數(shù)’、‘信用評級’這兩個提升度最高的變量。接下來如果將這兩個變量的最壞分箱的客戶都拒絕之后，對整體逾期的影響。 這個影響就是指假設我們將‘征信總查詢次數(shù)>=21的3213位客戶全部拒絕’之后，剩下的客戶逾期率相比拒絕之前的逾期率降幅是多少。