想当年，初入金融行业，最先接触的风控数据库表就是“客户信息表”、“合同信息表“和“还款计划表”。金融机构所有信贷业务的数据体系，都是围绕这三张基础核心库表所展开，开发出数据集市和信贷数据仓库，保证金融机构信贷业务的开展运行。
对于金融风控数据分析从业者，最应该熟悉并掌握的也是这三份库表。
这三张库表，对于初入金融风控数据分析行业的新人，是快速了解自家金融机构业务规模与资产情况的最佳途径；对于已经成为风控数据分析工作的人员，基于这三张库表，根据业务需要进行二次再开发，是日常工作中必不可少的事情。
由此可见，这三份库表，对于风控分析人员，多么重要。
客户信息表，顾名思义，是借款人在申请金融机构信贷产品时，金融机构搜集借款人基础信息后，存放于后台数据库的数据表。不同金融机构在客户基础信息获取要求上各不相同，但在大体上，客户信息表的数据结构会包括以下几个维度：基本信息包括“姓名”、“性别”、“年龄”等，工作信息包括“工龄”、“职位”等，单位信息包括“单位名称”、“单位地址”、“单位电话”等，家庭信息包括“户籍”、“家庭子女数”等。在几年前，客户信息表的填写是当借款人申请贷款时，由客户经理线下陪同借款人主动填写的。虽然这种方式可以在一定程度上防止中介欺诈，但大量基础信息填写会影响借款客户的贷款产品体验，间接影响产品申请转化率。当金融机构渠道推广成本一定，产品申请转化率降低时，金融机构的盈利空间就会有所影响。且随着国家信贷普惠政策，金融机构信贷产品授信额度逐渐降低，尤其是消费信贷，小额多量的商业模式促使传统线下获客进件模式逐渐线上化，借款人只需要完成“三要素”或“四要素”验证后，即可快速申请贷款。客户信息表中，客户编号是表的主键（唯一值，用于关联其他表），其他数据大部分是标准化的连续变量和分类变量，比如“婚姻状态”、“户籍省”、“家庭子女数”。当然，也会存在类似“id_no"、”mobile“这种非标准化变量，这些变量主要用于欺诈关联分析，贷后催收结果分析。
在线上化申请进件的当下，客户信息表的数据，绝大部分可以通过自身或三方数据调用获得，部分可验证的字段，比如“教育信息“，可以直接用于设计风控规则。当借款客户完成申请全流程，确认借款且审批通过后，金融机构会针对每个借款人生成与之对应的贷款合同。合同信息表里详细记载了客户的贷款信息、贷款用途、放款信息、逾期状态、合同状态、利率。合同信息表中，“contract_no”是表的主键(值唯一，用于关联其他表)，表中部分字段的值，在合同生成时就是保持固定不变，比如“loan_amt”、“loan_term"等，而有些字段，在客户整个贷款周期内都会变化，如“loan_status”、“overdue_times”等。合同信息表里的数据，在做产品推广、用户生命周期管理（如交叉销售、调额）时尤其重要。举个例子，可以结合逾期和利率数据，分析出期限为6期的客户投资回报率最高时，可以通过调整利率吸引客户申请6期的产品。
还款计划表严格意义上应该分为约定还款和实际还款两部分，一部分是合同生成时就产生了，而另一部分是记录合同结束前客户的实际还款情况。
还款计划表主要包括三大信息：约定还款、实际还款及其他信息。其中约定还款核心字段包括“当前期数”、“计划还款日”、“应还本金”、”应还利息“；实际还款核心字段包括”实际还款日期“、”已还本/利/罚“、“逾期本/利/罚”、“减免本/利/罚”；其他信息则包括“交易状态”、“逾期天数“、”剩余期数“等。
还款计划表记录了客户的还款轨迹，能够直接定性一个客户的好坏，计算逾期率、账龄以及定义建模时的目标变量，这些都需要通过这个表的数据完成。因此，还款计划表是策略迭代、建模、数据分析中最为重要的表。
以上，是对金融信贷业务最核心、最重要的三张库表简单分享。可以发现，这三张表贯穿客户信贷生命周期始终，是信贷全面量化风险管理的基石，我认为，对于风控数据分析从业者，只有深刻且透彻的理解这三张库表的结构和字段业务意义，才能在坚固的地基上筑起稳固的高墙，将一切风险拒之墙外。
本文来源于《金融数据分析师集训营2.0》，更多关于学好金融数据分析的方法，请关注全新升级：
![]()
感谢梁校长的分享，如果你喜欢、想要看更多的干货类型的文章，可以把公众号设为星标🌟，顺便转发分享～
