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~