互联网金融数据分析指标【汇总】

互联网金融是指借助于互联网技术、移动通信技术实现资金融通、支付和信息中介等业务的新兴金融模式，既不同于商业银行间接融资，也不同于资本市场直接融资的融资模式。互联网金融包括三种基本的企业组织形式：网络小贷公司、第三方支付公司以及金融中介公司。

互联网金融的业务类型主要分两类：资金类和资产类。
资金类主要包括理财类和吸储类，核心模块：用户转化，用户留存，用户复投等，侧重运营，主要目的是让用户投资。资产类主要包括消费金融和现金贷等，核心模块：用户转化，用户还款，用户预期，侧重风险控制，主要目的是让用户贷款。

数据分析的两大目标：
1、风险控制
2、业务增长

一、主要业务框架
我们先来明确几个问题：
1、目标用户是谁，目标用户的分级体系？
2、提供什么样金融产品，金融产品的核心价值？例如收益、风险、流动性等
3、通过什么渠道找到目标用户？例如搜索引擎竞价、微信、APP、朋友圈、渠道合作伙伴等等。
4、举办什么样的营销活动来扩大影响力，拓展新用户、提升老用户活跃度？
5、合作伙伴是谁？包括担保公司、保理、信托、银行、渠道合作等。
6、怎样进行风险控制？包括政策法规风险、项目风险、系统风险、操作风险等。
7、用户通过什么渠道投融资（支付）？第三方支付、网银转账、线下汇款、移动支付、POS等等。
8、怎样搭建NB的IT支撑平台？用户体验要好、系统要安全可靠稳定等等。
9、怎样服务好用户？客服体系、运营体系等等的搭建。
10、怎样从众多竞争对手中脱颖而出，建立品牌形象并维系好品牌形象？

针对以上问题，可以总结出对应量化指标体系：
1、用户指标：包括用户信用评级、活跃度、留存率、转化率、客单价（平均投资额度）、用户分布（各等级占比）、互动指标等等。
2、产品指标：产品组合、投资人数、投资金额、满标时间、收益率、流标数、风险系数、热度（受欢迎度）等等。
3、营销渠道指标：渠道来源、渠道转化率、渠道成功率、渠道成本等等。
4、营销活动指标：活动成本、活动渠道来源、活动转化率、传播数、新增粉丝数/用户数等等。
5、合作方指标：合作带来的项目数、项目通过率、风险系数、成本等等。
6、风控指标：项目审核通过率、风险备用金、项目流动性风险指标、合规相关指标等等。
7、支付渠道指标：渠道转化率、渠道成功率、支付渠道来源、渠道成本等等。
8、IT平台指标：用户体验指标（包括响应速度等）、可靠性指标、安全性指标等等。这块与互联网的指标类似。
9、客服指标：投诉分类、接通率、投诉渠道、响应速度、满意度等等。
10、竞争性指标：竞争对手分析指标、互联网舆情监控指标等等。
二、不同业务类型分析指标分析侧重点不一样
资金类分析主要指标如下：
1、常见指标：新增投资人数、新增投资金额、累计投资人数、累计投资金额、复投率。
2、营销推广类指标：APP活跃用户数、活动页面浏览数、注册用户数、渠道注册转化率、渠道投资金额，渠道复投率。
3、运营指标：活跃用户数、新客占比、每日投资人数、每日投资金额、复投率、新用户投资占比
4、产品指标：UV，PV，页面访问时长、APP日均使用时长、注册转化率、投资转化率、跳出率
资产类主要指标：
1、贷前要素：额度、期限、利润、目标客户特征、借款金额
2、贷前

• 精准推荐：贷款产品分类（金额、期限、利率、适用人群）、客户画像分类（风险属性、兴趣爱好、行为分析、需求匹配、人口特征（年龄、性别、学历））
• 认证：身份认证、ORC、人脸检测、活体检验、银行卡认证、手机认证
• 反欺诈：黑名单过滤（接入第三方服务、爬取网络数据、失信名单、贷后数据积累）、设备反欺诈（接入设备反欺诈、内部自建设备泛反欺诈）、多头查询（内部平台数据共享）
• 查询数据：运营商（通讯录、通话记录）、信用卡（信用账单、消费情况、数卡频率、刷卡额度）、位置数据、电商（消费能力）、学历（增信）、社保（增信）
• 风险评分：外部评分（芝麻分、前海评分、鹏元评分），内部评分（建模，风险评估）
  3、贷中：设备监控、电商消费、信用卡监控、行为监控
  4、贷后：催收（短信提醒、相关联系人、相关地址），再贷款（还款情况、风险评估、优化用户画像再营销）

三、业务分析主要维度

1、用户类指标
指用户的基本情况，包括姓名、性别、邮箱、年龄、家庭住址、教育水平、职业，使用语言，兴趣爱好、产品偏好、信用等级、资产情况等。还可进一步划分为新/老用户，活跃/留存/流失用户等。
通过以上指标，可构建用户画像，实现千人千面，精准营销。
2、行为类指标
用户行为可以是用户注册、绑定、实名认证、产品点击，浏览，加购、支付、复购、推荐等行为。
3、商品描述类指标
产品ID，产品类型，贷款利率，贷款周期，贷款金额等指标。

具体作用如下：
用户类数据指标：
日新增用户
产品每天新增的用户是多少，可以用折线图看趋势，一个产品用户没有增长，用户数就会慢慢减少，越发惨淡，如人人网。
新增用户来自推广的渠道，可以按照不同的渠道维度来拆解新用户，判断效果

日活跃用户
不同的产品对活跃的定义不一样，还需要清楚对应产品的定义，
日活跃用户（DAU）：一天之内活跃的用户数，
周活跃（WAU）：一周之内至少活跃一次的用户数
月活跃(MAU)：一月之内只好活跃1次的（注意去重）
日，周，月活跃率=日，周，月活跃用户/总用户

留存用户【对应：流失用户，与是前面的概念相反】
留存（用户粘性小，想办法提高留存，找到具体流失的原因）=新增的用户-流失的用户
次日留存（N=2）
7日留存（N=7）
30日留存(N=30)
留存率=第一天新增的用户中，在第N天还使用过的用户数/第一天新增的用户数。

根据统计概率分布，新用户次日留存率为40%，7日留存率为20%，30日留存率为10%，能达到这个数据表现的产品属于数据比较好的，典型的漏斗模型。

行为类数据指标：

PV/UV
PV：访问次数，页面浏览次数，（例）用户每打开一个网页可以看作一个PV，用户看了十个网页，那么PV为10。
UV ：访问人数，是一定时间内访问网页的人数。在同一天内，不管用户访问了多少网页，他都只算一个访客。
通过PV、UV可以看到用户的喜好，从而优化产品的功能。

转化率
跟上面的公司类似的比率计算方法，商品的，广告的。
（例）有100个用户看到了你便利店的推广信息，被吸引进入便利店，最后有10个人购买了便利店里的东西，那么转化率=10（产生购买行为的客户人数） /100（ 所有到达便利店的访客人数）=10%

K因子： 衡量推广的效果；一个发起推荐的用户可以带来多少新用户。
k因子= 平均每个用户向多少人发出邀请 （* 乘） 接收到邀请的人转化为新用户的转化率
假设平均每个用户会向20个朋友发出邀请，而平均的转化率为10%的话，K =20*10%=2。这个结果还算是不错的效果。
k因子>1 的时候，用户群会越来越大，有滚雪球效应，k因子<1的时候，增长会有天花板；

商品类数据指标
**总量：**用来衡量业务总量的指标
成交总额（GMV）：也就是零售业说的“流水”，成交总额包括销售额、取消订单金额、拒收订单 金额和退货订单金额。
**成交数量：**对于电商产品就是下单的商品数量。对于教育行业，就是下单课程的数量。
**访问时长：**用户使用app，或者网站的总时长
人均：用来衡量每个人平均消费的指标
客单价（人均付费ARPU）= 总收入/总用户数
付费用户人均付费(ARPPU)=总收入/付费人数
人均访问时长=总时长/总用户数
付费：用来衡量付费情况的指标
付费率=付费人数/总用户数 是付费用户占活跃用户的比例。
复购率=消费2次以上的人数/付费人数 是重复购买频率，用于反映用户的付费频率。 比如在1个月内，有10个用户购买了产品，5个用户产生了重复购买，那么复购率=5个重复购买用户数 / 10（总购买用户数=50% ）

互金风控核心指标：
（1）逾期天数 DPD (Days Past Due)：自应还日次日起到实还日期间的日期数
例：DPDN+表示逾期天数 >=N天，如DPD7+表逾期天数 >=7天的合同

**（2）逾期期数：**以每月的约定最后还款日为界限，累计超过1（N）次未全额还款（或最低还款）为逾期1(N)期
例：正常资产用C表示，Mn表示逾期N期,M2逾期二期，Mn+表示逾期N期(含)以上，M7+表示逾期期数 >=M7

（3）贷款余额 ENR：至某时点借款人尚未偿还的本金
即：全部剩余本金作为贷款余额
例：贷款1000，还了500，ENR=500

（4）月均贷款余额 ANR
月均贷款余额 = (月初贷款余额 + 月末贷款余额)/2，月初贷款余额即上月月底贷款余额
例：月均贷款余额 ANR= (上月月底贷款余额600 + 月末贷款余额500)/2=550

（5）C,M1,M2,M3…的贷款余额
根据逾期期数(C,M1,M2,M3…)，计算每条借款的当时的贷款余额
贷款余额 = 放款时合同额 –已还本金
已还本金 = (放款日次日 ~ T-1)的还款本金总额

（6）核销金额
贷款逾期M7+后经审核进行销帐，核销金额即在核销日期当天的贷款余额

（7）回收金额 Recovery
来自历史所有已核销合同的全部实收金额

（8）净坏账 NCL
当月新增核销金额 – 当月回收金额

（9）逾期率Coin©%、Coin(M1)%、Coin(M2)%、Coin(M3)%、Coin(M4)%、Coin(M5)%、Coin(M6)%
当月不同逾期期数的贷款余额/当月底总贷款余额

例：
Coin©%=当月C贷款余额/当月底贷款余额(C-M6)
Coin(M1)%=当月M1贷款余额/当月底贷款余额(C-M6)
Coin(M1+)%=当月M1−M6贷款余额/当月底贷款余额(C-M6)

（10）逾期率Lagged(M1)%、Lagged(M2)%、Lagged(M3)%、Lagged(M4)%、Lagged(M5)%、Lagged(M6)%
当月不同逾期期数的贷款余额/往前推N个月的总贷款余额
例:
Lagged(M1)%=当月M1的贷款余额/上个月底的贷款余额(C~M6)
Lagged(M4)%=当月M4的贷款余额/往前推四期的总贷款余额
Lagged(M4+)%=当月M4的贷款余额/往前推四期的总贷款余额 + 当月M5的贷款余额/往前推五期的总贷款余额 + 当月M6的贷款余额/往前推六期的总贷款余额

参考资料：
互联网金融运营需要关注的数据有哪些呢？ - 梁川的回答 - 知乎
https://www.zhihu.com/question/29164071/answer/43503400
https://zhuanlan.zhihu.com/p/74838019
https://zhuanlan.zhihu.com/p/53168545