1.了解数据
本数据为一家银行的个人金融业务数据集，可以作为银行场景下进行个人客户业务分析和数据挖掘的示例，这份数据中涉及到5300个银行客户的100万笔交易，涉及700份贷款信息，近900张信用卡的数据。通过分析这份数据可以获取相关的业务知识
例如：1.提供增值服务的银行客户经理，希望明确哪些客户有更多的业务需求。
2.风险管理的业务人员可以及早发现贷款的潜在损失，根据客户贷款前的属性、状态信息和交易行为预测其贷款违约行为？
1.1数据字典（表的结构）
1.1.1 Loans 贷款表
| 名称 |
标签 |
Explain |
| loan_id |
贷款号 |
主键 |
| disp_id |
权限号 |
外键1:对应disp表的主键 |
| account_id |
账户号 |
外键2:对应accounts表的主键 |
| date |
发放贷款日期 |
|
| amount |
贷款金额 |
|
| duration |
贷款期限 |
|
| payments |
每月归还额 |
|
| status |
还款状态 |
A：合同终止，没有问题；B：合同终止，贷款没有支付；C：合同正在执行中，目前正常；D：合同正在执行中，欠款状态 |
- 根据贷款数据，状态为B和D的账户为违约账户；建立模型时，就可以将status作为变量Y
1.1.2 Accounts 账户表
| 名称 |
标签 |
Explain |
| account_id |
账户号 |
主键 |
| district_id |
开户分行地区号 |
|
| date |
开户日期 |
|
| frequency |
结算频度 |
月，周，交易之后马上 |
1.1.3 Clients 客户表
| 名称 |
标签 |
Explain |
| client_id |
客户号 |
主键 |
| sex |
性别 |
|
| birth_date |
出生日期 |
|
| district_id |
地区号 |
客户所属地区号 |
1.1.4 Disp 权限分配表
- 一条记录描述了客户与账户之间的关系，以及客户操作账户的权限
| 名称 |
标签 |
Explain |
| disp_id |
权限号 |
主键 |
| client_id |
客户号 |
外键1:对应clients表的主键 |
| account_id |
账户号 |
外键2:对应accounts表的主键 |
| type |
权限类型 |
身份为‘所有者’才能进行增值业务 |
1.1.5 Orders 支付命令表
| 名称 |
标签 |
Explain |
| order_id |
订单号 |
主键 |
| account_id |
发起订单的账户号 |
外键1:对应accounts表的主键 |
| bank_to |
收款银行 |
每家银行用两个字符表示 |
| account_to |
收款客户号 |
|
| amount |
金额 |
|
| K_symbol |
支付方式 |
|
1.1.6 Trans 交易记录表
| 名称 |
标签 |
Explain |
| trans_id |
交易号 |
主键 |
| account_id |
发起订单的账户号 |
外键1:对应accounts表的主键 |
| date |
交易日期 |
|
| type |
借贷类型 |
|
| operation |
交易类型 |
|
| amount |
金额 |
|
| balance |
账户余额 |
|
| K_symbol |
支付方式 |
|
| bank |
对方银行 |
|
| account |
对方账户号 |
|
1.1.7 Cards 信用卡表
| 名称 |
标签 |
Explain |
| card_id |
信用卡号 |
主键 |
| disp_id |
账户权限 |
外键1:对应disp表的主键 |
| type |
卡类型 |
|
| issued |
发卡日期 |
|
1.1.8 District 人口地区统计表
| 名称 |
标签 |
Explain |
| A1 = district_id |
地区号 |
主键 |
| GDP |
GDP总量 |
|
| A4 |
居住人口 |
|
| A10 |
城镇人口比例 |
|
| A11 |
平均工资 |
|
| A12 |
1995年失业率 |
|
| A13 |
1996年失业率 |
|
| A14 |
1000人中有多少企业家 |
|
| A15 |
1995年犯罪率（千人） |
|
| A16 |
1996年犯罪率（千人） |
|
1.2 实体-关系（ER图 表的关系）
如需数据：请添加QQ1240929749，备注：csdn数据