基于网络信贷平台的客户信息挖掘

随着我国网络支付的迅速发展，网络信贷平台在日常生活中初露头角，然而优质客源对网络信贷平台的发展至关重要。本文对某网络信贷平台的数据进行了分析和挖掘。首先，从客户贷款特征数据中对客户价值进行聚类分析，并针对可发展客户给出相应决策。其次，根据客户的借款类型数据，对客户等级进行重新评价，指明提高平台用户质量、数量的方向。最后，利用已认证客户的信息，研究已认证客户喜好的认证方式与客户属性的关系，按客户喜好推荐认证方式以提高客户的认证率，从而增加客户源的稳定性。综上，本文从三个方面进行了研究，对网络信贷平台的发展具有重要意义。

金融是现代经济的核心，而贷款在金融行业中是一个热门业务。因此，贷款公司在金融市场发挥了重要作用。与此同时，随着我国网络支付的迅速发展，网络信贷平台[1]在日常生活中初露头角。因其具有门槛低、成本低等特点，吸引了大量的客户。但是，对于网络信贷平台来说，盲目信贷无形中为公司增加了风险，所以，对客户的信用等级预测变得至关重要。同时，为了使信贷公司的盈利更上一层楼， 对贷款客户的价值分类和优先发展客户群的研究是很有必要的。另外，由于众多的网络贷款平台APP 同时涌现在人们的视线中，采用特定的策略争夺客户对公司的发展具有促进作用。

本文将根据某网络信贷平台的数据，对客户价值进行分类分析，帮助公司决策；基于客户的借款类型数据，对借款类型的客户进行分群，寻找出潜在客户；利用已认证客户的信息，研究已认证客户喜欢的认证方式与客户属性的联系，按客户喜好推荐认证方式以提高客户的认证率。综上所述，本文将从客户价值分类、潜在客户群挖掘、认证方式推荐三个方面进行研究。这一研究对网络信贷平台的发展具有重要意义。

2. 客户价值分类 2.1. 构建贷款客户价值分析关键特征 2.1.1. 构建TAPNO 模型 基于某网络信贷平台的数据，将客户的历史成功借款次数T、历史成功借款金额A、总待还本金P、历史正常还款期数N、历史逾期还款期数O 这5 个特征值作为网络信贷平台识别客户价值的特征(如表1所示)，记为TAPNO 模型。

2.1.2. 箱线图识别异常值并处理 箱线图[2]，亦称为箱须图，能提供有关数据位置与分散情况的关键信息。箱线图利用数据中的统计量：最小值、下四分位数、中位数、上四分位数和最大值描述数据。