现象：

1.贷款额度基本维持在900万美元到1050万美元区间内，随时间呈周期性变化，周期为1季度。对于第一季度而言，一般最后一个月贷款额度较高，对于第二季度，5月份的贷款额度较高，对于第三季度而言，7，8月份的贷款额度较高，对于第四季度，12月份的贷款额度较高。

---

---

2.总体来看五年内，贷款额度的最低点都集中在第一季度

3.贷款的同比、环比变化幅度均较小，上下浮动不超过4%，环比的最高值出现在2015第二季度，同比最高值出现在2015第三季度

分析：

1.因各年、月贷款额度上下浮动总体不大，可以认为现有借款、贷款资质审查门槛合理，基本满足贷款供需平衡。

现象：可以看出贷款额度较高的人群特点是

1.  对于低收入人群：按揭房的工业工程师，无房的软件工程师、自有房的注册护士、租房的卡车司机

2.  对于中等收入人群：按揭房的客服、没有房的卡车司机、自有房的工业工程师、租房的销售经理

3.  对于中高等收入人群：按揭房的卡车司机、无房的社会工作者、自有房的内科医生、租房的保险销售人员

4.  对于高等收入人群：按揭房的客户服务人员、无房的工业工程师、自有房的注册护士、租房的客户服务人员

分析：根据以上特征企业可以制订个性化的营销和产品方案，例如对于自有房的客户可能经济压力来源于高额的房地产税，因此在进行产品设计时可以强调贷款周期长、利率小的特点，再比如对于无房的社会服务者，因为其工作的特殊性工资不需要纳税且无房也没有房地产税的负担，其主要的经济压力可能来源于生活普通开销，因此产品设计可以考虑短期、流动性强的贷款

还款 KPI

KPI划分依据：

l  还款额度为100%为状态一：达标

l  还款额度为95-100%的为状态二：基本达标

l  还款额为90-95%的为状态三：不达标

l  90%以下的为状态四：严重不达标

现象：

总体来看：

1.  各职业、各收入人群的还款KPI基本达标。其中只有年收入低于二十万美元的软件工程师、年收入二十万到四十万的社会工作者出现了还款KPI不达标的情况。

2.  贷款买房的贷款人还款KPI最佳。无房、拥有房产的贷款人的还款KPI优秀率最低。

3.  软件工程师还款KPI为优秀的比例最大，但同时也出现收入较低时KPI不达标的风险情况。

分时间段来看：

1.  2014年有6种特征人群严重不达标且集中在中低收入人群，销售经理除外

2.  2015年同样有6种特征人群严重不达标且集中在中高收入人群

3.  2016年软件工程师的达标情况出现两极分化，部分人群达标，部分人群严重不达标

4.  2017年中高等收入的注册护士达标情况比较差

5.  2018年工业工程师和会计的达标情况比较差

分析：

1. 年收入二十万到四十万的社会工作者贷款条件应该更为严格。
2. 收入高于二十万的软件工程师贷款条件可以适度放松；收入在二十万以下的软件工程师贷款条件应更加严格。
3. 每一年职业对KPI的影响不同，企业应该具体分析每一年中的行业走势，识别出经济波动中的行业衰退

地域分布对贷款的影响

现象：

1.乔治亚州、肯塔基州为贷款额度最低的两个州。

2.怀俄明州、密歇根州为贷款额度最高的两个州。

3.GDP最高的加利福利亚州贷款额度处于低水平。GDP倒数第一、二的佛蒙特州、怀俄明州贷款额度处于高水平。

4.贷款总额最高的地区是东南和中西部地区，最少的是东北和西南地区。

分析：

1.贷款额度与GDP呈负相关关系，越富裕的地区贷款额度越低，而贫穷的州仍然处于需要贷款解决问题的生活水平。

2.公司应当关注佛蒙特州、怀俄明州此类GDP倒数、贷款额度最高的州的还款KPI情况，若KPI不达标，则加强对此类大州的贷款资质审查力度。同理，可以适度放松对GDP发达、借款额度低的大州的贷款资质审查力度。

3.公司应该根据各个地区的贷款额状况设置代理点，在贷款额高的地区设置更多的代理点而在贷款额低的地区设置较少的代理点，同时可以在贷款额少的地区加大营销力度。

---

关于作者

在此对Zuyuan Wang对本文所作的贡献表示诚挚感谢，他擅长Python、SQL Server、Tableau，专注于数据分析、数据可视化。