数据分析九：互联网征信中的信用评分模型（用户APP使用行为分析）

用户APP使用行为数据分析:

一. 背景及数据介绍：

1. 移动互联网发展背景: 网民规模7.72亿，手机网民规模7.53亿；

2. APP使用热点：

商务交易类应用规模高速增长（网络购物，网上外卖，在线旅行）；

互联网理财用户规模达到1.29亿，同比增长20%；

公共服务类各细分领域规模增长（在线教育，网约车，共享单车）

3. APP数据优势：覆盖面广，范围广；渗透生活方方面面；适用人群多样；

4. 数据类型：基本属性信息包括性别/年龄/省份/手机价格；手机号对应的APP安装记录；

5. 补充数据：根据APP名称去安卓市场爬取APP的详细描述（关于名称无法确定是做什么的app，通过app市场了解）；

6. 样本量：建模样本，共1000个用户，好人800个，坏人200个；

二. 变量构建：

这些app数据都是通过app得分得出的；

筛选出代表性app（能区分好人和坏人的app）：规则主观定；

区分度：

骗贷效应是存在聚集效应的：

变量构建的技巧总结：

构建有区分度的指标作为变量筛选的标准；

文本分析利用TF-IDF作为标准选择；

选择有利特征，构建新的标准；

 

三. 数据描述：

单偏分布，右偏分布；

 

连续变量对分类变量的描述图，用箱线图描述比较好：

 

四. 模型结果：

好人app：

坏人app：

 

辅助放贷：