银行信贷数据集市宽表及指标体系建设思维导图

-贷款总额：当月发放的贷款总额

贷款余额：截止到当前日期的贷款余额

贷款不良率：不良贷款率

-逾期贷款率：逾期贷款占贷款总额的比例

坏账率：坏账占信贷余额的比例

抵债资产占比：抵债资产占贷款余额的比例

-资本充足率：资本充足率不足应采取的措施，包括增资扩股、引进战略投资者等

存贷比：限制存贷比以防范金融风险

-专家咨询法：邀请银行信贷业务专家和数据分析专家共同制定指标体系

业务需求分析法：了解银行信贷业务的需求，制定相应的指标体系

-第一步：确定数据源，了解数据现状

第二步：分析业务需求，确定指标体系框架

第三步：专家讨论，修改完善指标体系框架

第四步：细化指标体系，形成最终的指标体系

-全面性：涵盖银行信贷业务的各个方面

准确性：统计口径表述清晰，易于理解

稳定性：长期保持稳定，不轻易变更

-贷款余额：按照会计科目口径统计贷款余额

逾期贷款率：按照逾期天数统计逾期贷款占总贷款的比例

违约率：按照风险等级统计贷款违约的比例

-可操作性：方法易于理解和执行

准确性：计算结果准确反映实际情况

简便性：方法简单易行，便于快速计算

-贷款增长率：计算本期贷款余额与上期贷款余额之间的增长率，可以用于评估信贷业务的增长情况

逾期天数：根据信贷合同，计算借款人逾期多少天，用于计算逾期贷款率

Z值：根据借款人的财务数据和其他相关信息，计算Z值，用于评估借款人的信用风险

-建立宽表数据模型，根据业务需求设计表结构和字段

设计数据清洗和整合的流程，确保数据质量

-建立指标体系数据模型，根据业务需求设计指标和计算公式

设计指标数据的获取和更新流程，确保数据时效性

-使用ETL工具，如ApacheNiFi、Talend等，从银行信贷系统和其他外部数据源中抽取数据

确保数据抽取的完整性和准确性

-对抽取的数据进行清洗，去除重复、错误和异常数据

将清洗后的数据整合到指定的宽表中或指标体系中

-将整合后的数据加载到数据仓库中，并进行验证和测试

确保数据加载的完整性和准确性，符合业务需求

-根据宽表和指标体系需求，设计数据模型，包括表结构、字段、指标和计算公式等

确保数据模型的合理性和可行性

-设计数据流的流程，包括数据抽取、清洗、整合、加载和验证等环节

确保数据流的顺畅和高效，符合业务需求

-根据数据模型，构建所需的宽表，满足业务需求和分析需要

对宽表进行测试和验证，确保数据的完整性和准确性

-根据业务需求，构建指标体系，包括各类指标的计算公式和数据来源等

对指标体系进行测试和验证，确保数据的时效性和准确性