信贷风险评估客户数据集CreditRiskAssessmentCustomerDataset-danialrehman
数据来源：互联网公开数据
标签：信贷风险, 客户画像, 信用评分, 违约预测, 数据分析, 机器学习, 风险管理, 金融风控
数据概述：
该数据集包含来自金融机构的客户信用相关数据，记录了客户的个人信息、收入情况、教育背景、家庭状况、住房类型等，以及他们在信贷产品中的表现。主要特征如下：
时间跨度：数据未明确标注时间，但可推断为客户在特定时间段内的信用记录。
地理范围：数据未指明具体地区，但可推测为金融机构服务范围内的客户。
数据维度：数据集由两个主要文件构成：application_record.csv 包含了客户的个人信息和申请信贷时的相关数据，credit_record.csv 记录了客户的月度信用还款状态。关键字段包括客户ID（ID）、性别（CODE_GENDER）、是否有车（FLAG_OWN_CAR）、是否有房产（FLAG_OWN_REALTY）、子女数量（CNT_CHILDREN）、收入总额（AMT_INCOME_TOTAL）、收入类型（NAME_INCOME_TYPE）、教育程度（NAME_EDUCATION_TYPE）、家庭状态（NAME_FAMILY_STATUS）、住房类型（NAME_HOUSING_TYPE）、出生日期（DAYS_BIRTH）、工作天数（DAYS_EMPLOYED）、是否有手机（FLAG_MOBIL）、是否有工作电话（FLAG_WORK_PHONE）、是否有电话（FLAG_PHONE）、是否有邮箱（FLAG_EMAIL）、职业类型（OCCUPATION_TYPE）、家庭成员数量（CNT_FAM_MEMBERS）以及每月信用余额（MONTHS_BALANCE）和还款状态（STATUS）等。
数据格式：CSV格式，包含application_record.csv 和 credit_record.csv 两个文件，方便数据分析和处理。
该数据集适合用于信贷风险评估、客户信用评分建模和违约预测等任务。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融风控、信用风险管理等领域的学术研究，如信用评分模型的构建、影响违约的关键因素分析等。
行业应用：为金融机构提供数据支持，尤其适用于信贷产品的风险评估、客户细分、个性化信贷产品推荐等。
决策支持：支持金融机构的风险管理决策，如贷款审批、额度调整、风险定价等。
教育和培训：作为金融风控、数据分析、机器学习等相关课程的实训数据，帮助学生和研究人员深入理解信用风险评估。
此数据集特别适合用于探索客户的个人特征与信用表现之间的关系，帮助用户构建和优化信用风险预测模型，提升信贷决策的准确性和效率。
