从2015年正式进入数据分析行业以来，从数据分析到数据建模，不能说自己精通，但也想给自己写下一份沉淀，以祭奠这些年加过的班，熬过的夜，啃过的书，没出去玩耍的假期。
因为我是做金融借贷类数据分析的，记录和分享的都是这个行业的相关内容，有感兴趣的小伙伴可以留言相互交流，相互探讨，相互学习呀～
如下是今天的分享或者说随笔。
数据是工具，如何利用好工具？首先你得知道是用什么样的工具。
用锯子锯钢材？#小才大用，能力不足#
武士刀削水果？#大材小用，搓搓有余#
用铁锤拧螺丝？#用错了# 。
进行数据分析就像是使用工具进行修理，数据分析的工具就是指标，比如：通过率，逾期率，利润率等。在特定的商业场景下，为了反应哪种业务现象，需要使用什么指标，是我们做数据分析之前必须要想清楚的事情。就像找人生伴侣，只有最适合，没有最好，你需要知道哪样的人是最适合你的，数据分析亦是如此，哪个或者哪些指标才是最适合当下分析情景的。
举个例子：分析获客成本。普通意义上讲，获客成本等于广告支出和渠道支出等除以注册用户。贷款行业的分子和分母都较之有所差异。
首先说分母，因为注册用户对于借款公司不能产生收益，只有成功借到款的客户才是能够产生收益的用户。为什么要考虑能够带来收益的用户？因为我们计算成本的目的是用成功借款客户能够带来的收益减去成本看来公司运营的效率。因此分母是成功借款客户的数量。
再说分子，借贷行业的获客成本分为流量成本和风控成本。流量成本就看公司与流量方的约定，如果是按照注册客户数量收费，比如2元/人，那么从注册到申请到放款，中间会涉及两个指标，分别为注册申请转化率，比如10%，通过率，比如10%，那么流量成本就是2除以0.1再除以0.1，等于200元/人。如果是按照放款客户来收费的，比如180/放款客户，那么成本就是180元/人。
风控成本，借款公司做风控时，需要数据支撑，因此一般会采购一些数据，是有数据成本的，比如银行调用央行征信；比如10元/人，通过率10%情况下，风控成本就是100元。
因此呀，不同行业，甚至是同一个行业，同一个名字的指标，由于业务意义的不同，含义可能千差万别。
千万不能脱离分析的业务场景和分析目标对比指标。
再举一个例子，在借贷行业a公司的逾期率是3%，b公司的逾期率是10%，b公司一定很差吗？
在没有搞清楚这两个百分比的算法之前千万不要下结论哟～
要弄清楚是件数逾期率？还是金额逾期率？分母是什么？分子是什么？是本金还是本息？有没有计算罚息？逾期客户是怎么定义的？
即使真的b公司逾期率水平高于a公司，b公司一定很差吗？
今天就写到这儿～晚安～
