一、案例背景：

    日常监控发现某款消费贷产品首逾率有逐渐升高的趋势，需要把首逾率降下来，从而减少产品带来的损失。

分析目标: 通过数据探查分析制定出可以有效降低首逾率的策略。

分析思路: 因为所要分析的策略，将会在客户申请时用来判断客户是否会逾期的条件，所以策略分析时的基本思路就是还原这些有首逾表现的客户在申请时的数据（还原是指提取出客户在申请时点各个维度的数据），然后利用这些数据，找出能够区分好坏客户的变量，制定策略。

1. 数据准备

2. 看一下这个产品总体的情况

3. 筛选出有效变量：

       这里用到单变量分析的方法，单变量分析的主要目的是筛选出好坏区分度较好的变量以便制定策略。

      拿到数据，针对每个变量单独分析，查看其对逾期的影响。

3.1 征信查询次数分组

3.2信用评级分组

4. 计算提升度：

       在进行变量分析之后，要从中筛选中较为有效的变量了，衡量变量是否有效的指标，提升度。

提升度：通俗的来说就是衡量拒绝最坏那一部分的客户之后，对整体的风险控制的提升效果。提升度越高，说明该变量可以更有效的区分好坏客户，能够更少的误拒好客户。计算公式：提升度=最坏分箱的首逾客户占总首逾客户的比例 /该分箱的区间客户数占比。

如下，通过对所有变量的提升度进行倒序排列，发现个人征信总查询次数和客户信用评级的提升度最高，达到1.93和1.71。

5. 制定策略：

       通过上一步的单变量分析，筛出了’征信查询次数’、‘信用评级’这两个提升度最高的变量。接下来如果将这两个变量的最坏分箱的客户都拒绝之后，对整体逾期的影响。 这个影响就是指假设我们将‘征信总查询次数>=21的3213位客户全部拒绝’之后，剩下的客户逾期率相比拒绝之前的逾期率降幅是多少。