AI时代的数据分析软件DeepBI与传统BI数据分析的差距

本文主要是介绍AI时代的数据分析软件DeepBI与传统BI数据分析的差距，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

#BI智能数据分析工具#

目前AI在各行业的渗透正在改变我们的工作方式和生活方式，尤其是在智能数据分析领域。今天我们就来看一下新时代数据分析的产品DeepBI与传统BI之间的差距有多大。

BI在过去的二十年被错误定义数据可视化，根本原因在于，过去的BI服务商都假设数据分析和数据挖掘需要由人类来做，机器只能提供相关工具辅助人类完成工作。在AI时代这个假设是错误的，AI可以完整的代替人类做数据分析和数据挖掘，这才是BI这个词的真正意义所在。

新时代BI工具-DeepBI效果展示：

一句话既能得出答案也可同时实现数据可视化！

我们接下来看看DeepBI与传统BI工具的差异。

数据背景介绍&数据来源

业务背景：

贷款是商业银行的一项重要业务，同时个人贷款是银行贷款不可或缺的一部分。那么个人贷款客户画像的重要性就显而易见，它不但可以让银行知道其个贷客户年龄，性别，学历等因素分布情况，同时对于精准营销，个贷分析都有潜移默化的辅助。

需求痛点：

对于银行个人业务部来说，每月甚至每周都会进行机构下综合贷款数据上报以及个贷客户分析数据，基于excel报表手工统计的时间太长并且人工统计难免出错，这样会浪费大量的时间精力。此表可以协助工作人员把相关数据都进行归集，统计并上报给个人条线负责人。

数据来源：

数据来源于德国人信贷风险数据。

字段：年龄，性别，工作，住房，存款账户，检查（支票）账户，贷款额度，持续时间，贷款目的，风险评估（部分字段数据源表均是英文，后自行处理“住房，性别，贷款目的，风险评估”字段中的数据，翻译成中文数据存入表中）

使用参考数据：（源于德国人信贷风险数据表）

传统BI数据分析

为了用传统BI更好的得出分析结论，又在原本数据集上自创了部分数据：联系方式，居住城市（区/CN）,学历，征信认证，所属机构。

分析思路

先确定分析目标：了解银行内个人贷款客户以及贷款目的等情况，根据自身发展需要确定下一步选择贷款客户方向，贷款目的以及不良贷款的控制。

以下为拿到数据后分析思考的过程：

此个贷信息主要包含两个层面：

1：客户层面：包含了客户性别，联系方式，居住地，学历。

2：贷款层面：贷款目的，风险评估，贷款额度，持续时间（贷款期数），征信认证，存款，支票账户。

我们从客户的地区分布，年龄，性别，学历等情况进行汇总查看，分析目前哪些客户是贷款的主力军。

然后从贷款目的，风险评估，贷款额度，持续时间（贷款期数），征信认证，账户等层面进行分析，同时对风险评估进行过滤，只取不良贷款数据，显示不良贷款下年龄-性别占比以及住房类型占比。从而得知哪些人群是经常存在不良贷款的。这样可以让金融机构在面对大额长期的信贷业务时，更好的提高警惕，同时也可以优化银行的风控模型。

在客户地区分布图中，银行相关部门可以发掘哪些地区是贷款客户的高频发区域，同时也可以发现哪些地区占比低，这样对客户的管理以及营销区域的管理都有很好的促进效果。

下面是分析思路图：

数据处理

1.对贷款额度进行分组

2.对贷款持续时间（贷款期数）分组：

3.对工作数值进行转译：（例如：0-非熟练和非居民）

4.创建年龄分组下的贷款额度-风险评估-性别-住房数据集

以上就是传统BI为做分析需要准备的工作，截图虽然体现不出多么复杂，只要操作一遍才能体会的到。

可视化图表的选择与制作步骤

1：我们需要根据整理后的数据选择合适的图表，通过分许，我们根据展示需要选择了横向柱状图，折线图，饼图，区域地图等，以便于直接展现结果，突出要点。

2：选择好图表，将维度字段拖入右侧【横轴】、【纵轴】中，构成图表的横轴和纵轴。

3：进入FineBI帮助文档，根据操作步骤，包括表格属性和组件样式，对图表进行优化。

4：进入仪表板，将各图表进行排位。

经过艰苦卓越的奋斗产出的可视化图表：

贷款人相关因素信息分析：

不良贷款分析：

工作技能与贷款目的分析：

通过对可视化图表分析得出结论

再对得出的可视化图表进行分析然后就是考察个人报告编写能力（是否全面）：

1：通过分析总体情况表，我们可以全面掌握银行的贷款概况，包括总贷款额度和总贷款人数。这些数据为我们提供了银行信贷业务的整体规模与活跃度。进一步地，通过营销机构下的不良与优秀贷款额度展示，我们可以深入了解各机构在贷款风险管理方面的表现。这一分析不仅揭示了不同机构的风险敞口，也反映了各机构在信贷投放和风险控制上的策略差异。

2：在贷款人相关因素信息分析中，我们运用到了多个表来展现不同信息分析，其中有折线图，区域地图以及饼图。

对于不同年龄下贷款额度变化图中：我们可以清晰的发现20-40岁的人是贷款的主力军。

对于学历-统计贷款人数图中：我们可以看到贷款人中本科和研究生学历的人数居多。

在贷款客户所属地区分布图中：我们可以看到南山，福田，罗湖是绝大多数贷款人的所属区域。

在四个饼图中：我们分为了四个不同的贷款人因素分别展示：

<1>：征信认证分布图中展示出贷款人绝大多数是有征信认证并且认证成功的。

<2>：贷款期数分布图中展示出12-36个月的贷款期数占了总体的近65%。

<3>：贷款人的存储账户分布情况来看：绝大多数人存储账户是没有太多钱的。

<4>：性别占比图中我们可得知：男性是贷款的主力。

3：在不良贷款分析板块中，不良贷款的人群大部分是20-50岁的人群，其中男性居多，女性相较于男性面对透支风险更谨慎，面对透支消费的行为更理性；而有自己住处或者不担忧房租的人对刷爆信用卡的冲动更加难以克制；金融机构在面对大额长期的信贷业务时，更应该提高警惕，应该更加细致的调查申请人员的工作收入以及存款情况。

4：在工作技能-贷款目的分析板块中：大多数人的贷款目的是汽车，住房相关以及家居设备。这表示大多数人的贷款目的是为了能够拥有更高品质的生活。同时，我们也可以看到，工作技能属于熟练或者是高技能工作者（这代表他们的工作属于高精尖或者是收入较高群体），他们的贷款总额是要高于工作非熟练群体的，这表示拥有高技能的工作者贷款的几率以及贷款的额度也是要较高的。