【2023BI数据分析大赛】授信分析看板

作品选题：SINO授信风险看板

选手简介

1 团队选手版

团队名称：SINO授信团

队长介绍：EvanWu，中化国际数字化中心经理，目前从事建仓和数据可视化工作。

2 成员介绍：

Ling  中化国际财务总部经理 管理整个中化国际信用风险

Lu  中化国际轻量化风险经理 管理中化国际下属公司轻量化的信用风险

Miss Chen  中化国际轻量化风险总经理

Miss Zhang 中化国际轻量化风险主管

参赛初衷

SINO搭建了数据引擎平台，集成了帆软BI产品。基于此，授信团队希望基于公司的各系统的业务数据，进行轻量化授信管理。 因此正好以本次参赛为目的之一，来制作授信风险看板。

作品介绍

1 业务背景\需求痛点

背景：公司财务部门的业务人员，日常工作包括决策支持、风险防范（逾期分析等）、预算管理、授信管理等工作。

痛点：目前对于以上的业务场景只能每月通过底层数据，汇总为excel,再通过ppt的形式与各负责人进行汇报再进行风险预警以及决策支持，十分低效，并且分析内容重复，维度单一，无法通过多维角度对数据进行详细具体可视化的分析。

2 数据来源

使用了公司数仓中的授信客户总表（主要存储客户与业务员之间的关系）、授信逾期率表（存储客户与公司业务部门、工厂、利润中心、业务员的交易往来，逾期金额以及来款金额等）、授信占用表（主要记录不同客户的对应额度以及汇总每天的占用额度）

3 分析思路

围绕授信分析主题，主要拆分为四个板块，逾期情况分析、额度使用情况分析、来款情况分析、客户情况分析。使用TOP分析，展示对应指标下情况最差或最好的十个业务员或客户，从而起到决策支持以及风险预警的效果。

4 数据处理

数据最开始时都以单一维度的事实表进行存储，所以需要通过共同的主键客户编码或是业务员编码进行关联，最后形成我的自助数据集

5 可视化报告

共使用了四个过滤组件四个图表组件展示逾期情况分析，通过几个组件之间的联动关系和查询组件的使用以及不同图表的清晰展示，直观明了的查看一个业务员名下的客户对应的逾期率、额度占用率等数据，便于对该客户做出全面完善的分析以及风险预警，帮助业务人员在进行汇报决策以及风险预警时，提供多维可靠，详细具体的分析

1. 逾期情况分析：通过计算字段来计算逾期率，并通过柱形图降序排列展示前十的业务员，并且通过制作业务员和客户的钻取目录，可以通过柱形图中的钻取查看对应业务员名下的客户情况
2. 额度使用情况分析：通过计算字段来计算额度占用率，使用组合图表，通过柱形部分降序排列展示前十的业务员，并且通过制作业务员和客户的钻取目录，可以通过柱形图中的钻取查看对应业务员名下的客户的实时额度占用情况，同时使用折线部分展示对应人员的当月占用峰值
3. 来款情况分析：通过柱形图，展示来款金额中承兑金额占比，并排序展示前十的业务员或客户
4. 客户情况分析：通过多层饼图，展示客户的类别以及授信情况，便于对以上金额的合理性进行评估，并做出合理的分析与预警

价值总结：首先是帮助业务部门发现了逾期率高的客户，及时起到预警作用；其次对于来款情况做出分析，便于财务部门进行预算管理等工作；同时对于汇报决策等提供了数据支撑；并且节约了业务人员每月与it人员沟通取数的时间和制作对应分析看板的时间，提高了人效。

授信看板制作录屏.rar (13.09 M)

最终结果呈现的页面布局

R_202300000380 (1).pdf (383.47 K)

参赛总结

1 FineBI

产品简单易用。

2 参赛总结

借助数据引擎平台搭建授信分析看板可以提供对授信业务的全面监测和分析，帮助中化国际轻量化业务进行风险评估和决策支持。以下是该过程的总结：

数据整合与准备：首先需要将不同来源的数据整合到数据引擎平台中。这些数据可能包括客户信息、财务数据、信用报告等。通过数据连接和清洗功能，确保数据的准确性和一致性。

数据模型与指标定义：在数据引擎平台上建立相应的数据模型和指标定义。根据授信业务的需求，可以创建各种指标和计算公式，如客户信用评分、财务健康指标等，以便后续的数据分析和可视化展示。

数据分析与挖掘：利用数据引擎平台提供的数据分析工具，对整合后的数据进行深入分析和挖掘。可以使用统计分析、机器学习等方法，探索数据中的关联性、趋势和异常情况，发现潜在的风险或机会。

可视化设计与展示：根据授信分析的需求和用户的喜好，设计并创建相应的授信分析看板。使用数据引擎平台提供的可视化工具，将分析结果以图表、仪表盘等形式展示，使用户可以直观地理解和汲取洞见。

决策支持与监测：利用授信分析看板提供的信息和洞见，辅助银行或金融机构进行风险评估和决策制定。通过实时监测和反馈功能，及时发现和应对潜在的风险情况，做出明智的决策调整。

总的来说，借助数据引擎平台搭建授信分析看板可以帮助中化国际轻量化更好地管理授信业务，提高风险管理水平，并支持决策制定过程。通过数据整合、模型定义、数据分析和可视化展示，实现对授信业务的全面监测和分析，提供决策所需的信息和洞见。

恭喜通过大赛初审！！

1、内容缺失，请参考作品模板（https://shimo.im/docs/l6QXA2Hq3k83tcjd）补充BI分析看板及过程中的操作截图，或者检查内容是否在上传时有遗漏；

2、缺少图片，可点击文末“编辑”按钮重新上传图片，或者选择“导入Word”按钮，重新导入全文；

3、如果使用本地BI制作，请确保提交的附件resources.zip内容完整（附件如有更新请微信发送苏茜）；组委会将在8月16日后统一进行作品资源迁移，将您的作品导入大赛公共平台，形成在线模板查看链接，方便评委查看；

评审优先看此社区文章，请选手确保内容完整、排版清晰。截止8月17日20:00仍可调整排版问题，作品其他内容不可再修改。

打卡：是不是过于简单了，很难发现问题，并解决问题，期待后续逐步完善

打卡：看到“授信分析”标题，其实挺期待作品的内容的。但发现作品给人的感觉就是“还没开始已经结束”，期待一份更加完整的监控、预警和分析的作品。

打卡：
工具运用的很多，整体的分析思路不错，UI设计的整机很舒服。整体故事化的讲解，逻辑贯穿始终

打卡：
授信的分析其实对于有上下游代理商、服务商的企业是一个共同的需求痛点，长期以来都是手工表格或者简单的系统激励，月底或者账期汇总。经常会出现偏差，一些特殊的情况也无法有效监控的标记。
这类的分析是一个很贴近实际的看板需求，如有方便建议进一步对时间、客户、业务维度可以增加预测分析和预警分析，结合实际的业务可以解决不少实际等等。

感觉有点太简单了吧，无论是逾期率、额度使用率、客户分析等等都可以在进行深一度挖掘的，让某些容易出问题的数据指标暴露处理，进而实现数据的监控和管理的

打卡：作品介绍相对简单，分析也不够深入，期待可以见到后续完善的作品