一、选手简介 1、团队介绍 （1）团队名称：宇宙最强无敌风火轮团队 （2）团队成员介绍： 队长胡逸俊：帆软社区用户名胡逸俊，目前就职于海尔消费金融有限公司，我司是消费金融行业的海尔消金；目前从事贷后策略工作，对银行消金等金融行业的风险管理和贷后数据分析非常感兴趣，有一样兴趣的朋友相互分享。 成员1周鹏昊：海尔消费金融有限公司---贷后策略团队 成员2沈晓青：海尔消费金融有限公司---数据仓库工程师 成员3周忠鹏：海尔消费金融有限公司---数据仓库工程师 （3） 团队口号：优秀的公司让优秀的我们相遇 （4） 团队参赛初衷：你有梦想吗？有，就去做吧！（大赛奖励很诱人）   二、作品介绍 1、业务背景/需求痛点   （1）传统消费金融是指向各阶层消费者提供消费贷款的现代金融服务方式。无论从金融产品创新还是扩大内需角度看，消费金融都是金融行业不可或缺的一部分。   （2）消费金融行业这几年发展迅速，虽然也走过了一些弯路，但在我国当前的宏观经济形势下，适时地出台相关管理办法是适应客观经济形势的趋势和需要。从金融产品创新看，个人信贷业务是传统银行难以全面惠及的领域，建立专业化的个人消费金融系统，能够更好地服务于居民个体。   （3）我所在的公司是一家消费金融行业的持牌公司，主营业务是帮助融资困难的中小企业和有资金缺乏的个人获得信用贷款，我所负责的模块是贷款放款之后所有逾期客户的管理，简称贷后管理，其中涉及到风控、催收、诉讼、核销、资产转让/打包出售等。这一系列操作当中，最直接的就是与贷款客户打交道，如何更好的向客户提供提醒、催缴服务，帮助逾期客户尽早回到正常状态，挽回征信损失。这既是帮助和服务了客户，也降低了公司的坏账损失，故而催收是消费金融行业不可或缺的一环。   （4）催收行业所涉及到的面很广，坏账管理的维度很宽，公司坏账指标与催收行为紧密关联，尤其是催收动作，电话拨打，短信发送，团队的产能分布，均与坏账指标息息相关，但是所有的催收动作都需要记录，目前大家都是用很零散的方式去展示催收的一系列动作。痛点在于：如何做出一版可以既展示结果指标，又能够方便分析催收过程，还能够发掘催收过程中有哪些问题的数字化看板？   2、数据来源 我们使用的数据是企业实际生产应用数据，基于原始数据进行了真实值脱敏，将这些数据经过关联、并表等操作加工处理后形成一张宽表。这张表主要的计算逻辑如下： 数据源表 计算数据 短帐迁徙率计算 计算短逾期阶段的C-M1迁徙率、流入率、首逾率、30天催回率等指标 长帐回款计算 计算长逾期阶段的回收指标 短帐管理台催回监控 计算案件入催至各个催收机构后的回收指标分析 长帐管理台回收指标监控 计算案件进入长逾期催收机构后的回收指标分析 月产能数据统计 统计以月为单位的拨打、接通、短信等产能数据 日产能数据统计 统计以日为单位的拨打、接通、短信等产能数据   3、分析思路 （1）我们要解决的三个方面的问题： 1) 如何知道我们做得好不好？有没有达成公司目前对贷后的要求？ 通过对各指标的整体情况进行分析，全面了解贷后催收结果的整体趋势和现状，帮助我们建立起对数据的整体认知，这为后续的深入分析提供了基础和背景。 2) 如果做的不好，我们催收过程指标是哪里出了问题？ 将不同时期的指标对比分析，及时发现潜在的问题并提出改进的催收策略调整和优化。 3) 未来如何提前监控到逾期客户的波动情况？ 探索性分析影响逾期客户还款的相关因素，并采取必要的措施来降低潜在的信用风险，提升贷后的催回效果。 （2）如何解决这三个方面的问题： 1） 贷后BI业绩主看板，展示催收关键指标、达成情况、近3个月各产品的对比。 2） 从团队催收指标的达成情况和催员的拨打过程数据（案件量、拨打量、接通率等）来分析问题。 3） 通过逾期客户画像，实时监控贷后逾期客户的波动情况。 （3）BI贷后监控体系框架描述如下： 4、可视化报告 （1）业绩主看板 1) 短逾案件C-M1\C-M2迁徙率、流入率、首逾率、30天催回率同期对比 2) 短逾C-M2月达成率情况展示，MTD\YTD迁徙达成情况（核心KPI达成情况） 3) 短逾每日迁徙率走势，分产品维度迁徙率走势，同比展示指标增降幅趋势 4) 长逾案件回收达成情况，分资产包维度 5) 长逾月回收达成率情况展示MTD\YTD迁徙达成情况（核心KPI达成情况） 6) 长逾案件以每周为节点展示回收情况，同比展示回收增降幅趋势 （2）催收过程分析 1） 短逾案件催回指标监控： ①　整体回退率：观察某团队整体回退率波动 ②　C卡评分段占比：观察某团队催理案件评分分布 ③　各月金额段回退率：分金额段拆解展示回退率组成 ④　各月催收手工标签回退率：分标催收手工标签解展示回退率组成 ⑤　各月强弱无回退率：分标签拆解展示回退率组成 ⑥　各月放款MOB回退率：分MOB标签拆解展示回退率组成 ⑦　各月产品大类回退率：分产品大类标签拆解展示回退率组成 ⑧　各月C卡评分回退率：分C卡评分段标签拆解展示回退率组成 2） 长逾案件回收指标监控： ①　各月整体回收：观察某团队整体回退率波动 ②　各月回收诉讼状态占比：观察某团队催理案件评分分布 ③　各月金额段回收：分金额段拆解展示回收组成 ④　各月账龄段回收：分账龄段拆解展示回收组成 ⑤　各月诉讼状态回收：分诉讼状态标签拆解展示回收组成 ⑥　各月催收手工标签回收：分催收手工标签拆解展示回收组成 ⑦　各月评分段回收：分C卡评分段标签拆解展示回收组成 ⑧　各月产品大类回收：分产品大类标签拆解展示回收组成 ⑨　每日回收：每日回收趋势 ⑩　诉讼和执行mob回收：分不同诉讼时间状态下的回收拆分     3） 长短逾产能统计： ①　拨打强度：观察团队案件拨打量情况，对比团队产能是否足够 ②　案件覆盖率：观察每日案件是否有足够的触碰与覆盖 ③　案件可联率率：观察案件的可联情况，来对比案件质量 ④　电话接通率：观察电话接通情况，对比每日仙侣波动 ⑤　通话时长：对比不同团队的通话质量问题与话术熟练度 ⑥　PTP相关数据：对比团队成员对于承诺还款账户的把控程度。   5） 短逾每日迁徙率走势，分产品维度迁徙率走势，同比展示指标增降幅趋势 6） 长逾案件回收达成情况，分资产包维度 7） 长逾月回收达成率情况展示MTD\YTD迁徙达成情况（核心KPI达成情况） 8） 长逾案件以每周为节点展示回收情况，同比展示回收增降幅趋势     三、参赛总结 1、FineBI工具 （1）FineBI工具提供了很多现成的可以“一键生成”的可视化图表工具，可以让初学者快速上手实现多种可视化图。FineBI也为进阶者给予很多自由发挥的空间，比如可以通过新建计算字段，灵活使用内嵌函数来实现较复杂的指标等。 （2）FineBI在可视化美观方面的功能更强大，软件提供了丰富的主题模板、更灵活多样的元素样式，拖拽的交互方式生成仪表板，操作便捷、丝滑流畅，用户体验佳。 （3）FineBI可“一键生成”的多种可视化图表帮助数据分析师聚焦于数据的分析，提升目标图表的制作效率，大大提升了数据分析师的工作效率。 （4）FineBI内嵌的函数和分析功能助力数据分析师开展科学、严谨的数据分析工作。 （5）FineBI良好的用户操作体验、美观的数据可视化视觉效果，帮助数据分析师提高工作效率，快速产出美观的、丰富内容的数据可视化仪表板。   2、参赛总结 本次参赛各位选手均是在大数据摸爬滚打好多年的大神，对BI的使用得心应手，通过参与本次大赛，更能深入的认识BI工具，更真实性的运用到实际生产工作中去。由于选了贷后逾期管理的数据分析，希望对消金公司贷后资产管理中产出更有价值的数据分析。 FineBI还有一个知识完备的帮助中心，针对一些特殊的问题，我们直接在帮助中心里查看知识文档，如果有问题在里面留言，很快会有运营人员回答。