
大數(shù)據(jù)透析P2P平臺跑路真正原因_數(shù)據(jù)分析師培訓
跑路,P2P平臺難以擺脫的夢魘,到底是“道德敗壞”還是“大勢所趨”?只是揣測是不行的,與真相帝拿起顯微鏡,透析一下P2P平臺跑路的真正原因。
一、借款人態(tài)度
真相帝通過對接近50位真實借款人(限于時間和資源有限)的調研,類型大致可以分為下面幾類:
1.無所謂,只要借款人能拿到借款,透露也沒什么關系,有真實的實體經(jīng)營,真實的資料,你來實地考察還能給他打打廣告,但這只占6%的比例。
2.可以公開,但不涉及隱私,也就是說借款資料什么的完全可以公開,但只要不涉及借款人的聯(lián)系方式,不知道借款人是誰就可以,這類人群比重將近66%。
3.完全不公開,他們的理念是借款人只是和投資人發(fā)生了借貸關系,沒必要把他借貸的事情搞的全世界都知道。此類型占到28%。
4.自融平臺不加討論,不真實,更沒有透明可言。
由上面數(shù)據(jù)得出結論。相對來說只要是真實借款人,只要不涉及自己私人信息。借款信息的披露他們是持無所謂狀態(tài),他們要的只是能借款,解決自己的問題。
二、平臺借款信息的披露
1.20%的平臺對于借款用戶的信息是完全對外公布的。
2.50%的平臺對于借款用戶的信息是沒有對外公布的。
3.20%的平臺是資料不全,或解釋沒有放上去,資料公司是有的。
4.10%的平臺有資料,但填充假的可以。甚至評估15萬的車能貸款20萬。
真相帝調研了將近100家平臺,信息公布完整的多數(shù)為上市公司參股平臺,以及真正有心做好P2P業(yè)務的平臺,占20%。其他多為公布不完全或者不公布,不排除排名前10的平臺,信息為什么不公布,投資人可以發(fā)揮無限的想象力。作者不做評論與猜想。
三、投資人對于借款信息的態(tài)度
真相帝對于投資人的調研結果真的是啼笑皆非,下面看看你們屬于那一種。
1.跟風型:看到身邊人投資了就去投資,不管項目利率的高低,不管項目的真實性,死跟,對項目真實性和透明完全沒有概念。
2.盲目崇拜型:對于那種數(shù)一數(shù)二的平臺,盲目的崇拜投資,無謂時間長短,無謂項目利率高低,無謂項目的真實與否,信平臺得永生,管有沒有資料呢。
3.迷茫型:身邊有個同事,問真相帝哪個平臺安全,真相帝隨口說了句HL可以,然后,然后就砸了2萬買進一個年化8%的標,而且是長期一次性。
4.電腦文盲型:聽說哪個平臺可以,然后一次性全部投資,真相帝問為什么,答案是自己不會操作電腦,請人操作,自己學起來麻煩。
5.投機型:這類人有豐富的投資經(jīng)驗,只限于新平臺撈一把就走的,屬于玩心理戰(zhàn)術,對于平臺透明不透明關系不大。
6.業(yè)內投資人:精通各種玩法,活躍于多個中型平臺,他們大多求穩(wěn),會考究平臺實力,項目真實,資料透明與否。
投資人的比重真相帝不說,估計大家心理有數(shù)。第1、2、3、4類占人群比例的77%,剩下23%才是第5和第6類。
大家可以看的出來。除了投機者和業(yè)內投資人對于項目有個最起碼的認識外,其他人群完全沒有投資的風險意識,好像項目的透明度和自己沒有關系。
這只是一組數(shù)據(jù),但是可以推衍出太多的問題。有人曾說過,透明度是平臺與投資人的博弈,可在真相帝看來不是,壓根就沒出現(xiàn)過博,何來博弈之說。也有人說過,平臺強勢,投資人弱勢,可筆者看來,不是投資人弱勢,是他們不懂如何強勢,不管多強的平臺,資金鏈失衡,它還怎么活?
平臺不公開借款人相關借款資料,投資人要求了嗎?不要一味只說平臺如何,改不改是平臺的事,要不要求是你們的事,金子在自己手里難道還沒有主動權?
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11