京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据透析P2P平台跑路真正原因_数据分析师培训
跑路,P2P平台难以摆脱的梦魇,到底是“道德败坏”还是“大势所趋”?只是揣测是不行的,与真相帝拿起显微镜,透析一下P2P平台跑路的真正原因。
一、借款人态度
真相帝通过对接近50位真实借款人(限于时间和资源有限)的调研,类型大致可以分为下面几类:
1.无所谓,只要借款人能拿到借款,透露也没什么关系,有真实的实体经营,真实的资料,你来实地考察还能给他打打广告,但这只占6%的比例。
2.可以公开,但不涉及隐私,也就是说借款资料什么的完全可以公开,但只要不涉及借款人的联系方式,不知道借款人是谁就可以,这类人群比重将近66%。
3.完全不公开,他们的理念是借款人只是和投资人发生了借贷关系,没必要把他借贷的事情搞的全世界都知道。此类型占到28%。
4.自融平台不加讨论,不真实,更没有透明可言。
由上面数据得出结论。相对来说只要是真实借款人,只要不涉及自己私人信息。借款信息的披露他们是持无所谓状态,他们要的只是能借款,解决自己的问题。
二、平台借款信息的披露
1.20%的平台对于借款用户的信息是完全对外公布的。
2.50%的平台对于借款用户的信息是没有对外公布的。
3.20%的平台是资料不全,或解释没有放上去,资料公司是有的。
4.10%的平台有资料,但填充假的可以。甚至评估15万的车能贷款20万。
真相帝调研了将近100家平台,信息公布完整的多数为上市公司参股平台,以及真正有心做好P2P业务的平台,占20%。其他多为公布不完全或者不公布,不排除排名前10的平台,信息为什么不公布,投资人可以发挥无限的想象力。作者不做评论与猜想。
三、投资人对于借款信息的态度
真相帝对于投资人的调研结果真的是啼笑皆非,下面看看你们属于那一种。
1.跟风型:看到身边人投资了就去投资,不管项目利率的高低,不管项目的真实性,死跟,对项目真实性和透明完全没有概念。
2.盲目崇拜型:对于那种数一数二的平台,盲目的崇拜投资,无谓时间长短,无谓项目利率高低,无谓项目的真实与否,信平台得永生,管有没有资料呢。
3.迷茫型:身边有个同事,问真相帝哪个平台安全,真相帝随口说了句HL可以,然后,然后就砸了2万买进一个年化8%的标,而且是长期一次性。
4.电脑文盲型:听说哪个平台可以,然后一次性全部投资,真相帝问为什么,答案是自己不会操作电脑,请人操作,自己学起来麻烦。
5.投机型:这类人有丰富的投资经验,只限于新平台捞一把就走的,属于玩心理战术,对于平台透明不透明关系不大。
6.业内投资人:精通各种玩法,活跃于多个中型平台,他们大多求稳,会考究平台实力,项目真实,资料透明与否。
投资人的比重真相帝不说,估计大家心理有数。第1、2、3、4类占人群比例的77%,剩下23%才是第5和第6类。
大家可以看的出来。除了投机者和业内投资人对于项目有个最起码的认识外,其他人群完全没有投资的风险意识,好像项目的透明度和自己没有关系。
这只是一组数据,但是可以推衍出太多的问题。有人曾说过,透明度是平台与投资人的博弈,可在真相帝看来不是,压根就没出现过博,何来博弈之说。也有人说过,平台强势,投资人弱势,可笔者看来,不是投资人弱势,是他们不懂如何强势,不管多强的平台,资金链失衡,它还怎么活?
平台不公开借款人相关借款资料,投资人要求了吗?不要一味只说平台如何,改不改是平台的事,要不要求是你们的事,金子在自己手里难道还没有主动权?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18