10大行业公开数据集免费下载：金融行业

消费金融业务知识：消费金融产品规划流程
银行营销数据1）数据集描述
数据下载地址：Bank Marketing Dataset
此为922KB大小的数据集，包含11162条数据，17个字段信息，即11162行*17列。筛选关键字段信息12个。
age 年龄
job 职业 （如：政客，管理者，技术员，已退休，蓝领，失业等）
marital 婚姻情况 （已婚，单身，离婚）
education 受教育程度 （初等，中等，高等）
balance 账户余额
housing 住房（是否有房产 yes or no）
loan贷款（是否有贷款 yes or no）
day 日期-日
month 日期-月
duration 存款期限
campaign 营销活动 （参与营销活动次数）
deposit 存款（是否为存款 yes or no）

美国股票新闻数据1）数据集描述
来源kaggle，从Reddit WorldNews Channel网站上抓取的新闻数据（2008-06-08 到 2016-07-01）和对应时间的道琼斯工业指数 (DJIA) 股票指数数据。
数据获取地址：Daily News for Stock Market Prediction
2）字段含义
Date：日期
Open：开盘价
High：当日最高价
Low：当日最低价
Close：收盘价
Volume：成交量
Name：股票名字
3）参考分析案例
如何用Excel指导投资决策

Lending Club 信贷违约数据（风控）1）数据集描述
这个105M的数据集是LendingClub（美国网络贷款平台）在2007-2017年间的信用贷款数据。Lending Club是一个P2P机构。它的盈利模式是：为借款人提供贷款（借款人在这里可以比在银行更加迅速快捷地得到贷款），为投资人提供项目（投资人在这里可以得到比银行高的回报率）。它不用自己投资，而是通过帮助投资人和借款人‘相亲’，对每一笔成功交易抽取手续费。
数据获取地址：
https://www.kaggle.com/wendykan/lending-club-loan-data
2）字段含义
贷款数据有一百多个字段，非常多。数据集中包含887万条信贷记录，75个字段信息，字段信息的详细解释在另外一个叫做字段信息字典的文件里。
结合字典，在EXCEL里将内容为空字段组合，并高亮几个可能需要用到的关键字段：
term,                                --贷款期限，只有3年或5年
loan_amount,                        --贷款金额
grade,                                --信用评级
loan_status,                        --贷款状态，需分析的目标
emp_length,                        --工作年限
home_ownership,                        --是否自有住宅
annual_inc,                        --年收入
dti,                                --每月债务收入比
open_acc,                        --征信局中记录的信用产品数
total_acc,                        --正在使用的信用产品数
pub_rec,                        --公众不良记录数
delinq_2yrs,                        --申贷日期前2年逾期次数
pub_rec_bankruptcies            --公众破产记录数

3）参考分析案例
LendingClub贷款状态指标简析（excel）
Lending Club贷款数据分析可视化
分析Lending Club还款“谁”最强
信贷知识入门
贷款数据分析（sql）
浅析 Lending Club用户画像（python）
项目描述：
以Kaggle平台Lending Club公司2007年6月-2018年Q2的2004091条贷款数据（151个特征）为研究对象，首先利用Python实现对数据的清洗整理，其次利用Tableau对数据探索及可视化分析，分析该平台上的客户画像、贷款业务特征，贷款违约影响因素。最后利用Python建立贷款违约预测模型，预测贷款违约率。

台湾贷款违约1）数据集描述
数据集kaggle公开数据源平台:
找到自2005年以来台湾信用卡客户贷款违约数据 Default of Credit Card Clients Dataset
各字段代表含义如下：
ID：信用卡客户ID号
LIMIT_BAL：以新台币计算的信贷金额（包括个人和家庭/补充信贷）
SEX： 性别 (1代表男性，2代表女性)
EDUCATION：受 教育程度(1=研究生, 2=大学, 3=高中, 4=其他 5=未知, 6=未知)
MARRIAGE：婚姻状况（1=已婚，2=单身，3=其他）
AGE：年龄
PAY_0：2005年9月的还款记录（0=按时付款，1=延迟一个月付款，2=延迟两个月付款，...8=延迟八个月付款，9=延迟九个月及以上付款）
PAY_2：2005年8月的还款情况（特征值含义如上）
PAY_3：2005年7月的还款情况（特征值含义如上）
PAY_4：2005年6月的还款情况（特征值含义如上）
PAY_5：2005年5月的还款情况（特征值含义如上）
PAY_6：2005年4月的还款情况（特征值含义如上）
BILL_AMT1：2005年9月账单金额（新台币）
BILL_AMT2：2005年8月账单金额（新台币）
BILL_AMT3：2005年7月账单金额（新台币）
BILL_AMT4：2005年6月账单金额（新台币）
BILL_AMT5：2005年5月账单金额（新台币）
BILL_AMT6：2005年4月账单金额（新台币）
PAY_AMT1：2005年9月支付金额（新台币）
PAY_AMT2：2005年8月支付金额（新台币）
PAY_AMT3：2005年7月支付金额（新台币）
PAY_AMT4：2005年6月支付金额（新台币）
PAY_AMT5：2005年5月支付金额（新台币）
PAY_AMT6：2005年4月支付金额（新台币）
default.payment.next.month：是否违约还款（1代表是，0代表否）
2）参考分析案例
EXCEL分析案例--信用卡客户违约分析
2005年台湾信贷数据分析之可视化
sql分析2005年台湾信用卡违约情况

Thera Bank贷款用户1）数据集描述
Thera Bank是一家拥有不断增长的客户群的银行。这些客户中的大多数是具有不同存款规模的存款用户。由于贷款业务的客户数量很少，银行希望有效地将存款用户转化为贷款用户以此扩大贷款业务量的基础，以带来更多的贷款业务，并在此过程中，通过贷款利息赚取更多。
因此，该银行去年为负债客户开展了一项推广活动表明，有部分客户增加了银行的相关服务。这促使零售营销部门制定活动以更好地定位营销，以最小的预算提高成功率。该部门希望识别出更有可能购买贷款的潜在客户，提高转化成功率，同时降低广告系列的费用。
数据下载地址：Bank_Loan_modelling
2）字段含义
该数据集涵盖了5000名客户的数据，有14个字段，分别是客户ID、年龄、工作经验、收入、邮政编码、家庭人数、每月信用卡消费金额、教育水平、教育水平、抵押、个人贷款业务、银行证券账户、银行存款账户、银行网上设施、银行信用卡。这14个字段分为四种数据类型：

3）参考分析案例
银行贷款潜在客户的数据分析（excel）
谁是潜在贷款客户——PPT分析报告
SQL数据分析告诉你谁是潜在贷款客户
基于增长黑客方法的Thera Bank信贷业务数据分析及营销方案（python）
信贷业务数据分析报告
项目描述：
以Kaggle平台Thera Bank2017年一次贷款营销活动5000条客户信息为研究对象，利用Python对数据清洗整理，相关性分析，总结客户特征和影响贷款意愿特征，用seaborn可视化。以梯度提升机建立模型，预测客户贷款意愿，准确率达98.6%，AUC为0.9968，并以增长黑客对获客、激活、留存环节提出了营销方案。

美国金融客户投诉数据1）数据集描述
来源kaggle，数据获取地址：
https://www.kaggle.com/cfpb/us-consumer-finance-complaints

信用卡欺诈数据1）数据集描述
来源kaggle，欧洲的信用卡持卡人在2013年9月2天时间里的284807笔交易数据，其中有492笔交易是欺诈交易，占比0.172%。数据采用PCA变换映射为V1，V2，...，V28 数值型属性，只有交易时间和金额这两个变量没有经过PCA变换。输出变量为二值变量，1为正常，0为欺诈交易。
数据获取地址：
https://www.kaggle.com/mlg-ulb/creditcardfraud/kernels
数据集中各字段的含义
Time（交易时间，需将s转化为hh-mm-ss形式）
V1~V28（经PCA转换后的数字变量）
Amount（交易金额）
Class（交易类型，1为欺诈，0为其他）
3.数据特点
交易金额中，最大为25691.16，最小为0；

借款数据1）数据集描述
借款人贷款偿还情况，
数据下载地址：Loan  Data
2）数据集中各字段含义：
Principal,                 --原始借款金额 terms,           --期限 effective_date,  --起始时间 due_date,        --计划到期时间 paid_off_time,   --实际清偿时间 past_due_days,   --逾期天数 age,             --年龄 education,       --学历 Gender,          --性别
3）参考分析案例
Excel分析贷款数据
sql贷款数据分析
银行贷款数据分析报告

德国信贷风险1）数据集描述
记录的德国信贷信息，将每个人分类为良好和不良信用。
数据获取地址：German Credit Risk
2）字段含义
数据包包含9个字段，分别如下：
Age年龄（数字）Sex性别（文字：男性，女性）Job工作（数字：0 - 非技工和非居民，1 - 非技工和居民，2 – 技工，3 - 高级技工）Housing住房（文字：自有，租住或没有）Saving accounts活期储蓄账户（文字 - 小，中等，相当丰富，丰富）Checking account普通支票账户（数字，用德国马克表示）Credit amount信用额度（数字，以马克表示）Duration久期（数字，以月表示）Purpose目的（文字：汽车，家具/设备，广播/电视，家用电器，维修，教育，商业，度假/其他）

3）社群会员作业
第1关行业选择：跳出舒适区“做事情”
第2关描述统计分析：信用卡反欺诈案例的数据分析思路
第3关sql分析：信用卡欺诈数据的分析
第4关sql分析：从SQL分析信贷目的

p2p贷款1）数据集描述
互联网p2p借贷，数据下载地址：Online P2P Lending
2）各个字段含义
loan_number（借款编号）
amount_borrowed （借款总数）
term（期限）
borrower_rate（借款人率）
installment（分期付款）
origination_date（起始日期）
principal_balance（本金余额）
principal_paid（已付本金）
interest_paid（已付利息）
late_fees_paid（已付费用）
debt_sale_proceeds_received（债务出售收入）
last_payment_date（截止付款日期）
next_payment_due_date（下次付款到期日）
days_past_due（逾期天数）
loan_status_description（贷款状态描述）
data_source（数据源）
3）社群会员作业
第1关行业选择：数据分析的探索之路
第2关描述统计分析：统计分析的第一步
第3关excel分析：用数据分析作出决策--科学的选择P2P平台
第4关可视化：公司数据分析可视化报告
互金行业竞品分析，借贷俱乐部P2P网贷平台的数据分析
第6关sql分析：用SQL进行数据分析——分析P2P平台

房屋贷款1）数据集描述
Dream Housing Financ公司房屋贷款数据，
数据下载地址：Loan Data Set
字段含义
Loan_ID：贷款ID
Gender ：性别
Married ：婚姻状况
Dependents：家属
Education：教育程度
Self_Employed：自雇人士
ApplicantIncome：申请人收入
CoapplicantIncome：合作申请人收入
LoanAmount：贷款额度（万美元）
Loan_Amount_Term：贷款金额期限
Credit_History：信用记录
Property_Area：贷款房屋类型
Loan_Status：贷款状态
该数据总615行*13列
2）参考案例
用Excel分析Dream Housing Financ公司房屋贷款

全球经济自由1）数据集描述
数据下载地址：Economic Freedom of the World
2）参考案例
用Excel分析全球经济自由
可视化分析全球经济自由
sql分析“世界经济自由报告”

拍拍贷1）数据集描述
拍拍贷作为中国互联网金融协会首批理事单位，是互金公司中非常有代表性的一家企业。
数据下载地址：科赛 - Kesci.com
2）参考分析案例
拍拍贷用户数据分析

爬取天天基金认准呢只“鸡”，收益有保证

其他行业数据集在这里：
数据分析和挖掘有哪些公开的数据来源？​www.zhihu.com