艺术家信用风险评估数据集ArtistCreditRiskAssessmentDataset-raghusahoo
数据来源：互联网公开数据
标签：信用风险, 艺术家, 贷款违约, 机器学习, 信用评分, 金融风控, 数据分析, 商业智能
数据概述：
该数据集包含艺术家信用风险评估相关数据，记录了艺术家群体的信用行为和财务状况，可用于预测其潜在的信用风险。主要特征如下：
时间跨度：数据未明确标注时间，可视为某一时间点或短时间段内的快照。
地理范围：数据来源于印度，艺术家分布于Chennai、Mumbai、Bangalore等城市。
数据维度：数据集包含23个字段，涵盖了艺术家的年龄、性别、教育程度、居住地等人口统计学信息；信用行为相关的“On-time Payments”（按时还款率）、“Missed Payments”（逾期还款次数）、“Credit Utilization”（信用利用率）、“Credit History Length”（信用历史长度）、“Credit Types”（信用账户类型）、“Recent Inquiries”（近期查询次数）；财务状况相关的“Outstanding Debt”（未偿还债务）、“Sales Revenue”（销售收入）、“Products Sold”（销售产品数量）、“Avg. Product Price”（平均产品价格）、“Business Expenses”（业务支出）、“Profit Margins”（利润率）、“Duration in Business”（经营时长）、“Sales Channels”（销售渠道）、“Customer Reviews”（客户评价）、“Savings”（储蓄）、“Other Income”（其他收入）、“Dependents”（受抚养人数量）；以及“Legal Issues”（法律问题）和“Credit Score”（信用评分）等关键指标。
数据格式：CSV格式，文件名为artists_credit_data.csv，便于数据分析和建模。
该数据集适合用于信用风险建模、艺术家财务状况分析，以及预测艺术家贷款违约概率。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融风险管理、信用评估、消费者行为分析等领域的研究，如建立信用评分模型、分析影响艺术家信用风险的因素等。
行业应用：为金融机构提供数据支持，用于评估艺术家的贷款申请、优化信贷决策、制定风险管理策略。
决策支持：帮助金融机构进行风险控制，支持信贷产品的设计与定价，提高贷款审批的效率和准确性。
教育和培训：作为金融风险管理、信用评分模型等课程的实训素材，帮助学生和研究人员理解信用风险评估的原理和方法。
此数据集特别适合用于探索艺术家信用风险的影响因素，建立信用风险预测模型，并为金融机构提供决策支持，以优化信贷业务。
