貸款數據分析怎麼做

A. 在工商銀行貸款，銀行要求寫資產負債表數據分析不太會寫啊請各位老師指教啊！QQ360841592

如果你的報表各項指標都符合銀行的要求，那你就把所佔比重較大的科目一一分析一下。
比如1、貨幣資金增加、減少的原因、有多少是可以隨時支配使用的，有多少是辦理承兌的保證金、等等
2、應收賬款增大的客觀因素，是否因為銷售市場的需要而放款了政策，准備採取哪些方面來解決越來越大的規模？
3、存貨的構成、主要用途
4、固定資產的種類
損益表：收入有無增加、明年的經營計劃、費用的種類等等
你就按照報表項目的順序逐一寫明，不要把銀行的那些人的水平看的很高，其實和我們都差不多。祝你好運啊~~~~~

B. 想做小額信貸行業的數據分析，要從哪些方面學習哪

首先得了解市場，參考前瞻 產業研究院《中國小額貸款行業市場前瞻與投資戰略規劃分析報告》顯示，截至2013年末，全國共有小額貸款公司7839家，貸款余額8191億元，全年新增貸款2268億元。其中，貸款余額排名前三的省份為江蘇省、浙江省、四川省，分別為1142.9億元、899.85億元、520.09億元。
截至2014年6月底止，全國共有小額貸款公司8,394家，貸款余額8,811億元人民幣，上半年新增人民幣貸款618億元。其中，江蘇省占貸款余額最多，達1,147.66億元，其次為浙江省，達913.74億元。
可見，隨著國內金融政策的逐漸放開，小額貸款公司和貸款余額逐年快速增長，國內小微貸市場尚未得到大幅度開發，因此目前市場還比較狹小，而企業數目眾多，加上騰訊的深圳前海微眾銀行的加入，以及其他銀行為了搶占客戶也慢慢開發小額貸款產品和客戶，可以想像，未來小額貸款公司的日子並不好過，尤其是只專注於做線下的貸款的公司。

C. 信貸數據分析是做什麼的

銀行在做貸款時，為什麼需要收集企業財務報表，就是為了用企業財務報表錄入銀行系統，財務分析數據自動生成，你別以為銀行信貸部的每個人都懂財務，其實大多數都沒有那麼專業而已。

D. 如何做貸款調查

貸前調查是信貸管理的一個重要程序和環節，是貸款發放的基石，直接關繫到貸款決策的正確與否。個別信貸人員由於只查看借款申請人提供的資料，而造成貸前調查失實。在貸前調查中，除了按一般的調查方式對申請人進行必要的調查外，還要摸清申請人的真實背景。貸前調查工作如果不扎實，一是可能增加信貸資產風險，二是可能喪失與每個優良客戶建立信貸關系的機會。貸前調查主要分為個人貸款與企事業貸款兩種。個人貸款相比企業貸款而言，它的貸前調查較為直觀，著重查看客戶以前的信用記錄，其次可以看一下客戶的學歷、經歷、經營管理能力、業績、社會關系、愛好、生活習慣、品行、年齡、健康狀況等等，最後再查看一下第二還款來源情況。企事業單位貸款的貸前調查較為復雜，我們要著重從以下幾個方面來分析：

一、借款人資格。審查企業是否具備貸款條件，看企業法人、營業執照，確定借款人是否是經核准登記的企(事)業法人、其他經濟組織。看其法人代表的社會關系、愛好、生活習慣、品行、年齡、健康狀況等，再了解企業的職工人數及構成人員情況，特別是管理人員、科技人員的專業技能、經驗。例如，一個企業的注冊資本金再高，如果沒有與之相適應的管理人員、科技人員、管理文化理念等，該企業生產的產品也不會有多大的競爭力，因此獲利能力不可能太強，從而會給銀行資金帶來相當大的風險。最後是查看企業的其他負債、融資與對外擔保情況，要按照銀行制定的《借款人對外保證及保證人管理辦法》去執行，超過該標准數的企業就不具備借款資格。

二、數據分析與採集。查看企業歷史記錄，與銀行有無信貸關系、其他資金往來關系、有無不良記錄、擔保情況、其他個人負債情況等等。首先要把企業當作一個對立面來查看企業與銀行的歷史記錄。通過第一步分析得出初步結論，實地查看經營項目的可行性、營利能力、法人代表綜合能力、其他管理人員情況、財務人員情況，了解企業的用電近期內是否有大幅度的增減變化，並分析原因，因為用電量基本上能從側面反映企業的生產情況。其中，查看企業的上年度財務報表要有財政部門簽章、上月的資產負債表、損益表、現金流量表。

三、調查借款原因。借款單位申請貸款的原因、用途、用款計劃，這是貸前調查的主要內容。要分析申請貸款的借款人是否具備產品有市場、生產經營有效益、無擠占挪用信貸資金、恪守信用等基本條件。借款申請人從事的經營活動是否合規合法、符合國家產業政策和社會發展規劃要求。

四、分析與總結。經過以上步驟的分析與總結，再進一步分析企業的相關情況，具體要分清企業的產品類別，不同類型的企業要區別對待，從而決定其借款期限。例如，有的企業生產周期性較短，有的企業生產周期性較長。

最後，總結出貸與不貸的結論，把符合條件的客戶變成自己的優良客戶，成為銀行利潤的新增長點，把信貸資產的風險降到最低。綜合以上幾個步驟，撰寫貸前詳細的調查報告。

貸前調查是貸款發放的第一道關口，貸前調查的質量優劣直接關繫到貸款決策的正確與否。在貸款營銷過程中，個別信貸人員因拘泥於借款申請人（以下簡稱申請人）提供的資料，而造成貸前調查失實。在貸前調查中，除了按一般的調查方式對申請人進行必要的調查外，筆者建議還可以從以下幾個方面對申請人的有關情況進行深入的核查和分析，以摸清申請人的真實背景。

1、對企業真實性的調查。需到工商行政管理部門核查企業的登記記錄、年檢記錄，了解企業的歷史由來、出資人、出資額，確認企業的真實身份。

2、法人代表及高級管理人員的基本情況調查。有關法人代表和其他高級管理人員的基本情況調查應以工商部門登記為准，不要一味聽從企業介紹的情況，對申請人提供的有關企業領導人學識水平的憑證應以原件為准，並可向教育行政部門了解其學歷的效力。對其個人品行的調查應面向申請人的員工和客戶，並要了解他們在相關企業任高級職員以來的情況。
3、申請人的信用道德、信用品行的調查。一方面要調查申請人的應付款帳簿、明細帳，了解申請人拖欠他人的明細帳項、拖欠時間長短；另一方面可向被拖欠企業電話或發函，調查申請人拖欠他人貨款的原因，從而摸清企業的一貫信用道德和償債能力。

4、生產經營管理能力調查。一要查看申請人近兩年各項指標增長率、增長幅度，尤其是市場佔有率的變化更能反映企業競爭力的變化。二要查看申請人近兩年應收帳款的數額、增減率、帳齡，防止企業虛增銷售額和利潤額，也可以向其上游企業了解拖欠申請人款項的原因，從而側面了解申請人的產品質量、競爭力和市場前景。三要通過財務費用、資金周轉率、銷售利潤率、單位產品毛利率、管理費用等指標來判斷申請人管理能力的變化。四要通過申請人交納電費、水費的變化情況來了解其生產量和開工率的變化情況，一般企業的生產量與能源消耗成正比，這樣可以避免只聽申請人的一面之辭。

5、盈利能力的調查。目前比較簡便的辦法是到稅務部門了解申請人所得稅的交納情況，這樣申請人的凈利潤額一目瞭然；如果申請人提供給銀行的會計報表與提供給稅務部門的報表不一致，則可與稅務部門、申請人一起分析原因，以便銀行能清楚地知道申請人真正的盈利能力。

6、負債真實性的調查。部分企業的銀行借款不放在相應的科目核算，以調整自己的資產負債率，還有的企業將應付票據如銀行承兌匯票，不進行帳務處理；也有企業對提供擔保的情況根本不作登記，給銀行貸前調查帶來許多假象。目前相對可行的辦法是查詢央行信貸登記系統。1998年，中國人民銀行在《貸款證》的基礎上開始建設銀行信貸登記咨詢系統。登記范圍主要包括辦理信貸業務的企事業單位和在國內注冊的其它經濟組織；登記內容包括目前商業銀行開辦的貸款銀行承兌匯票、信用證、保函、擔保以及借款人的基本概況、其他經濟大事等。中國人民銀行從總行到省（區）到地（市）城市建立資料庫聯網，城市資料庫與各商業銀行連接，形成了人民銀行與各商業銀行間的信息採集和提供咨詢的網路體系。目前，全國聯網工作已即將完成。商業銀行可以通過網路查詢自己客戶已登記的全部信用情況，包括客戶在各地發生的借款、擔保、被起訴、欠息等情況。這樣就可以徹底弄清保證人的真實借款情況和已提供擔保的情況以及其或有負債情況。

通過以上這些方面的調查，可以更全面地了解申請人的基本情況，從而為貸款決策提供真實完整的基礎資料。

E. 銀行貸款借款人財務數據分析存貨明細怎麼寫

他們主要考查，資產負債率，銷售利潤率，應收應付周轉天數，存貨周轉率，銷售增長率，等財務指標，現金流也是他們重點看的，主要是看企業的資金收支情況，是否有償還能力等，你可以在網路搜下財務重要指標，比較全。。數據方面，你想大或小，是可以的，但不能太過分。其中，存貨，貨幣資金，短期借款，對公賬戶收入，這些是有據可查的，不能有太大出入。

F. 如何用大數據分析金融數據

有大數據分析工具的，免費的，你找一下大數據魔鏡。

G. 如何利用大數據做金融風控

大數據能夠進行數據變現的商業模式目前就是兩個，一個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外一個是大數據風控，典型的場景是互聯網金融的大數據風控。

金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。

傳統金融的風控主要利用了信用屬性強大的金融數據，一般採用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意願。信用相關程度強的數據 緯度為十個左右，包含年齡、職業、收入、學歷、工作單位、借貸情況、房產，汽車、單位、還貸記錄等，金融企業參考用戶提交的數據進行打分，最後得到申請人 的信用評分，依據評分來決定是否貸款以及貸款額度。其他同信用相關的數據還有區域、產品、理財方式、行業、繳款方式、繳款記錄、金額、時間、頻率等。普惠在線

互聯網金融的大數據風控並不是完全改變傳統風控，實際是豐富傳統風控的數據緯度。互聯網風控中，首先還是利用信用屬性強的金融數據，判斷借款人的還 款能力和還款意願，然後在利用信用屬性較弱的行為數據進行補充，一般是利用數據的關聯分析來判斷借款人的信用情況，藉助數據模型來揭示某些行為特徵和信用 風險之間的關系。

互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。

常用的互聯網金融大數據風控方式有以下幾種：

驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以藉助國政通的數據來驗證姓名、身份證號，藉助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。

如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通／公安局 API介面，將申請人實時拍攝的照片／視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。

其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。
分析提交的信息來識別欺詐

大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸和學生貸都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往 往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相 同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。

如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。

分析客戶線上申請行為來識別欺詐

欺詐用戶往往事先准備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。

企業可以藉助於SDK或JS來採集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小於 正常客戶申請時間，例如填寫地址信息小於2秒，閱讀條款少於3秒鍾，申請貸款低於20秒等。用戶申請的時間也很關鍵，一般晚上11點以後申請貸款的申請 人，欺詐比例和違約比例較高。

這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的信息來判斷客戶是否為欺詐用戶。
利用黑名單和灰名單識別風險

互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源於申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，M2逾期的回收率在20％左右。

市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。

黑名單來源於民間借貸、線上P2P、信用卡公司、小額借貸等公司的歷史違約用戶，其中很大一部分不再有借貸行為，參考價值有限。另外一個主要來源是催收公司，催收的成功率一般小於於30%（M3以上的），會產生很多黑名單。

灰名單是逾期但是還沒有達到違約的客戶（逾期少於3個月的客戶），灰名單也還意味著多頭借貸，申請人在多個貸款平台進行借貸。總借款數目遠遠超過其還款能力。

黑名單和灰名單是很好的風控方式，但是各個徵信公司所擁有的名單僅僅是市場總量的一部分，很多互聯網金融公司不得不接入多個風控公司，來獲得更多的 黑名單來提高查得率。央行和上海經信委正在聯合多家互聯網金融公司建立統一的黑名單平台，但是很多互聯網金融公司都不太願意貢獻自家的黑名單，這些黑名單 是用真金白銀換來的教訓。另外如果讓外界知道了自家平台黑名單的數量，會影響其公司聲譽，降低公司估值，並令投資者質疑其平台的風控水平。

利用移動設備數據識別欺詐
行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。

欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特徵，例如很多設備聚集在一個區域，一起 申請貸款。欺詐設備不安裝生活和工具用App，僅僅安裝和貸款有關的App，可能還安裝了一些密碼破譯軟體或者其他的惡意軟體。

欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。另外欺詐用戶也會購買一些已經淘汰的手機，其機器上面的操作系統已經過時很久，所安裝的App版本都很舊。這些特徵可以識別出一些欺詐用戶。

利用消費記錄來進行評分

大會數據風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統金融依據借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那裡獲得其他的財政支持，擁有較高的支付能力。

按照傳統金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費數據來證明其還款能力了。

常用的消費記錄由銀行卡消費、電商購物、公共事業費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數，物業費高低、高爾夫球俱樂部消費，遊艇俱樂部會員費用，奢侈品會員，豪車4S店消費記錄等消費數據可以作為其信用評分重要參考。

互聯網金融的主要客戶是屌絲，其電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。

參考社會關系來評估信用情況

物以類聚，人與群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，

參考借款人常聯系的朋友信用評分可以評價借款人的信用情況，一般會採用經常打電話的朋友作為樣本，評估經常聯系的幾個人（不超過6六個人）的信用評分，去掉一個最高分，去掉一個最低分，取其中的平均值來判斷借款人的信用。這種方式挑戰很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用於反欺詐識別，利用其經常通話的手機號在黑名單庫裡面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調查。

參考借款人社會屬性和行為來評估信用

參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高，其中50歲左右的貸款人違 約率最高，30歲左右的人違約率最低。貸款用於家庭消費和教育的貸款人，其貸款違約率低；聲明月收入超過3萬的人比聲明月收入低於1萬5千的人貸款違約率 高；貸款次數多的人，其貸款違約率低於第一次貸款的人。

經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。

午夜經常上網，很晚發微博，生活不規律，經常在各個城市跑的申請人，其帶貸款違約率比其他人高30%。刻意隱瞞自己過去經歷和聯系方式，填寫簡單信 息的人，比信息填寫豐富的人違約概率高20%。借款時間長的人比借款時間短短人，逾期和違約概率高20%左右。擁有汽車的貸款人比沒有汽車的貸款人，貸款 違約率低10%左右。

利用司法信息評估風險

涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。

尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以採用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在 賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。另外中國有些特定的地區，當地的有一部分人群從事涉賭或涉賭行業，一旦申請人填寫的居住地址或者 移動設備位置信息涉及這些區域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩定或者沒有固定工作收入，如果申請人經常換工作或者經常在某一個階段沒有 收入，這種情況需要引起重視。涉賭和涉毒的人活動規律比較特殊，經常半夜在外面活動，另外也經常住本地賓館，這些信息都可以參考移動大數據進行識別。

總之，互聯網金融的大數據風控採用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。互聯網金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。

H. 新手如何做好數據分析

比如這次是收集各個省top5的在線旅遊網站，就可以根據在線和旅遊這兩個標准去判斷收集到的網站是否符合條件。 由於搜索的網站范圍比較廣，所以我主要的入口就是用網路搜索，用省名+在線旅遊或省名+旅遊網等關鍵詞先找出一部分網站，然後再根據這些網站的友情鏈接找到其他一些同類型的旅遊網站。然後還有就是通過一些導航網站找到一些旅遊網站，不過這些導航站的地方性旅遊網站不是很多。就這樣，每個省差不多收集到10個網站左右，當然每個省的情況都不一樣，有多也也少的。收集結束以後，差不多有300個網站左右。網站的篩選整理 由於是要找top5，所以網站找出來以後，需要對這些網站大致進行篩選。由於對旅遊網站不是很了解，所以主要還是依靠網站的用戶體驗和SEO相關數據來篩選的。而我主要是通過alexa排名、在線預訂、網站的建站年份、網站內容性質、網站服務項目、網站基本數據以及網站的盈利模式等幾個大的方面去考慮，最後每個省篩選下來，就剩5,6個了。網站的分析 數據篩選完以後，接著就是分析了。由於分析才是整個數據收集的核心，所以相多來說在這上面花的時間則比較多。網站用戶體驗方面可以通過是否有預訂旅遊、預訂酒店、預訂票務、自助游、跟團游、出境游等方面去分析的。SEO數據方面則通過Alexa排名、PageRank、中國網站排名、各大搜索引擎的收錄和反鏈等反面去分析。還有網站的一些基本信息、盈利模式、聯系方式、微博、在線客服等。分析的項目盡量全面，分析得越細，挖得越深，你的這份數據就越有價值。 當然數據收集完過程中，一份美觀清晰的表格不僅使我們可以清楚的看到這份數據的重點，方便查到所想要的數據，而我們在收集數據的過程中，也可以提高我們收集和分析數據的效率。 總之數據收集和分析是很枯燥的，不管是收集還是分析，海量的數據里，經常會讓人摸不著頭緒，數據越多，整理分析起來越麻煩，也越容易讓人煩燥，堅持不了的就會半途而廢。但是做好了，我們就可以得到一份重要而有用的數據，而通過這份數據，則可以在以後的相關工作中更加輕松，而且更加具有目的性和針對性的工作。 好啦!說了這么多，希望能對做數據收集和分析的朋友有所幫助。

I. 銀行貸款報表怎麼做

銀行貸款報表參考指標：

（1）財務結構：

1、凈資產與年末貸款余額比率必須大於100%（房地產企業可大於80%）；凈資產與年末貸款余額比率=年末貸款余額/凈資產*100%，凈資產與年末貸款余額比率也稱凈資產負債率。

2、資產負債率必須小於70%，最好低於55%；資產負債率=負債總額/資產總額X100%。

（2）償債能力：

1、流動比率在150%~200%較好；流動比率=流動資產額/流動負債*100%。

2、速動比率在100%左右較好，對中小企業適當放寬，也應大於80%；速動比率=速動資產額/流動負債*100%；速動資產=貨幣資金+交易性金融資產+應收賬款+應收票據=流動資產—存貨—預付賬款—一年內到期的非流動資產—其它流動資產。

3、擔保比例小於0.5為好。

4、現金比率大於30%。現金比率=（現金+現金等價物）/流動負債。

（3）現金流量：

1、企業經營活動產生的凈現金流應為正值，其銷售收入現金回籠應在85~95%以上。

2、企業在經營活動中支付采購商品，勞務的現金支付率應在85~95%以上。

（4）經營能力：

1、主營業務收入增長率不小於8%，說明該企業的主業正處於成長期，如果該比率低於5%，說明該產品將進入生命末期了。主營業務收入增長率=（本期主營業務收入-上期主營業務收入）/上期主營業務收入*100%

2、應收賬款周轉速度應大於六次。一般講企業應收賬款周轉速度越高，企業應收賬款平均收款期越短，資金回籠的速度也就越快。應收賬款周轉速度（應收賬款周轉次數）=營業收入/平均應收賬款余額=營業收入/（應收賬款年初余額+應收賬款年末初余額）/2=營業收入*2/（應收賬款年初余額+應收賬款年末初余額）。

3、存貨周轉速度中小企業應大於五次。存貨周轉速度越快，存貨佔用水平越低，流動性越強。存貨周轉速度（次數）=營業成本/平均存貨余額，其中存貨平均余額=（期初存貨+期末存貨）÷2。

（5）經營效益：

1、營業利潤率應大於8%，當然指標值越大，表明企業綜合獲利能力越強。營業利潤率=營業利潤/營業收入(商品銷售額)×100% =(銷售收入-銷貨成本-管理費-銷售費)/銷售收入×100%。

2、凈資產收益率中小企業應大於 5%。一般情況下，該指標值越高說明投資帶來的回報越高，股東們收益水平也就越高。凈資產收益率=總資產凈利率×權益乘數=營業凈利率×總資產周轉率×權益乘數；其中營業凈利率=凈利潤÷營業收入；總資產周轉率（次）=營業收入÷平均資產總額；權益乘數=資產總額÷所有者權益總額=1÷（1-資產負債率）。

3、利息保障倍數應大於400% 利息保障倍數=息稅前利潤 / 利息費用=（利潤總額+財務費用）/（財務費用中的利息支出+資本化利息）

(9)貸款數據分析怎麼做擴展閱讀：

貸款種類一：個人信用貸款

個人信用貸款是較為時尚的貸款方式，那麼申請此類貸款需要什麼條件呢？通常情況下，銀行要求借款人具有二代身份證、穩定的工作證明、收入證明、貸款用途證明；個人信用狀況良好；對借款人的收入也有一定條件的限制，一般會要求借款人月均收入不低於4000元。在提交相關申請資料後，銀行審核通過就可以申請到月收入的5-8倍的貸款，即：無抵押無擔保貸款平安銀行新一貸貸款。

貸款種類二：房屋抵押貸款

之所以越來越多人選擇房產抵押貸款就在於，貸款利率一般為基準利率，還貸壓力較小。那麼申請該類貸款需要什麼條件呢？一般來說，除了對貸款人收入信用方面有較強的要求外，房屋的年限還要在20年以內，房屋面積大於50平米；房屋具有較強的變現能力；抵押貸款額度一般不得超過房屋評估值的70%。這樣在提交相關資料、銀行審核通過後，就可以申請到最高不超過1500萬、期限最長20年的貸款。

貸款種類三：大學生創業貸款

大學生對此類貸款的關注度之高超乎我們的相信，很多地區都對大學生創業貸款有扶持政策，常見的有貸款補貼或者無息貸款。那麼申請此類貸款需要什麼條件呢？一般來說，大學生創業貸款要求：在讀大學生、以及畢業兩年以內的大學生；大專以上學歷；18周歲以上。相對而言，對於該類貸款的申請條件還是比較寬松的，而後只需將學生證、成績單、對賬單等資料提交給銀行，審核通過後即可獲得貸款。

貸款種類四：個體戶貸款

個體戶已經成為了社會經濟發展的主力部隊了，但是面多個體戶融資困難，許多人選擇該類貸款，申請此類貸款需要什麼條件呢？一般來說，需具有完全民事行為能力，有當地戶口；有本地固定的經營場所，且收入穩定；能提供合法的抵（質）押物；在貸款行開立存款賬戶。在滿足以上條件後，將銀行要求的資料提交審核即可。

貸款種類五：房屋按揭貸款

很多人購房申請房屋按揭貸款，那麼該貸款需要什麼條件呢？一般來說：具有有效身份證及婚姻狀況證明；良好的信用記錄和還款意願；穩定的收入；所購住房的商品房銷售合同或意向書；具有支付所購房屋首期購房款能力；在銀行開設個人結算賬戶以及具有有效的擔保。在滿足以上條件後，將申請資料提交銀行即可，由銀行審核決定是否放款。