German Loans

Stack: #PostgreeSQL #sqllite , Microsoft #Excel #PowerQuery

Що було зроблено:
Обробка даних (#etl): Очищено та структуровано "сирий" набір даних (німецькі кредитні дані) з 1000 записів.
#PostgreeSQL: Написано серію запитів за допомогою CTE та Case When для сегментації клієнтів за рівнем ризику, віком та метою позики.
Моделювання Excel: Побудовано автоматизовану таблицю за допомогою функцій XLOOKUP та IFS для розшифровки категоріальних кодів. Після цього створено зведені таблиці для розрахунку середнього чека та відсотка прострочених позик за житловими умовами та професіями.

Створено аналітичний звіт, який визначає сегменти позичальників з найвищим рівнем ризику (наприклад, молодь з освітніми позичками), що дозволяє оптимізувати кредитну політику.