1. 如何构建商业银行数据分析能力
构建商业银行数据分析能力的步骤如下：
1、建立科学的数据管理工作机制。数据管理工作机制是数据管理体系的“奠基石”。数据管理工作机制的建设依赖于银行高层管理人员的重视和不断推动，同时也需要建立相应的数据管理机制的决策和控制机制。有效的数据管理需要明确专门的部门或组织承担整个银行的数据管理和应用职责。该组织负责从战略的角度进行统筹和规划，确定数据管理的范围，明确数据资产的归属、使用和管理等流程，明确数据管理的组织、功能、角色和职责，以及确定数据管理的工具、技术和平台等内容，切实有效促进数据共享、提高数据价值。 建立统一的数据标准规范。
2、数据标准规范是数据管理体系的“粘合剂”。它是改进、保障和提高数据质量的依据，也是数据管理工作成败的关键。数据标准化旨在促成数据标准的形成和使用而进行的与之相关的一整套数据标准规范，即制订和实施数据标准、提高数据管理水平的过程。数据标准的制订需要参考行业监管和标准机构已制定的数据标准，同时也应参考各个部门内部使用的特定数据的定义，制订出数据标准体系框架，可以分为基础类数据标准、业务类数据标准和应用类数据标准等，并在此标准基础上进行细分。在数据标准体系框架下，通过对数据标准的梳理工作，以在业务属性和技术属性层面实现全行的数据标准化。
3、 建立持续的数据质量管理规范。数据质量管理是数据管理体系的“助推器”。它是对支持业务需求的数据进行全面的质量管理，保障各项数据管理工作能够得到有效落实，达到数据准确、完整的目标，并能够提供有效的增值服务的重要基础。数据质量管理包括数据质量管理团队建设、数据质量管理制度建设、数据质量管理流程建设以及数据质量管理监控平台建设等，其中，数据质量管理监控平台建设至关重要。在数据统一管理的框架下，银行需要依据数据在数据生命周期的各个阶段的特性，建立数据质量管理监控平台，及时发现数据质量问题，不断改善数据的使用质量，降低数据质量导致的业务风险，实现数据更大的应用价值，满足业务分析和管理决策的需要。
4、建立完善的数据安全防范规范。数据安全防范是数据管理体系的“防护罩”。
数据安全管理问题的解决，可以从以下5个角度着手:(1)制度及流程规范。通过建立数据安全和数据保密的相关管理制度和流程，合理划分数据安全级别，规范数据在数据生命周期中的安全。(2)数据安全意识。加强对数据拥有者、数据管理者和数据使用者的安全意识培养，提高数据对于银行业务的重要性认识。(3)数据保密性。系统中的个人身份信息、银行账户信息等是否要进行加密，以避免数据被非法访问。(4)应用系统的访问控制。通过对应用系统的访问权限统一管理及单点登录，达到防止非法访问的目的。(5)数据安全审计。建立数据安全审计机制，检查数据中的安全风险，防患于未然。 数据分析是实现数据资产增值的重要手段 数据分析是指一整套技术、流程与应用工具，通过建立分析模型对数据进行核对、检查、复算、判断等操作，将样本数据的现实状态与理想状态进行比较，从而发现潜在的风险线索并搜集证据的过程。在实际应用中，数据分析可帮助银行做出判断，以便采取适当行动。因此，数据分析的过程就是组织有目的地收集数据、分析数据，最终使数据实现资产增值。
2. 数据挖掘是什么样的工作啊和java编程有关系吗跪求
两个工作内容联系不大，你是学习java的，我就主要介绍数据挖掘吧
数据挖掘是提取数据、建立模型分析数据、得出结果后与需求部门进行沟通的一个职业。
举个例子：银行的事业部有很多潜在的贷款申请者，事业部向数据挖掘人员提出需求，希望能够分析哪些申请者是优质放贷对象？
数据挖掘人员首先要充分理解事业部的需求，其次要从数据库提取相关数据，提取数据的工作有些时候是由DBA来完成，好了，现在你得到了历史数据，你的任务就是通过历史数据来建立模型，分析具备什么特征的申请者是有能力还贷、不拖欠的，然后用建立好的模型来预测我们刚刚得到的新的一批申请者。
再具体一点：例如，我们通过历史数据发现，年龄大于35岁，的男性，已婚，家庭人口大于3，收入在12000元以上的申请者是理想的放贷对象，那么我们用这个标准来限定新的申请者。
当然我举的例子，为了浅显易懂，是非常简单的示意例子，实际情况要复杂得多，会涉及到个人的贷款历史、信用评估、自然属性、社会属性、资产评估等情况——就是说，数据挖掘人员是要通过数据库中的海量数据，整理出哪些是有用数据，再用这些有用的数据来分析其它部门的问题，帮助他们解决问题，或者为公司的发展提供数据依据
数据挖掘的上升方向是：数据挖掘——产品层——决策层
java是属于开发，比如开发软件、接口、应用程序等，如果一个公司需要开发数据挖掘软件，那么则需要数据挖掘知识+java开发能力，只有在这种时候，才需要两个都具备
但是一般自主开发数据挖掘软件的公司很少，第一需要消耗大量人力物力，第二市场有很多现成的软件，没必要开发。
如果你想从事数据挖掘，你必须具备：
数据挖掘模型、算法的数学知识以及一些数据分析软件（SPSS、SAS、matlab、clementine）
一些数据库相关的知识（oracle、mySQL）
了解市场、其它部门需求
当然这些都是一点一滴积累起来的，没必要一蹴而就，特别是对市场、行业的了解以及对公司其它部门的需求的理解非常重要，这决定了你能否从基础的分析人员上升到产品层、决策层，都是要在实际的工作中积累起来的
至于放弃java什么的，我觉得真的不是放弃，因为你具备了java的基础，一定能派上用场，比如技术型产品经理（face book的扎克伯格和腾讯的马化腾都是技术型产品经理），这种产品经理能够清晰的把握产品的开发过程，还有市场知识。总结起来就是没有什么东西会浪费掉，你学的所有的东西都将在工作中派上用场，只是你遇到的情况不够多不够复杂而已
3. 信贷风险控制的方法 消除风险
信贷风险仍是主要风险,因为在以后相当一段时间内,在我国间接融资为主导的金融制度还未发生根本转变的情况下,存贷款业务依然是我国商业银行的主要业务,是生存与发展的根本。以下是学习啦小编为大家整理的信贷风险的把控方法，希望你们喜欢。
信贷风险的把控方法
1、贷前调查要充分，核实借款人资金需求，用途，还款来源，落实好担保，根据资金需求设定合理的借款期限。
2、贷中操作要规范，严格按照信贷操作流程不理，不形成无效担保，不接手有瑕疵的抵押物，尽量要求以本行存单做质押。
3、贷后检查要及时，贷款发放后严格按照要求进行分类，15日内对客户进行回访核实其资金使用情况。
4、强化客户账户监管，要求客户提供有效的资金回笼证明，定期检查其货款回笼情况，如有异动须采取措施。
5、侧面了解客户动向，对于已形成客户群落的客户，信息收集应当不难，即客户与客户之间是同行业或上下游企业或是朋友，互相了解对方情况，可通过他们互相 进行了解。
信贷风险的防范措施
1、加强准入管理。在授信环节，做到科学核定总量、明确区分种类、严格遵循权限;在用信环节，做到深入调查、详细审查、充分审议、严格审批，提出行之有效的限制条件和管理措施;在审查环节，探索建立独立审查制度、审查合议制度、审查咨询制度以及审查监理制度。对正常贷款，以加强维护和深度开发为主，持续提供优质高效的服务和信用便利;对关注贷款，密切关注不利因素的变动趋势，确保担保的有效性和充足性，抓住客户资产变现、对外融资、改制重组、经营改善等时机相机退出;对可疑贷款，果断、依法强制清收。
2、加强预警监控。风险预警是防范信贷风险的一项重要举措。良好的预警机制，可以前移风险关口，达到早发现、早预警、早处置的效果。要实现“多渠道”预警，创新信贷风险监测预警手段，综合运用信贷管理系统、专业统计报表以及各类媒体获取风险信息和数据，构建风险监测预警信息系统，形成“多角度观察、多方面分析、多渠道传递”的工作局面。要实现“零距离”预警，建立和完善科学的监测指标体系，提高监测的真实性、时效性、准确性。
3、加快信贷调整。市场经营条件下常盛不衰的企业不多，有前瞻性地加大信贷退出力度，才能有效防止信贷资产质量恶化。在客户退出上，要切实实现“三个转变”：一是由事实风险退出向潜在风险退出转变。前移风险关口，动态跟踪各类贷款迁徙变化趋势，提高对发展趋势的预见性。二是由被动性退出向主动性退出转变。统筹规划，尽早打算，通过催收、核销、审批控制等手段，主动压缩规模小、效益低、前景差、风险高的企业贷款余额。三是由战术性退出向战略性退出转变。信贷结构调整不能操之过急，必须掌控好节奏和力度，防止在退出中形成不良。
4、加强贷后管理。贷后管理就是要不断发现营销机会和客户风险预警信号，不断提出解决问题的方案和对策并付诸行动。要建立贷后管理考核体系，把客户检查过程、信息分析过程、预警预报过程、客户退出过程等纳入信贷工作整体考核范畴，针对每个管理环节和要素制定考核标准和依据，促使贷后管理人员经常、自觉、深入地实施贷后管理，让概念化的管理具体化。要建立差别化的风险监控制度，在密切监测风险变化的同时，做好对边缘贷款的动态跟踪和监测，制订完善的风险监控方案，及时化解潜在风险。
5、培育合规文化。要注重培育客户经理良好的职业操守，做到始终不越思想道德这条“防护线”，始终不碰规章制度这条“警戒线”，始终不违犯法律这条“高压线”。要注重建立与合规文化相适应的激励约束机制，明确传递一种信息，即：奖励那些善于发现风险、揭示风险、规避风险的员工，惩罚那些违反贷款规则、制造贷款风险、不顾贷款风险的员工，切实在内部形成一种“不以效益为由简化贷款程序，不以发展为由变通规章制度，不以同业竞争为由放宽准入条件”的良好氛围。
4. 金融需要 hadoop，spark 等这些大数据分析工具吗使用场景是怎样的
看看用亿信ABI做的相关案例
银行大数据应用
国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：
1、客户画像
客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：
（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；
（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；
（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；
（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。
2、精准营销
在客户画像的基础上银行可以有效的开展精准营销，包括：
（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；
（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；
（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；
（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
3、风险管理与风险控制
在风险管理和控制方面包括中小企业贷款风险评估和欺诈交易识别等手段
（1）中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
（2）实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机(ATM)系统的罪犯。
4、运营优化
（1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
（3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
5. 什么叫数据挖掘
数据挖掘（Data Mining）是指通过大量数据集进行分类的自动化过程，以通过数据分析来识别趋势和模式，建立关系来解决业务问题。换句话说，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
原则上讲，数据挖掘可以应用于任何类型的信息存储库及瞬态数据（如数据流），如数据库、数据仓库、数据集市、事务数据库、空间数据库（如地图等）、工程设计数据（如建筑设计等）、多媒体数据（文本、图像、视频、音频）、网络、数据流、时间序列数据库等。也正因如此，数据挖掘存在以下特点：
（1）数据集大且不完整
数据挖掘所需要的数据集是很大的，只有数据集越大，得到的规律才能越贴近于正确的实际的规律，结果也才越准确。除此以外，数据往往都是不完整的。
（2）不准确性
数据挖掘存在不准确性，主要是由噪声数据造成的。比如在商业中用户可能会提供假数据；在工厂环境中，正常的数据往往会收到电磁或者是辐射干扰，而出现超出正常值的情况。这些不正常的绝对不可能出现的数据，就叫做噪声，它们会导致数据挖掘存在不准确性。
（3）模糊的和随机的
数据挖掘是模糊的和随机的。这里的模糊可以和不准确性相关联。由于数据不准确导致只能在大体上对数据进行一个整体的观察，或者由于涉及到隐私信息无法获知到具体的一些内容，这个时候如果想要做相关的分析操作，就只能在大体上做一些分析，无法精确进行判断。
而数据的随机性有两个解释，一个是获取的数据随机；我们无法得知用户填写的到底是什么内容。第二个是分析结果随机。数据交给机器进行判断和学习，那么一切的操作都属于是灰箱操作。
6. 做数据库挖掘，必须买数据挖掘软件吗如果买的话，哪些比较便宜呢请大家们推荐啊
数据挖掘是从大量的数据中，抽取出潜在的、有价值的知识（模型或规则）的过程。
1. 数据挖掘能做什么？
1)数据挖掘能做以下六种不同事情（分析方法）：
· 分类 （Classification）
· 估值（Estimation）
· 预言（Prediction）
· 相关性分组或关联规则（Affinity grouping or association rules）
· 聚集（Clustering）
· 描述和可视化（Des cription and Visualization）
2)数据挖掘分类
以上六种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘
· 直接数据挖掘
目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以
理解成数据库中表的属性，即列）进行描述。
· 间接数据挖掘
目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系
。
· 分类、估值、预言属于直接数据挖掘；后三种属于间接数据挖掘
3)各种分析方法的简介
· 分类 （Classification）
首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分
类模型，对于没有分类的数据进行分类。
例子：
a. 信用卡申请者，分类为低、中、高风险
b. 分配客户到预先定义的客户分片
注意： 类的个数是确定的，预先定义好的
· 估值（Estimation）
估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的
输出；分类的类别是确定数目的，估值的量是不确定的。
例子：
a. 根据购买模式，估计一个家庭的孩子个数
b. 根据购买模式，估计一个家庭的收入
c. 估计real estate的价值
一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的
连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运
用估值，给各个客户记分（Score 0~1）。然后，根据阈值，将贷款级别分类。
· 预言（Prediction）
通常，预言是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用
于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。
预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时
间后，才知道预言准确性是多少。
· 相关性分组或关联规则（Affinity grouping or association rules）
决定哪些事情将一起发生。
例子：
a. 超市中客户在购买A的同时，经常会购买B，即A => B(关联规则)
b. 客户在购买A后，隔一段时间，会购买B （序列分析）
· 聚集（Clustering）
聚集是对记录分组，把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先
定义好的类，不需要训练集。
例子：
a. 一些特定症状的聚集可能预示了一个特定的疾病
b. 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群
聚集通常作为数据挖掘的第一步。例如，"哪一种类的促销对客户响应最好？"，对于这一
类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，
回答问题，可能效果更好。
· 描述和可视化（Des cription and Visualization）
是对数据挖掘结果的表示方式。
2.数据挖掘的商业背景
数据挖掘首先是需要商业环境中收集了大量的数据，然后要求挖掘的知识是有价值的。有
价值对商业而言，不外乎三种情况：降低开销；提高收入；增加股票价格。
1)数据挖掘作为研究工具 （Research）
2)数据挖掘提高过程控制（Process Improvement）
3)数据挖掘作为市场营销工具（Marketing）
4)数据挖掘作为客户关系管理CRM工具(Customer Relationship Management)
3.数据挖掘的技术背景
1)数据挖掘技术包括三个主要部分：算法和技术；数据；建模能力
2)数据挖掘和机器学习（Machine Learning）
· 机器学习是计算机科学和人工智能AI发展的产物
· 机器学习分为两种学习方式：自组织学习（如神经网络）；从例子中归纳出规则（如决
策树）
· 数据挖掘由来
数据挖掘是八十年代，投资AI研究项目失败后，AI转入实际应用时提出的。它是一个新兴
的，面向商业应用的AI研究。选择数据挖掘这一术语，表明了与统计、精算、长期从事预
言模型的经济学家之间没有技术的重叠。
3)数据挖掘和统计
统计也开始支持数据挖掘。统计本包括预言算法（回归）、抽样、基于经验的设计等
4)数据挖掘和决策支持系统
· 数据仓库
· OLAP（联机分析处理）、Data Mart（数据集市）、多维数据库
· 决策支持工具融合
将数据仓库、OLAP，数据挖掘融合在一起，构成企业决策分析环境。
4. 数据挖掘的社会背景
数据挖掘与个人预言：数据挖掘号称能通过历史数据的分析，预测客户的行为，而事实上
，客户自己可能都不明确自己下一步要作什么。所以，数据挖掘的结果，没有人们想象中
神秘，它不可能是完全正确的。
客户的行为是与社会环境相关连的，所以数据挖掘本身也受社会背景的影响。比如说，在
美国对银行信用卡客户信用评级的模型运行得非常成功，但是，它可能不适合中国
7. 信用卡取钱说持卡人信息不对称
信息不对称现象是指交易双方总有一方只能获取不完整的信息。信息不对称现象广泛存在于市场经济中，信息不对称现象降低了交易者信心，提高了交易成本，从而对整个市场产生次品驱逐优质品的破坏作用。
信息不对称理论在银行借贷领域的诠释
银行借贷中的信息不对称，是指借款人对其自身的包括风险状况在内的有关信息的了解肯定比贷款人知道的多，因而影响贷款人做出准确决策。现代信息经济学认为，信息不对称的存在，导致了“逆向选择”和“道德风险”问题。
逆向选择是指在贷款发放前发生的信息不对称问题。潜在的不良贷款的风险往往来自于那些积极寻找贷款的人。银行为了弥补贷款风险与损失，在贷款定价时，常常索取一定的“风险”利率。因此，在一个较高的利率水平下，使得高风险的借款人增加，而低风险的借款人减少，从而增加了总贷款资产的风险度。另外，由于逆向选择使得贷款成为不良贷款的可能性增大，即便市场上有风险较低的贷款机会，贷款人也可能不发放贷款。
道德风险是在贷款交易发生之后出现的。贷款人发放贷款后，将面对借款人从事那些从贷款人角度看并不期望进行的活动。例如，借款人趋向于将这笔贷款投向高风险、从而高违约率的项目，或者借款人明知财务状况正在恶化，今后没有能力偿还贷款，却依然使用尚未用完的贷款额度。
信息不对称导致借贷成本上升，银行的资产风险增加，金融市场的运行效率下降。信用卡贷款是一种典型的无担保的循环信用贷款，发卡银行与申请人（持卡人）之间、监管机构与经营机构之间都存在着信息不对称，如何解决好信息不对称问题关系着信用卡产业发展成败的大局。
8. 白猫贷靠谱吗
白猫贷是靠谱的，利率透明。白猫贷是接入中央征信系统的，一旦逾期，就会有不良的信用信息记录，影响你的征信，必须予以注意。但是贷款还是建议从正规平台去贷款。
拓展资料：
白猫贷是依托于大数据等技术手段，实现借贷服务全流程线上完成的金融平台，主要服务于有较大额资金需求的人群。依托数据挖掘和机器学习技术对用户进行信用评级， 提供申请简单、放款快捷的借款、分期贷款等。
办理贷款需要注意的问题：
1、在申请贷款额度的时候一定要适度，充分考虑个人及家庭的财务状况、理财习惯，通常月还款额度不要超过家里总收入的50%。
2、要保持良好的信用记录银行，一旦信用记录出现不良，会直接影响到贷款的可操作性，甚至很可能被银行拒贷。
3、贷款时，要向银行提供真实的个人信息资料，从一开始就培养良好的诚信意识，切勿提供虚假资料，否则可能被列入银行的 黑名单 ，将被各家银行拒之门外;个人信息变更时要及时通知银行。
4、贷款申请人要有稳定的收入来源，具备还款意愿和还款能力。上班族要提供单位工资证明、银行流水等，开公司的或者个体户要提供说明经营状况的资料，提供银行流水、实物资产（如房产）和金融资产（如银行存单、国债）等。
5、向银行贷款要说明贷款用途并提供相关的佐证材料，如购置房产、生产经营周转、装修等等。
6、如果是办理房屋抵押贷款，那房子必须三证齐全银行 贷款-利 率 网，并且还要还清贷款的尾款。如果是在银行做过抵押的房子，在尾款未还清的情况下，也可以做房屋的二次抵押。
7、要根据自己的自身情况，选择适合自己的贷款品种、贷款期限、还款方式等;签订合同、协议等时要看清楚条款，知道自己的权利义务，以便维权;妥善保管合同、协议、借据等资料。