近年来,随着国民经济的快速发展,以及国家相关政策的鼓励扶持,中小型企业大量出现.随之而来的问题是小额度贷款的需求量增大.与传统的银行借贷模式相比,小额度贷款更具灵活性.因此,如何快速、准确的判断一个企业是否有贷款需求至关重要.本文主要针对中小型企业的贷款问题,在完整展现企业数据分析流程的基础上,讨论了在小样本低质量数据的情况下,如何有效地进行数据分析、建模.本文在数据缺失特征较多、数据来源较差、数据量较少的情况下,详细讨论了如何进行数据预处理、探索性数据分析和模型建立.在数据预处理过程中,采用了“严内宽外”以及“全部宽松”两种策略相结合的方式对数据进行贷款需求标注;在探索性数据研究过程中,采用了不同贷款需求下单变量分析的方法;在模型建立的过程中,采用了条件投票选择的模型聚合方法.最后我们得到了一个稳定性相对较高的贷款需求模型,且最终模型的预测准确率达到了76%.在建模过程中,采用逻辑回归模型作为基本模型,减小了过拟合风险;在数据分析流程中,充分考虑了建模目的以及之后的模型更新.因此,通过在整个数据流程上的特别处理及分析,最终模型较好的拟合了小样本低质量数据下中小型企业的贷款需求.我们根据最终模型对新的数据推荐出一批企业,得到了良好的反馈结果.