金融行业哪些领域需要运用数据分析?具体有哪些职位?

管理员
管理员
管理员
35
文章
0
评论
2020-04-1803:05:00 评论 136 2035字
摘要

金融行业有哪些领域需要运用数据分析?具体有哪些职位?发展前景是怎样的?统计/数据分析的理论知识、行业相关知识、编码,主要是SAS或R、SQL、Excel是工作需要具备的知识。

金融行业有哪些领域需要运用数据分析?具体有哪些职位?发展前景是怎样的?这样的工作需要具备哪些知识?一、对于金融行业,大量用到数据分析的主要可以分为风控和营销两大部门风控1. 建模(Modeling)风险评分,预测客户违约/销账的风险。欺诈建模,预测卡欺诈的可能性等2. 业务战略(Business Strategy)如给客户确定信用额度,APR等都需要用到数据分析,这里可能会用到建模提供的各种分数3. 公司风险(Corporation Risk)如损失预测,资本规划等4. 模型验证(Model Validation)随着监管机构看到越来越紧,模型验证的活动也越来越多,由此也造成了很多工作机会营销主要包括如何目标用户提高响应率,各种AB测试等。另外还有一些特别的部门如回收、收集、交叉销售等都会用到数据分析。除了按照以上部门分类,以大数据具体在金融行业的应用领域,还可以按照以下方式说明。1. 用户授信:这其实是数据挖掘最早应用的领域之一,国内的数据挖掘最早基本上也是基于授信所需要的分类挖掘算法而发展的。基于大数据对用户信用风险进行判断,是一个重要的方向。特别是目前很多信用评估体系是依赖于国外的评估机构,如果能够基于大数据(看你能获得何种数据)来构建起信用评估机制来,这个会有市场。2. 交易风险控制:这个跟用户授信不同。原来的数据挖掘能够实现对用户静态的信用评估,基于大数据的流式处理能力可以实现对用户的动态评估,即交易风险的判断。例如,当你发现同一个帐户在近乎相同的时间在不同的地区进行信用卡交易的时候,这个时候交易风险就产生了。客户的信用卡可能被盗,也可能存在欺诈交易行为。3. 提现预测:目前互联网金融的一个很大的特定就是打破了原来流动性和收益率不能兼得的特征。而现在的很多"宝宝"能够两者兼得,除了跟创新有关外,在技术层面如果能够实现大数据对产品的支撑,会做得更高效。具体来说,"宝宝"们需要满足每天用户提现的需求,这就需要储备流动性强的资金,储备少了,会出现挤兑;储备多了,而资金不能得到充分利用,无法产生更多的收益。所以需要构建预测模型,实现对资金需求的有效预算与管理。4. 营销监控与评估:这个是容易被忽视的领域,因为是涉及到具体战术的工作。以后大多数人都关注营销效果的最终效果,比如搞了个客户营销产品,看最终转化了多少,但其实有很多环节可能会影响到用户的转化。比如接触情况,比如吸引性,比如消费滞后性等等。这些需要依赖于大数据基于更客户更准确的解答。5. 流失预警:如果你能获取的数据可以洞察用户在整个相关产品里的使用行为,你就可以洞察用户潜在的流失风险与去向。例如,你会发现原来较优质的客户最近在一段时间里突然不太活跃了,这可能就会有风险,但是到底是最近比较忙没有交易?还是另有他爱了?这个需要依赖于大数据进行洞察。用户可能这段时间正在关注或已经购买竞争对手的产品,这可以提供更大的营销管理价值。二、金融行业的职位说明1. 建模师/统计员以做建模为主,当然可能还会涉及到处理数据,模型实现,模型文档等,真正的建模倒是很小的一块,做损失预测/模型验证也可以计算在这一块2. 业务分析师

主要侧重点在于开发业务战略,相对而言来说偏重于业务意义,需要一定的数据分析的基础,但一般来说不太需要经过复杂的模型

3. 数据分析员

主要侧重点在于准备数据。在有些公司会单独列出来,有些公司可能就跟Modeler/Statistician在一起了,没有人专门给你拉数据。

4. 经理

顾名思义…另外还有大家在做(说)的大数据,一般就叫数据科学家了,但金融领域还在跟上,不能跟它相关的公司比。三、发展前景通常越是偏袒技术的,升职会越是一点。一方面可能是因为有着相同技能集的人比较多,不好上扬,而偏袒业务的做得久了就很熟了,个别人不容易插进来。别一方面也可能是技术做了很多,比较忽视一些软技能,影响升职。一个趋势其实已经形成,就是金融行业和第三方行业资源的整合,比如金融和互联网企业 ,金融和大数据拥有者的资源整合等。不论是哪些行业的资源整合,一个不可规避的事实就是对传统金融工具的创新,所以想想现在的金融产品有哪些问题,可能就能找到创新方向。创新还会体现在具体的营销层面,比如依赖于各种有效的触点实现的营销,依赖于社交媒体实现的营销创新等。四、需要用到的知识这个总的来说就是三块了1. 统计/数据分析的理论知识2. 行业相关知识3. 编码,主要是SAS或R、SQL、Excel以信用卡招标为例,数据分析相关的职位,要求的专业基础是statistic,econ,math,physics,finance.cs的做这些有点不太对头,更适合做数据科学的工作。因为银行的数据大多是结构数据,而且数据量也没有大到大到大的数据的步,SAS还可以搞清楚。但是大数据银行来说还是在上升阶段,个人感觉得到的肯定是以后的一个方面。如欺诈相关,涉及到交易级数据,数据量大增,传统的方法已经非常强大,大数据是一个很好的切入点。

End.

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: