考虑了很久，还是决定选择金融行业作为自己数据分析的目标。虽然所学专业及实习经历从事电商类数据分析会更有利。但是兴趣是最好的老师，希望我可以把兴趣变为工作。

一、自我分析

1.学习经历

本科学应用心理学，研究生读工程心理学，现在是研三学生。研究生对口工作是用户研究类，同学较多从事用研、产品经理或交互设计工作。今年7月份至8月份在某电商平台做数据标注实习。由于数据标注与数据分析相差较远，且毕业论文还没完成，于是辞职。

2.个人兴趣

从本科起就一直希望从事数据分析类工作。最近毕业季，想法更加强烈。对于工作行业的选择，我还是从兴趣出发，选择金融领域。

3.朋友推荐

周围有朋友在基金公司做销售及管理，极力推荐我进入金融行业。

4.优势劣势

对于金融行业数据分析，劣势必定是零基础，经验少。但目前正在考基金从业资格证，希望可以在数据分析技术掌握的同时，将这个作为进入行业的敲门砖。

优势是学习能力较强，自制力比较好。因为一直在上学，学习是常态。

二、职位分析

选择行业后，为了了解金融行业的数据分析都做什么，我特意去查了一些资料。了解行业后，也有助于我选择数据并作分析。金融行业数据分析的应用如下：

从投资结构来看，银行是金融类企业重要部分，证券和保险分列第二和第三位。

1.银行大数据应用

1）客户画像

客户画像应用包括个人客户画像（人口统计学特征、消费能力等）和企业客户画像（生产、流通等数据）。此外，还包括（1）客户在社交媒体上的行为数据；（2）客户在电商网站的交易数据；（3）企业客户的产业链上下游数据；（4）其他有利于扩展银行对客户兴趣爱好的数据；

2）精准营销

精准营销包括实时营销、交叉营销、个性化推荐、客户生命周期管理。

3）风险管控

风险管控包括中小企业贷款风险评估和欺诈交易识别（反欺诈分析）等。

4）运营优化

运营优化市场和渠道分析优化、产品和服务优化、舆情分析。

2.保险行业大数据应用

1）客户细分和精细化营销

该应用包括以下4点：u客户细分和差异化服务（以风险偏好为关键指标）。v潜在客户挖掘及流失用户预测w客户关联销售（最佳险种销售组合、利用时序规则找出顾客生命周期中购买保险的时间顺序）x客户精准营销（利用购物、浏览、社交数据）。

2）欺诈行为分析

该应用包括医疗保险欺诈与滥用分析、车险欺诈分析等。u医疗保险欺诈与滥用分析即非法骗取保险金，在保额限度内重复就医、浮报理赔金额。v车险欺诈分析。

3）精细化运营

u产品优化，保单个性化。v运营分析。w代理人（保险销售人员）甄选。

3.证券行业大数据应用

1）股价预测

2）客户关系管理

u客户细分。依据各种指标进行聚类，更好地配置资源和政策, 改进服务,抓住最有价值的客户。v流失客户预测。券商可根据客户历史交易行为和流失情况来建模从而预测客户流失的概率。（其实也包含了客户细分里的一些指标）

3）投资景气指数。

总结

我个人把金融领域的数据分析分为两种：

1）开源类：客户画像、客户细分，均为实现精细化营销。（卖出去）

2）节流类：反欺诈分析、借贷风险评估。（减小损失）

3）其他类：运营优化（综合）、股价预测（特殊业务催生）

我认为客户分析、风险评估大多针对用户，股价预测这类则是针对产品。

对业务并不了解，总结是按照个人理解来的，如有不对，欢迎交流~~

4.招聘网站要求

1）技能要求

提数：SQL；分析：Excel，Spss，Python，R，SAS；可视化：Tableau、PPT。

2）统计方法要求

回归、聚类分析等。

3）业务概况

很多职位描述中要求对借贷流程的理解、大多招贷款风险评估、不良资产、催收难度评估的数据分析人员。

三、数据选择

1.数据集描述

借款人贷款偿还情况，下载地址：https://www.kaggle.com/zhijinzhai/loandata

包含500行、11列数据。

2.各字段含义

Loan_ID-借款编号；loan_status-借款状态；Principal-原始借款金额；terms-借款期限；effective_date-借款起始时间； due_date-计划到期时间；paid_off_time-实际清偿时间；past_due_days-逾期天数； age-年龄；education-学历；Gender-性别。

四、学习计划

现在在写毕业论文，时间比较紧，每天最多保证1小时学习时间。

1）制定职业规划，已完成

2）描述统计分析，7天

3）使用Excel进行数据分析，7天

4）使用sql进行数据分析，7天

5）可视化和ppt商业数据报告制作，7天

6）业务知识，7天

7）内推找工作，7天

计划12月底前找到工作，会尽量赶进度~