从各大企业招聘策略分析师的需求也能看出来，会数据分析已经标配。

但是从FAL平台行业调研中发现，0-3岁的风控er中，真正懂数据分析的并不多。

甚至可以说绝大多数在做“假”数据分析：

首先，数据分析只是用在复盘环节，并且只是展示数据。每次做总结时，才把数据罗列一下，看似分析了一大串，实际上对业务已经没啥预测帮助。

其次，数据解读只停留在表面。最常见的就是做 一些趋势图，观察一下异常数据，然后开始分析原因可能是什么。

最后，“分析”完数据之后，压根没有用上数据思维来解决问题。遇到问题之后，不知道用什么解决方案，最后只能“拍脑袋”做决策。

这样的“数据分析”，你还是别做了！

长期以往，你用数据分析解决问题的能力很难有所提升，每次都是一做三不知：

不知道分析什么数据

不知道怎么分析数据

简单说，是能够定位问题，并高效解决问题。有点逼格的说法，是能够用数据驱动解决业务问题。

这就要求我们在数据分析时能做到以下几点：

第一，有结构化的数据分析思维。

① 能够对业务流程进行梳理，明确核心指标。

不论你是做资产管理、风险KPI设计，还是数据监控，做数据分析的第一步都是梳理业务流程，这样才能把零散的指标串联起来，从而能用全局的视角来发现核心指标。

例如在搭建数据集市时，你要清楚基础层、中间层、应用层，每一层数据的意义是什么，有哪些核心的字段与指标。

②实现数据结构的优化，能够对数据进行加工

在数据分析过程中，需要对更底层的数据进行加工处理，把它们变成方便使用的数据指标。

以审批数据为例，在生产库中会将一笔订单在决策引擎每一个节点的输入、输出变量都保存下来。

若每个变量都做成一个字段，表结构会非常大，而且一旦策略修改，表结构也要跟着修改，会给各方数据应用部门带来诸多不便，故生产层表结构都是设计成竖表。风控在搭建数据集市时就需要从竖表中挑选出业务需要的变量，转化成横表，方便后期统计分析。

③能够根据业务流程，搭建框架

与结构。

你需要根据业务流程，把客户信息表、客户合同表、还款计划表的框架结构了解清楚，并知道每一个数据代表的含义。

比如，需要通过底层核心表开发出数据中间表，并计算各种中间表的核心指标，例如逾期率、首逾、FSTQPD、Vintage等，利用sql把多个表实现表链接与嵌套表的查询，实现数据备份。

第二，能够基于数据集市中间表开发出自动化的报表体系。

数据分析绝对不是在复盘阶段才需要做的，而是在业务开展的过程中持续观察、持续优化，因此需要你能够结合数据集市中间表，开发出自动化的风控报表体系，例如通过python生产报表、自动更新、定时发送。

设计过程中需要验证逻辑与监控，保证数据体系稳定运行。

例如，按照业务的流程逻辑去检查，审批通过的订单才有合同号生成，合同生成的同时，必须有还款计划与之对应，等等等等。

第三，能够监控数据库与设置预警

很多风控的数据分析师不知道业务开展的细节，又不善于沟通和收集信息，容易与业务脱节，“风控数据分析”也变成了做数字游戏。

所以风控人员一定要与团队搭建沟通机制，做到监控+预测+预警，形成风险分析闭环。

监控、预测、预警的工作本身不难，注重的是搭建流程化和体系化。

很多时候百说不如一做，必须尽可能实现自动输出监控报表，内置预测模型

，自动发布预警通知，数据的价值才可能发挥到最大。

为了让大家能够“暴力上手”数据分析，系统化掌握这项重要且必备的技能，成为优秀的风控er，我们精心打造了「数据分析师

训练营」。不仅教会你数据分析思维，还会让你掌握风控实操经验和业务理解能力。详细的可以私聊我。

关注「 金科应用研院」