金融科技XX金融科技公司數(shù)據(jù)分析師實(shí)習(xí)報(bào)告一、摘要

2023年7月10日至2023年9月5日，我在XX金融科技公司擔(dān)任數(shù)據(jù)分析師實(shí)習(xí)生，負(fù)責(zé)客戶行為分析與產(chǎn)品優(yōu)化項(xiàng)目。通過(guò)處理平臺(tái)累計(jì)用戶數(shù)據(jù)，完成7份深度分析報(bào)告，提出3項(xiàng)產(chǎn)品改進(jìn)建議，推動(dòng)用戶留存率提升12.3%。運(yùn)用SQL和Python對(duì)日均100萬(wàn)條交易數(shù)據(jù)進(jìn)行清洗與建模，搭建了2個(gè)實(shí)時(shí)監(jiān)控指標(biāo)體系。熟練應(yīng)用Tableau生成可視化圖表，其中“用戶活躍度趨勢(shì)分析”報(bào)告被團(tuán)隊(duì)采納并用于季度匯報(bào)。在實(shí)習(xí)中提煉出“分層用戶畫像+異常值檢測(cè)”方法論，可應(yīng)用于同類業(yè)務(wù)場(chǎng)景。

二、實(shí)習(xí)內(nèi)容及過(guò)程

實(shí)習(xí)目的主要是把學(xué)校學(xué)的數(shù)據(jù)分析知識(shí)用上，看看金融科技行業(yè)的數(shù)據(jù)分析是啥樣，順便提升下實(shí)操能力。

實(shí)習(xí)單位嘛，是家做智能投顧和信貸風(fēng)控的，用戶數(shù)據(jù)挺多，技術(shù)氛圍還行。我被分到數(shù)據(jù)分析組，跟著師傅做項(xiàng)目。

第13周主要是熟悉環(huán)境和數(shù)據(jù)，摸清楚他們的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)，主要是用SQL從幾張大表中撈數(shù)據(jù)。比如用SQL跑了個(gè)近3個(gè)月的用戶交易流水表，大概500萬(wàn)條記錄，幫業(yè)務(wù)同學(xué)做了個(gè)活躍度趨勢(shì)圖，發(fā)現(xiàn)工作日和周末用戶的操作偏好有明顯差異。師傅讓我用Python對(duì)用戶行為日志做特征工程，學(xué)到了怎么處理缺失值和做用戶分群。

第46周參與了個(gè)項(xiàng)目，是做新上線的一個(gè)理財(cái)產(chǎn)品用戶風(fēng)險(xiǎn)評(píng)估模型的數(shù)據(jù)支持部分。我負(fù)責(zé)清洗和整合用戶歷史交易數(shù)據(jù)和征信數(shù)據(jù)，用Python做了一些探索性分析，比如用t檢驗(yàn)對(duì)比了不同風(fēng)險(xiǎn)等級(jí)用戶的投資金額差異，發(fā)現(xiàn)中高風(fēng)險(xiǎn)用戶的單筆投資金額均值明顯更高。遇到個(gè)麻煩是征信數(shù)據(jù)有些字段缺失，就琢磨用多重插補(bǔ)法處理，最后生成的數(shù)據(jù)集完整度達(dá)到了98%。這段經(jīng)歷讓我對(duì)信貸風(fēng)控里的“五類風(fēng)險(xiǎn)”有了更直觀認(rèn)識(shí)。

最后兩周在師傅指導(dǎo)下獨(dú)立做了個(gè)報(bào)告，是關(guān)于用戶流失預(yù)警的。通過(guò)分析用戶行為序列數(shù)據(jù)，發(fā)現(xiàn)提前14天有連續(xù)3天未登錄的用戶，流失概率會(huì)升高80%，這個(gè)發(fā)現(xiàn)后來(lái)被產(chǎn)品那邊用來(lái)優(yōu)化了推送策略。過(guò)程中踩了不少坑，比如一開始用邏輯回歸模型，發(fā)現(xiàn)對(duì)時(shí)序特征擬合不好，后來(lái)改用LSTM效果才提上來(lái)。

實(shí)習(xí)中最大的挑戰(zhàn)是業(yè)務(wù)理解，很多指標(biāo)定義和業(yè)務(wù)邏輯我一開始搞不清，只能反復(fù)問(wèn)師傅和業(yè)務(wù)同事，這讓我意識(shí)到做數(shù)據(jù)不能光懂?dāng)?shù)學(xué)模型，得懂業(yè)務(wù)場(chǎng)景。另一個(gè)是工具熟練度，開始寫SQL效率不高，后來(lái)天天練才逐漸順手。收獲最大的可能是學(xué)會(huì)了怎么跟業(yè)務(wù)方溝通，他們要的不是復(fù)雜模型，而是能解決實(shí)際問(wèn)題的洞察。這段經(jīng)歷讓我更想往金融數(shù)據(jù)分析方向發(fā)展了，雖然知道這塊兒競(jìng)爭(zhēng)激烈，但感覺還是得繼續(xù)鉆。

實(shí)習(xí)單位管理上，感覺跨部門溝通有時(shí)不太順暢，比如數(shù)據(jù)需求提出來(lái)后，技術(shù)那邊響應(yīng)慢。培訓(xùn)機(jī)制也一般，就給我發(fā)了幾份內(nèi)部文檔，沒(méi)系統(tǒng)帶。崗位匹配度方面，雖然核心工作是數(shù)據(jù)處理，但偶爾會(huì)覺得跟業(yè)務(wù)結(jié)合不夠緊密。建議呢，希望公司能多搞點(diǎn)實(shí)習(xí)生培訓(xùn)，比如每周給個(gè)業(yè)務(wù)分享會(huì)，另外可以建個(gè)內(nèi)部數(shù)據(jù)工具庫(kù)，省得大家重復(fù)造輪子。

三、總結(jié)與體會(huì)

這8周，從2023年7月10日到9月5日，在XX金融科技公司的經(jīng)歷讓我感覺像是完成了一個(gè)學(xué)習(xí)到實(shí)踐的閉環(huán)。剛開始去的時(shí)候，心里挺沒(méi)底的，生怕自己啥也做不了。但實(shí)際做下來(lái)，發(fā)現(xiàn)很多在學(xué)校學(xué)的知識(shí)真有用武之地，比如SQL查詢優(yōu)化、Python的數(shù)據(jù)處理庫(kù)應(yīng)用，還有做數(shù)據(jù)可視化的Tableau技巧，這些都是在實(shí)際項(xiàng)目中一點(diǎn)點(diǎn)熟練起來(lái)的。記得剛開始做用戶分群項(xiàng)目時(shí)，對(duì)著海量數(shù)據(jù)完全沒(méi)頭緒，是師傅手把手教我從數(shù)據(jù)清洗開始，一步步教我怎么用聚類算法，最后做出了能被業(yè)務(wù)參考的結(jié)論。這個(gè)過(guò)程讓我明白，數(shù)據(jù)分析不是單純的技術(shù)活，更重要的是解決問(wèn)題的思路。

實(shí)習(xí)最大的體會(huì)是，做金融科技的數(shù)據(jù)分析，光會(huì)技術(shù)遠(yuǎn)遠(yuǎn)不夠，還得懂業(yè)務(wù)邏輯，特別是風(fēng)控和用戶運(yùn)營(yíng)這塊。比如有一次做信貸用戶畫像時(shí)，我發(fā)現(xiàn)模型預(yù)測(cè)的違約概率跟業(yè)務(wù)實(shí)際觀察的不太一致，后來(lái)發(fā)現(xiàn)是忽略了某些隱性風(fēng)險(xiǎn)因素，就主動(dòng)去跟業(yè)務(wù)同事溝通，最后調(diào)整了分析維度，結(jié)果模型的準(zhǔn)確性提升了近10%。這段經(jīng)歷讓我真切感受到，數(shù)據(jù)分析師得像個(gè)偵探，既能從數(shù)據(jù)里挖出線索，又能結(jié)合業(yè)務(wù)場(chǎng)景做出判斷。這也讓我更清楚了自己的職業(yè)方向，以后想往這個(gè)方向發(fā)展，得多學(xué)些機(jī)器學(xué)習(xí)算法，特別是時(shí)序分析和自然語(yǔ)言處理這塊，打算下學(xué)期考個(gè)相關(guān)方向的證書，把技能再深化一下。

看著自己做的分析報(bào)告被團(tuán)隊(duì)采納，甚至影響到了產(chǎn)品迭代，心里挺有成就感的。這也讓我意識(shí)到，從學(xué)生到職場(chǎng)人，角色變了，責(zé)任感也跟著變了。以前做作業(yè)可以隨便點(diǎn)，現(xiàn)在提交的東西得反復(fù)核對(duì)，生怕出錯(cuò)影響業(yè)務(wù)。這種抗壓能力和嚴(yán)謹(jǐn)態(tài)度，我覺得比單純會(huì)幾個(gè)工具更重要。行業(yè)里現(xiàn)在挺流行AIGC結(jié)合數(shù)據(jù)分析，像生成式AI輔助報(bào)告、自動(dòng)化數(shù)據(jù)探索這些，感覺未來(lái)很有前景。我打算實(shí)習(xí)結(jié)束后，多關(guān)注這塊新技術(shù)，看看怎么把它應(yīng)用到數(shù)據(jù)分析工作中，保持自己的競(jìng)爭(zhēng)力。這段經(jīng)歷讓我明白，學(xué)習(xí)永無(wú)止境，尤其是在變化這么快的金融科技行業(yè)，只有不斷迭代自己，才能不被淘汰。

四、致謝

感謝XX金融科技公司給我這次實(shí)習(xí)機(jī)會(huì)，讓我能在實(shí)際工作中學(xué)習(xí)和成長(zhǎng)。特別感謝我的導(dǎo)師，在實(shí)習(xí)期間給予的悉心指導(dǎo)和耐心幫助，