本文第一部分整體介紹了金融科技業(yè)務(wù)知識
第二部分用產(chǎn)品思維看消費金融方面各環(huán)節(jié)的業(yè)務(wù)和技術(shù)知識

一融柬、金融科技業(yè)務(wù)知識

1颊咬、why轉(zhuǎn)行金融科技务甥，why not轉(zhuǎn)行互聯(lián)網(wǎng)?

對于行業(yè)：
在2018年的當下牡辽，最火的求職選擇就是bat，但是最火的就是最好的嗎敞临？

7年前銀行最火态辛，畢業(yè)生為了進銀行擊破頭，但進去后碩士也就是做一個柜員挺尿，整天累的要死奏黑。
今天的互聯(lián)網(wǎng)行業(yè)和7年前的銀行很像，都是很火编矾，但互聯(lián)網(wǎng)的用戶增量已經(jīng)到了瓶頸攀涵，12億人基本人手一個微信、一個支付寶洽沟。行業(yè)已經(jīng)過了跑馬圈地的野蠻生長期以故，進入需要精耕細作的存量期。存量期也意味著暴力高工資的結(jié)束裆操，互聯(lián)網(wǎng)行業(yè)的工資向平均工資水平回歸怒详。

對于應(yīng)屆畢業(yè)和轉(zhuǎn)行的同學，選擇行業(yè)應(yīng)該選上升趨勢的行業(yè)踪区，而不是選在最火的行業(yè)昆烁。

未來行業(yè)形式預(yù)測：
物聯(lián)網(wǎng)>金融>互聯(lián)網(wǎng)，金融行業(yè)在18年是谷底缎岗，但未來必然重新賺錢静尼。物聯(lián)網(wǎng)是未來10年看好的行業(yè)，但現(xiàn)階段基礎(chǔ)設(shè)施還不成熟传泊。

對于個人來說：本人目前工作金融it有技術(shù)背景鼠渺，學習mba有業(yè)務(wù)知識，公司也改名金融科技公司眷细。轉(zhuǎn)型金融科技正當時拦盹。

2、金融科技到底是什么溪椎？

有代碼介入的業(yè)務(wù)叫金融科技普舆？顯然不是。
技術(shù)知識輔助校读，關(guān)鍵還是業(yè)務(wù)需求技術(shù)輔助沼侣。
之前貸款幾百萬，一天幾筆申請歉秫，可以人工審核《曷澹現(xiàn)在一筆貸款幾千塊，每天上百萬個申請端考，人工根本處理不了雅潭。這就需要機器自動審批揭厚，但審批還面臨審批錯誤風險和鉆空子騙貸款不還的風險，這就帶來了風險控制和反欺詐扶供。
所以筛圆，金融科技要結(jié)合具體的業(yè)務(wù)場景，能解決具體問題椿浓，才有價值太援。

3、金融科技中具體的業(yè)務(wù)場景

金融科技已滲透到金融領(lǐng)域的各個環(huán)節(jié)扳碍。但目前應(yīng)用技術(shù)還比較初級提岔，行業(yè)正在發(fā)展期，所以入行正當時笋敞。

4碱蒙、金融科技涉及的技術(shù)

在個人層面，個人想學習金融科技行業(yè)相關(guān)技術(shù)夯巷，可以學什么技術(shù)赛惩？目前看主要是兩個方向：風控和量化

• 風控：主要是在互聯(lián)網(wǎng)金融公司做風險控制，需要分類算法趁餐，評分卡模型
• 量化：投資公司做高頻交易和期貨量化策略喷兼，需要預(yù)測算法。
  但在中國特色的資本市場做量化不容易后雷，而且量化的公司側(cè)需求人數(shù)比較少季惯。

二、產(chǎn)品思維看普惠金融領(lǐng)域的業(yè)務(wù)和技術(shù)

什么是產(chǎn)品思維臀突？
回歸數(shù)據(jù)分析師的崗位職能勉抓。
數(shù)據(jù)分析師說的不好聽一點就是出報表的，俗稱表哥表姐惧辈。
如何能讓領(lǐng)導對自己出的數(shù)據(jù)分析報告熱烈討論琳状，而不是一眼帶過？
如何能對業(yè)務(wù)部門和數(shù)據(jù)挖掘部門有話語權(quán)盒齿，而不是被動出報表？

作為一個優(yōu)秀的數(shù)據(jù)分析師困食，掌握基本的數(shù)據(jù)處理技能只是基本要求边翁，更重要的是對業(yè)務(wù)的理解，能用數(shù)據(jù)推動產(chǎn)品的優(yōu)化硕盹。提出的優(yōu)化建議帶來效益了符匾，說明數(shù)據(jù)分析有價值。

數(shù)據(jù)分析在消費金融業(yè)務(wù)各環(huán)節(jié)有能帶來什么價值瘩例？

1啊胶、以宜人貸為例甸各，分解智能消費金融業(yè)務(wù)流程

普惠金融的業(yè)務(wù)包括：
車貸：微貸網(wǎng)，大搜車
傳統(tǒng)線下轉(zhuǎn)線上：宜人貸（宜信）
信用貸（無抵押貸款）：51信用卡焰坪，特點：線下審核資料搬到線上趣倾，拍照上傳
消費貸款：大額用途：買車、裝修某饰、租房儒恋；小額用途：電子產(chǎn)品
場景消費分期：整容分期、教育分期（比如學計算機黔漂、編程）
特定群體的分期：產(chǎn)品針對特定人群诫尽，比如藍領(lǐng)貸，針對三農(nóng)群體的分期炬守，森農(nóng)分期
正規(guī)持牌消費金融分期：背后資金雄厚牧嫉，可以上征信
小額現(xiàn)金貸（paydaylan）：特點收益高，放款金額小减途，期限短
信用卡代還：產(chǎn)品特色驹止，代還信用卡
流量中介：引流客戶

2、具體業(yè)務(wù)環(huán)節(jié)中的數(shù)據(jù)分析

互聯(lián)網(wǎng)金融的5大環(huán)節(jié)：
營銷观蜗、信用風險管理臊恋、反欺詐、貸后管理墓捻、合規(guī)檢測

互聯(lián)網(wǎng)金融的數(shù)據(jù)分析技術(shù)：
數(shù)據(jù)準備抖仅、知識圖譜、決策引擎砖第、機器學習撤卢、用戶畫像、語義分析

把一項技術(shù)研究透梧兼，就不愁沒有飯吃了放吩。

3.每個業(yè)務(wù)流程的職位需求

數(shù)據(jù)準備：
(1)數(shù)據(jù)倉庫——數(shù)據(jù)挖掘方向的工作
對于分散在各地的業(yè)務(wù)數(shù)據(jù)，建立ETL過程（ETL是構(gòu)建數(shù)據(jù)倉庫的重要一環(huán)羽杰，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)渡紫，經(jīng)過數(shù)據(jù)清洗,最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去）考赛，從業(yè)務(wù)庫實時將數(shù)據(jù)同步到數(shù)據(jù)倉庫惕澎。

(2)網(wǎng)絡(luò)爬蟲——網(wǎng)絡(luò)爬蟲工程師
對于電商經(jīng)營數(shù)據(jù)或者運營商數(shù)據(jù)等，可以在用戶授權(quán)情況下颜骤，實時抓取數(shù)據(jù)與解析唧喉；
對于企業(yè)黃頁，法人失信或工商數(shù)據(jù)等，可以對互聯(lián)網(wǎng)公開的數(shù)據(jù)進行抓取與解析八孝；

(3)ID Mapping
將不同來源的數(shù)據(jù)董朝，根據(jù)用戶的ID進行關(guān)聯(lián)，形成完整的數(shù)據(jù)視圖干跛。

知識圖譜：涉及如何構(gòu)建子姜、如何運用
通過用戶申請的ID，電話驯鳖，設(shè)備闲询，地址等信息組成一個復雜的網(wǎng)絡(luò)，不僅用在授信建模上浅辙，更重要的是能夠從關(guān)系的角度用數(shù)據(jù)挖掘的方法識別出手段隱蔽的欺詐案件扭弧。

(1)知識圖譜的構(gòu)建
身份id、電話號碼等信息進行標準化處理
地址類的信息利用深度學習的方法進行匹配记舆，識別出同一地址
大量非結(jié)構(gòu)化的文本數(shù)據(jù)鸽捻，使用序列標注等算法進行關(guān)系挖掘

(2)知識圖譜的在線應(yīng)用
依賴ElasticSearch（一個基于Lucene的搜索服務(wù)器。它提供了一個分布式多用戶能力的全文搜索引擎泽腮，基于RESTful web接口）御蒲、HBase（一個分布式的、面向列的開源數(shù)據(jù)庫）及圖數(shù)據(jù)庫來構(gòu)架出高可用诊赊、高并發(fā)的在線應(yīng)用厚满。

語義分析——nlp語音識別人工智能工程師
在跟客戶進行交互的環(huán)節(jié)扳埂，了解客戶的真實意圖，檢測業(yè)務(wù)人員的服務(wù)質(zhì)量瘤礁。
（1）客服：常見問題自動匹配FAQ阳懂，回答客戶問題；
（2）電銷：根據(jù)客戶溝通情況柜思，提示銷售人員推薦相關(guān)產(chǎn)品岩调，提升轉(zhuǎn)化率和客戶滿意度
（3）催收：語義級別檢測催收人員的合規(guī)情況

宜人貸的實際運用情況

以上只是數(shù)據(jù)分析在各個業(yè)務(wù)環(huán)節(jié)的運用的初步介紹。后面可以結(jié)合工作實際和自己的興趣赡盘，對某一環(huán)節(jié)找個實際項目練手号枕，增加項目經(jīng)驗。

參考文獻

1陨享，艾瑞咨詢葱淳，金融科技報告
2，宜信張軍大數(shù)據(jù)在金融領(lǐng)域有何應(yīng)用霉咨？