金融工程转数据分析靠谱吗？金融背景是加分还是减分？

金融工程转数据分析靠谱吗金融背景是加分还是减分最近, 好多学金融工程的学弟学妹来问我, 他们问我说: “学长, 金工本科毕业之后, 看上去好像什么都没办法做, 量化私募进不去, 银行柜员又不是自己想干的, 那转数据分析, 这样做靠不靠谱? ”我, 是那种和金融打过几年交道的人, 并且现在是在数据分析领域扎根的人, 那么今天, 就跟大家实实在在地讲实话, 金融工程转数据分析, 不仅是靠谱的, 而且金融背景还是个非常巨大的优势嗯——关键就在于你得了解怎么把这份优势“翻译”成数据分析师能够听得明白的语言。一、先说结论金融背景在数据分析领域非常吃香许多人纷纷断定, 金融工程与数据分析乃是截然不同的两件事情, 然而, 深入探究剖析之后, 便会发现, 金融工程的核心能力, 也就是数学建模、统计推断、编程实现以及风险量化, 与数据分析师所从事的工作, 几乎完全是同构相应的。拿具体事例来说, 假如你在金融工程课程之中研习的时间序列分析、回归模型以及蒙特卡洛模拟等内容, 只要更换一下数据集, 那就摇身一变成为数据分析师所构建的预测模型了再比如你所学的衍生品定价、VaR计算等知识模块, 从本质上细细去探究, 无外乎都是“借助数据对不确定性予以量化”这样一种行为罢了。我结识了一位毕业于有着两财一贸之称的院校金融工程专业的学妹, 大四时她决定不从事量化工作, 原因是觉得该领域门槛过高, 为此她耗费了大半年时间去完善SQL以及数据分析栈, 毕业后她获得了某互联网大厂的商业分析岗位, 起薪为十六千, 并且有十六薪。当时有一位面试官讲了一番话让我印象颇为深刻, 其话语内容为: “具备金工背景的人员逻辑严谨周密、对数字有着敏锐的感知, 从事商业分析相较于那些纯粹商科出身的人来讲, 上手速度要快出许多。”。二、金融背景之于数据分析领域存在着三大核心优势, 优势其一为, 展现出数理统计方面有着扎实的功底, 而这是众多数据分析师所欠缺的, 这一点成为了短板。数据分析内里最关键的工作究竟是什么? 可不是绘制图表, 而是去进行归因, 去开展预测, 去做假设检验。金工专业曾经学过概率论, 数理统计, 时间序列分析, 随机过程——把这些内容放置在数据分析的场景当中, 所对应的是:众多数据分析师从事这些工作好些年, 都只能凭借感觉去做, 然而你却是正规学习过的。差距并非在于你是否会运用, 而是在于当你面对一堆数字时, 要晓得“该计算什么、为何要计算、得到的结果该如何去解读”。我面试过一位金工的候选人, 给他一堆渠道投放的数据, 他直接进行了方差分析, 以此来判断不同渠道效果的差异是否显著, 当场便加了分。优势2懂金融业务逻辑这是纯技术背景的人没有的数据分析师惧怕的是什么呢? 惧怕的是对业务缺乏理解, 仅仅只会进行数据的运算。然而, 在金融工程的课程当中, 本身就已然渗透了金融市场的运行逻辑, 你学习过资产定价、风险管理以及投资组合等内容, 知晓利率变动如何对估值产生影响, 知晓信用风险怎样进行量化, 知晓市场情绪怎样进行传导。倘若你前往银行、消金、保险、券商、互联网金融领域去从事数据分析工作, 这些知识会使得你在与业务方沟通的时候能够达成有效的交流。我存在一位, 从金融工程专业毕业之后, 前往一家消费金融公司, 从事风险数据分析工作的学弟, 其日常的工作内容, 乃是运用逻辑回归的方式, 去制作信用评分卡。他向我讲述, 所在的工作群组之中, 大部分的同事, 均有着数学或者计算机方面的背景, 然而, “懂得风控业务逻辑”这一要点, 使得他迅速地承担起了与业务方进行对接的角色, 在时隔两年之后, 其薪资增长了将近一倍。优势3工具上手快——R//SQL对你来说不是从零开始金融工程本科毕业人员大多学过R, 或是做过量化分析, 还用过SQL进行数据查询。那些纯文科出身转向数分领域的人, 要耗费半年时间才能学会的内容, 你仅需两到三个月做方向校准以及查漏补缺便足够了。你需要调整的并非“会不会编程”, 而是“从金融场景转换至互联网、电商、零售场景”的数据分析思维, 有标点符号。三、专析金融工程转向数据分析的特定方向, 依据匹配度予以排序, 方向一: 为金融领域范畴以内里发生发展了事实事件方面数目的解析以及风险控制构建模块——属于最为顺畅便捷毫无阻碍的那一种情况排列秩序。对于银行、消费金融、保险、券商所涉及的风控数据分析, 以及信用评分卡建模、反欺诈分析而言, 这些岗位差不多简直就是专门依据金融工程背景去订做的。其工作内容与你所学的量化风险管理、信用评估高度重合, 当面对面试官时, 一旦看到你简历上呈现的金工专业以及CDA证书, 匹配程度便会直接被拉到满格。薪资方面具备参考价值的情况为, 处于一线城市, 对应银行或消金领域的风控数据分析岗位, 其中应届生的薪资范围是12到16K , 而工作2到3年后薪资规模变为18到25K, ️组合类型上的技能要求, 是SQL且要求一定得熟练掌握 加上一种情况/还需要做评分卡其中的一种 再加上逻辑回归或者决策树这两种情况中的一种 以及风控业务方面的知识。同时给出的建议是, 对于金融工程向数分转变的情况而言 这般是属于“最优解”的存在 原因在于你的专业背景在这个地方是属于构成最大加分项的因素 所以不用和处在互联网领域的那些竞争激烈如同卷王般的人去强硬竞争算法方面内容。方向2互联网金融/金融科技公司的商业分析在蚂蚁、微众、京东数科以及各类金融科技公司中这些公司既对金融理解看重, 更对数据分析能力有需求。工作内容也许会涉及用户画像、产品转化进而还包括信贷产品定价分析那般的情况。你的优势在于, 既了然金融产品逻辑为何, 又晓得运用数据去验证产品策略该如何去做的情况。请参考薪资情况, 针对金融科技公司的商业分析岗位而言, 在一线其薪资范围是14到18K , 大概工作3年左右的话, 薪资能够达到20到30K。 ️需要具备的技能组合有, SQL , 数据分析 , 数据可视化 , 也就是Power BI , 再有就是业务理解能力。方向3互联网大厂的商业分析/策略运营——完全走得通要是你打算完全脱离金融圈界域, 而前往互联网领域从事商业分析工作, 开展策略运营实践以及进行用户增长情况的分析, 那也是全然具备可行性的。然而在此处需要留意的是: 你必须将所谓的“金融术语”设法去精准翻译成“互联网行业所使用的专门术语”才行——举例来说, 当你把“资产组合风险分散”这样的话表述为“多渠道用户获取行为过程里的关于风险对冲方面的内容”, 如此这般, 面试相关的考官便能够理解明白其中之意了。其核心具备的能力是保持一致的: 也就是运用数据来达成对决策的有力支持效果。薪资参考情况如下: 针对互联网商业分析岗, 处于一线地区的薪资范围是15至20K而大厂的SP级别薪资能够达到22K以上。给出的建议是: 在投递这类岗位之际, 简历上面不要在较大篇幅去书写金融衍生品相关内容, 要着重突出“数据分析项目”以及“运用数据去解决业务问题”的经历。四、从金工到数分你需要补齐哪些短板转数据分析之中的金融工程专业同学, 其最大短板实际上仅存一项, 那便是数据工程项目经验你于学校所处理的数据大多数都属于“干净的小样本数据”, 然而工业界之中的数据却是“脏乱差的大规模数据”所以你需要补充以下三个要点。1. SQL不能停留在会查要达到会优化的程度进行金工学习的学生里头, 有很大一部分是会SQL的, 然而一般只是一些非常简单的查询操作。在参加面试数据分析岗位的时候, 像窗口函数、子查询如何去优化, 复杂的多表关联怎么做, 执行计划要怎么去分析, 这些都是一定会考的内容。在这里建议学生去刷一下“数据库”板块 , 把50道简单的题目以及中等难度的题目全部刷完, 那在面试中有关SQL部分这一关基本上就稳稳地能够通过了。2. 从做量化切换到做分析金工所运用的多为进行策略回测以及开展金融建模, 然而数据分析所需求的则涵盖: 实施数据清洗与变换, 进行可视化操作, 构建基础建模。无需去学习机器学习的繁杂算法, 只要能够将线性回归、逻辑回归、决策树运行顺畅便足够了。在B站搜索“数据分析全套”, 跟随其完成两个项目, 大约一个月之时便能够达成。3. 用项目证明你能用数据解决业务问题不论你金融背景有多厉害面试官都要求看到你“运用数据解决实际所遭遇问题”具备证据这件事。可采取挑取一个公开数据集的做法 , 比如推荐上的零售业对应数据 , 又例如阿里天池那儿的电商数据 , 去作出一份完备整全的分析报告。该报告涵盖有 这样几部分 , 先是数据清洗 , 接着是探索性分析 , 继而是建模或者归因 , 最后是业务方面给出的建议。把这个东西往简历上粘贴展示 , 相比于你写上一百句“对数据分析熟悉”而言 , 是更具说服力的。五、建议趁在校把CDA数据分析师一级考了按实际情况来讲, 从金融工程转向数据分析这条路, 最大的阻碍并非技术层面, 而是在于面试官怎样去相信你是切实真的能够做数据分析这件事。你的成绩单里记录有《计量经济学》《金融统计学》, 然而HR不一定会仔细去查看你在简历上填写注明了“熟练掌握数据分析”这句内容字样, 可是这句话却是每份简历上大体都呈现有的。你准备数据分析面试所要复习的内容, 跟行业认可的CDA数据分析师一级的考试内容高度重合, 该考试内容涵盖SQL查询、数据清洗、描述性统计、数据可视化, 但CDA数据分析师一级是最直接的解决方案。考CDA的流程, 就是系统性梳理你数据分析技能的情形。而且你金融工程的数理统计基础在那里放着, 准备CDA一级会比绝大多数人要轻松, 1-2个月完全充沛拿下。尤为关键的是, 当下各个行业均着手进行数字化转型, 数据分析能力已然成为金融行业得以刚需者。你瞧银行、再看券商以及审视保险公司所发布的招聘JD, 诸多涵盖金融科技任务岗位、予以风险分析任务岗位与推行数字化运营任务岗位, 差不多都明文标明了“具备数据分析能力者将会获得优先性考虑依据”这般的字眼陈述。像德勤这类处于行业前列的大公司在前两年就已然明确出台要求员工通过CDA二级考试的规定了, 金融机构在开展面试进程期间倘若目睹这个证书也会将其列为优先予以考虑范畴的基准因素。对于有着金融工程背景的你而言, CDA一级是把已有的运用数理统计的能力“认证”出来, 使得面试官一眼可识别你并非处于零基础状态, 提议在大四之前通过CDA一级考试, 资金投入和产出的比例非常高, 简历上面多了这一行内容, 在关键时候能够帮你多争取一轮面试的机会。最后总结一句本来是从金融工程转向数据分析领域, 可不是去“从零起步”, 而是进入另外一条赛道借由你已然拥有的长处施展身手。你所具备的数理统计方面的扎实基础, 对金融业务状况的领会把握, 还有编程方面的基础条件, 这些通通都是数据分析师岗位最为急需的要素。利用1至2个月的时间去补足SQL以及一整套数据分析技术工具配套学习、完成一份综合且深入的分析报告、顺便将CDA一级考试顺利通过——按照这样一套衔接紧密的一系列行动去做, 当你奔赴面试的时候绝对不会逊色于任何一个专业是统计学科班出身的学生, 甚至鉴于你对现有业务有着深刻理解, 你很有可能会比他们更加受到企业青睐。