未来的企业中不存在盲目执行的人，也不存在仅发号施令的人。传统企业中的管理者将逐渐转变为赋能者。将自身的知识赋能给流程决策系统，这样业务运营才可以实现智能化;将自身的知识赋能给组织，这样所在组织才可以良性发展，处于领先地位。在市场变革中只有勇于突破自身、勇于拓展，才可以立于不败之地。本次课程不仅是讲如何发现业务问题、整理数据、建立模型、编写报告、构建业务应用数字化解决方案。而是力图为金融从业者提供个人数字化转型的解决方案，转型成为组织内部数字化赋能者。本课程通过十二个高度浓缩的金融数据科学应用场景，用三个月的时间从职场数据小白快速提升为数据达人，在金融行业中的量化风控、精准营销、价值经营领域成为中坚力量。
1、0基础学习金融数据分析，希望转岗到金融数据分析师的工作的学员
2、对金融数据分析感兴趣的经济学、金融学、数学、统计等相关专业应届生
3、金融行业在职人员，希望提升数据分析技能的学员
课程章节
第1章SPSS数据分析基础
1课程介绍
2描述统计
3统计制图1
4统计制图2
5统计制图3
6统计制图4
7数据转换1
8数据转换2
9假设检验1
10假设检验2
11线性回归
第2章金融数据分析基础
1.1-1.2数字化概述1
1.3-1.4数字化概述2
2.1-2.6数字化的保障机制
3.1-3.2业务流程和数据产品开发1
3.3-3.4业务流程和数据产品开发2
4.1-4.3指标体系
5.1-5.3根原因分析
6.1-6.4客户运营与量化方法
7.1-7.2金融市场调研方法与流程
7.3-7.4 SQL数据库基础技术
8.1.1数据分析基础过程
8.1.2商业分析思维
8.1.3数据分析报告框架
8.1.4分析报告模板
8.2.1数据的统计量
8.2.2用图表描述业务-1
8.2.3常用描述数据方法
8.2.4化妆品销售数据分析
8.2.5 PowerBI使用讲解
9.1-9.2用户画像使用的标签设计和RFM模型示例
9.3用Python做描述统计
9.4用Python做数据处理
9.5信用卡用户画像展示
第3章Python数据分析基础
第1节数据分析的武器库：1.1基本概念1
第1节数据分析的武器库：1.2基本概念2
第1节数据分析的武器库：2数理统计技术
第1节数据分析的武器库：3.1数据挖掘的技术与方法1
第1节数据分析的武器库：3.2数据挖掘的技术与方法2
第1节数据分析的武器库：4分类模型的评估方法
第2节Python编程基础1Python介绍
第2节Python编程基础2Python语言编程-1
第2节Python编程基础3Python语言编程-2-1
第2节Python编程基础4Python语言编程-2-2
第2节Python编程基础5Python语言编程-3
第2节Python编程基础6Python语言编程-4
第2节Python编程基础7Python语言编程-5
第3节数据描述分析：1.1背景介绍
第3节数据描述分析：2对被解释变量进行描述
第3节数据描述分析：3.1对解释变量进行描述1
第3节数据描述分析：3.2对解释变量进行描述2
第3节数据描述分析：4单变量显著度检验
第3节数据描述分析：5无交互项的线性模型
第3节数据描述分析：6有交互项的线性模型和预测
第4节统计推断：4.1统计推断与假设检验1
第4节统计推断：4.2统计推断与假设检验2
第5节线性回归与逻辑回归：1线性回归算法概述与变量筛选
第5节线性回归与逻辑回归：2线性回归优化与正则化
第5节线性回归与逻辑回归：3逻辑回归变量筛选、编码
第6节个人贷款信用风险评级全流程
第4章金融建模实战
1.1决策性模型：获客营销1
1.2决策性模型：获客营销2
2.客户分群-连续变量降维
3.1客群细分-聚类1
3.2客群细分-聚类2
3.3客群细分-聚类3
4.保留提升-交叉销售
5.1识别类模型：分类模型原理1
5.2识别类模型：分类模型原理2
5.3识别类模型：申请欺诈1-决策树
5.4识别类模型：申请欺诈1-组合算法
5.5识别类模型：申请欺诈-朴素贝叶斯、KNN
5.6识别类模型：申请欺诈-神经网络
5.7识别类模型：违规识别-异常识别和组合算法
6.1预测和最优化：Python时间处理基础
6.2使用时间序列分析做销售量预测1
6.3运营优化
6.4流程分析和流程挖掘
第5章金融数字化客群运营
第1部分：营销战略落地方法论
第2部分：数字化营销技术
第3部分：有监督学习在精准营销中的运用1
第3部分：有监督学习在精准营销中的运用2
第3部分：有监督学习在精准营销中的运用3
第3部分：有监督学习在精准营销中的运用4
第4部分：无监督学习在精细化运营中的运用
第5部分：社交网络的应用案例1
第5部分：社交网络的应用案例2
第5部分：社交网络的应用案例3
