职位描述
岗位职责:
1. 业务数据分析与洞察
- 负责客户全生命周期数据挖掘与分析(包括客户属性、行为特征、申请评分、贷后表现等),构建用户画像,支持精准营销与客户分层策略。
- 深入分析逾期数据(如逾期率、账龄分布、迁徙率等),定位风险节点,提出反欺诈及催收策略优化建议。
- 开展贷款拒绝原因分析,优化审批策略,平衡风险与业务增长,提升客户转化率。
2. 数据建模与策略支持
- 开发并维护数据分析模型(如客户信用评分模型、风险预警模型、流失预测模型等),支持风控、运营及产品决策。
- 基于历史数据及A/B测试结果,量化评估业务策略效果(如定价调整、营销活动、产品迭代等),输出可落地的优化方案。
3. 数据监控与报表体系搭建
- 设计并完善业务数据监控体系,定期输出核心指标报表(如放款量、资产质量、客户留存率等),实时预警异常波动。
- 搭建自动化数据看板(如Tableau、Power BI),提升数据可视化水平,降低业务部门数据使用门槛。
4. 跨部门协作与业务赋能
- 协同风控、市场、产品等部门,将数据分析结论转化为业务行动方案,推动数据驱动型决策。
- 参与业务需求讨论,从数据角度提供可行性建议,协助制定业务目标及KPI。
5. 行业研究与数据治理
- 跟踪互金行业数据应用趋势(如大数据风控、智能营销),探索数据创新场景。
- 参与数据质量治理,确保数据源的准确性与完整性,推动数据资产沉淀。
任职要求:
1. 教育背景与经验
- 统招本科及以上学历,统计学、数学、计算机科学、金融工程等相关专业优先;
- 3年以上互金行业(小额贷款、消费金融、P2P等)数据分析经验,熟悉信贷业务流程及风控逻辑。
2. 专业技能
- 数据分析工具:精通SQL,熟练使用Python/R进行数据清洗、建模与分析;掌握Excel高级函数及VBA者加分;
- 可视化能力:熟练使用Tableau、Power BI等工具,可独立完成数据看板设计与开发;
- 分析方法论:熟悉聚类分析、回归分析、漏斗分析等数据挖掘方法,具备A/B测试设计与解读能力;
- 行业知识:了解小额贷款行业监管政策、风控指标(如DPD、滚动率)及常见数据产品(如征信数据、三方数据)。
3. 业务理解能力
- 对客户生命周期管理、风险定价、资产质量监控等业务场景有深刻理解,能快速定位数据背后的业务问题;
- 熟悉互金行业数据埋点逻辑及数据仓库结构,具备数据血缘追溯能力者优先。
4. 能力素质
- 逻辑严谨,具备较强的数据敏感度和业务解读能力;
- 优秀的跨部门沟通能力,能将复杂数据结论转化为通俗的业务语言;
- 抗压能力强,适应高频率、快节奏的数据需求响应。
5. 优先条件
- 有风控建模(如申请评分卡、行为评分卡)或大数据平台建设经验者优先;
- 持有CDA、CFA、FRM等证书者优先。