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。