金融数字化转型人才训练营

一、学习目标：

　　为数据应用产品经理提供能力提升路径和工作模版;

　　为算法工程师提供算法与业务结合的工作路径和大数据架构设计;

　　为业务人员开拓业务洞察视野和标准化的建模路线图;

　　为有志于从事金融大数据的人员提供定位指导和学习路线图。

　　二、课程内容：

　　01章数据产品开发方法和工具

　　01-01数据化业务工作流程：数字化工作的场景和流程

　　01-02数据化业务工作流程：数字化工作的工具和保 障机制

　　01-03敏捷数据产品开发：工具和度量

　　01-04敏捷数据产品开发：市场研究和调研方法

　　01-05敏捷数据产品开发：数据产品流程(编写工作计划，产品愿景对齐，用户画像，需求分析工具，原型设计，技术方案设计，交付计划，最终报告展示)

　　01-06敏捷数据产品开发：数据产品生命周期管理

　　01-07银行指标体系建设：同业数据标准建设案例

　　01-08银行指标体系建设：指标体系总体概述

　　01-09银行指标体系建设：银行指标库设计(指标库，维度库和维度树，核心指标逐层分解法)

　　01-10银行指标体系建设：指标的可视化展示

　　01-11根因分析工具：定性分析法：内外部因素分析

　　01-12根因分析工具：定量分析法(分群画像，漏斗洞察，留存分析)

　　01-13根因分析工具：行为轨迹

　　01-14数据挖掘应用工具：决策类模型(细分画像，获客营销，保留提升，信用评分)

　　01-15数据挖掘应用工具：识别类模型(申请欺诈，违规识别)

　　01-16数据挖掘应用工具：预测和优化分析(趋势预测，运营优化)

　　02章智能客群运营

　　02-01智能客户运营理论：数字化运营理论-发现问题

　　02-02智能客户运营理论：数字化营销理论-解决问题

　　02-03智能客户运营理论：数字化运营和数字化营销一体化

　　02-04智能客户运营实现体系：基于NES的客群运营监控

　　02-05智能客户运营实现体系：数字化的营销体系(模型库、标签库和CRM系统等)

　　02-06智能客户运营实现体系：数字化的营销闭环

　　02-07聚类分析及其在银行中的应用：聚类分析

　　02-08聚类分析及其在银行中的应用：K-means聚类

　　02-09聚类分析及其在银行中的应用：层级聚类

　　02-10聚类分析及其在银行中的应用：谱聚类

　　02-11聚类分析及其在银行中的应用：聚类分析及其在银行中的实践

　　02-12算法及其在银行中的应用：关联规则算法

　　02-13算法及其在银行中的应用：协同过滤算法

　　02-14算法及其在银行中的应用：产品应用

　　02-15算法及其在银行中的应用：银行产品架构

　　02-16社区发现算法在银行中的应用：图论基本概念和实现

　　02-17社区发现算法在银行中的应用：社区发现算法

　　02-18社区发现算法在银行中的应用：银行圈及其营销应用

　　03章 智能风险管控

　　03-01综述部分：消费信贷全生命周期风险管理

　　03-02综述部分：消费信贷常见产品及基本要素(消费信贷概念，消费信贷参与主体，常见消费信贷产品，产品风险点)

　　03-03综述部分：ABC卡介绍(ABC评分卡介绍与特点，在消费信贷风险管理中的应用)

　　03-04贷前、贷中风控模型：自动化信贷审批(自动化审批基本框架)

　　03-05贷前、贷中风控模型：人识别(生物识别与身份验证技术，在审批流程中的应用)

　　03-06贷前、贷中风控模型：信贷准入(监管性准入，政策性准入，黑名单性准入)

　　03-07贷前、贷中风控模型：信贷规则(组合策略)

　　03-08贷前、贷中风控模型：申请信用评分卡(业务理解，数据获取，构建模型)

　　03-09贷前、贷中风控模型：授信定价(基于风险的差异化定价，定价策略)

　　03-10贷前、贷中风控模型：申请阶段的数据监控(申请信息监控，策略监控，模型监控，质量监控)

　　03-11贷后风控模型：行为评分卡(业务理解，数据获取，构建模型)

　　03-12贷后风控模型：额度管理(风险差异化的额度调整策略，续贷客户额度策略)

　　03-13贷后风控模型：还款预警

　　03-14催收策略模型：催收评分卡(业务理解，数据获取，构建模型)

　　03-15催收策略模型：催收策略(基于催收评分卡的不同阶段的催收策略)

　　03-16反欺诈模型：申请反欺诈模型(异常特征提取，复杂网络特征提取，构建识别模型)

　　03-17反欺诈模型：反欺诈模型(问题和标签不平衡问题，构建识别模型)