cda

全国校区

您的位置:首页 > 课程列表 > 金融数字化转型人才训练营

金融数字化转型人才训练营

金融数字化转型人才训练营

难度系数:

课程系列:CDA金融数据人才系列


周期: 5周

11800

前一月:8.2折;前一周:9折

立即报名 咨询老师

金融数字化转型人才训练营

 姓名:

 电话:

 邮箱:

   备注:

邀请码:

提交信息
  • WHAT 课程简介

    本课程是2+3的结构,前面的“2”是能力体系建设,包括数字化战略和管理、数据和AI中台。数字化人才首先是复合型人才,既要懂算法又要知道数据应用的价值,还知道如何利用大数据工具付诸实现。
    第二个“3”是数字化应用领域,包括客群运营、信用风控、操作风控。数字化能力是一个整体,三个方面的数据应用场景都需要涉及到该领域的数据业务洞察、数据产品研发、数据治理、商业洞察和在大数据系统上落地。但是三个方面的应用场景对数字化能力的不同组成部分各有侧重,合在一起才能诠释数据和AI的应用全貌。
  • WHY 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。
  • WHO 学习对象和基础

    对金融行业感兴趣的高年级学生或从业者;
    最好有CDA一级基础,或掌握统计分析、逻辑回归等基础理论;
    熟悉Python编程基础,或提前学习赠送的自学视频。



课程案例,项目特训

点击图片任何区域可放大

智能客群运营

全球著名管理咨询公司麦肯锡报告指出,预计2020年中国将成为仅次于美国的全球规模第二大的零售银行市场,新形势下得零售者得天下。随着移动互联技术、大数据技术、人工智能技术的日益成熟和深度运用,未来银行将呈现“五化”:入口场景化、运营数字化、风控智能化、人才跨界化、服务普惠化。
因此,本课程目标上:主要针对运营数字化,实现智慧客群运营管理,从如何发现问题到如何解决问题。
本课程内容上,主要从“道”、“术”、“器”三个层面,分为;理论篇、实现篇和工具篇
1、理论篇,主要介绍从旧的4P理论到新的4P理论演变,以及数字化运营和数字化营销的理论和概念及其在银行业的实践; 2、实现篇,主要介绍三大策略:一是基于NES的客群运营监控、二是数字化的营销体系(模型、标签和CRM系统等)、三是数字化的营销闭环。 3、工具篇,着重通过案例,介绍具体算法在数字化运营中的应用。
一是介绍聚类算法及其在客群细分中的应用;
二是介绍协同过滤算法及其产品推荐中的应用;
三是介绍社区发现及其交易圈在银行营销中的应用。
点击图片任何区域可放大

数据和AI中台

随着金融业正在迈入第四个重大发展阶段--数字化时代,给各金融机构带来了的发展机遇,同时也伴随着严峻的挑战。如何解决数据孤岛、新应用与老系统结合难、现有IT能力不足以支撑业务的快速变化、数据调用方式多样且标准不统一质量差、以及数据资源未被挖掘数字化能力得不到释放等问题,是企业面临的共同难题。数据集成和数据资产管理是解决这些问题的有效途径之一。
本课程将从如何进行有效的数据集成、各种数据平台建设介绍、如何有效开展数据治理,以及数据资产管理与数据中台的建设这四个大的方面进行开展。帮助企业在数字化进程中快速建立系统间的数据集成体系,支撑用户数据集成应用的快速实现;提供完善数据管理体系和有效的完成数据整合方案,支撑起上层数据的挖掘、分析应用;对企业的发展战略和业务创新提供有效的数据支撑,洞察企业的运营状态和市场趋势等,提高企业新业务灵活性,创建数据应用敏捷环境。
点击图片任何区域可放大

智能信用风控

本课程以当前国内崛起的消费金融,互联网金融为主要场景,介绍消费金融在贷前、贷中、贷后流程中信用风险管理中的数据应用,力图在深入实际场景的基础上为学员提供全面的数据驱动的风险管理知识,课程围绕信贷场景中贷前、贷中、贷后三个板块,通过介绍相关业务背景,结合实际的的风控需求,以讲解与案例的形式介绍数据分析、数据挖掘应用。
第一部分重点介绍常见消费类贷款产品要素,风险点,智能自动化审批基本框架,数据驱动的贷款准入、规则的制定,申请信用评分卡的构建及基于风险差异化的授信定价。第二部分介绍履约客户的管理,包括行为评分模型的构建以及相应额度策略的制定。第三部分介绍催收环节中催收评分卡的建立与催收策略的制定。
点击图片任何区域可放大

智能操作风控

近年来随着金融风控案件的频发和监管部门政策的不断收紧,提升机构风控能力以降低内外部风险已成为众多银行和其他金融机构工作的的重中之重。作为新巴赛尔协议中三种风险之一,操作风险包含常见的反欺诈、反洗钱、反舞弊等场景。综合运用多种手段,针对这“三反”场景进行风险治理防控,成为当前众多金融机构开展工作的重要抓手。
在2天的课程中,首先会对操作风险的概念和常见子场景进行剖析,力求让学员对操作风险有清晰完整的认识。紧接着介绍为应对操作风险,应该建设怎样的防控体系,并从制度、人才、数据、技术等角度进行剖析。尤其在技术手段这个环节中,会就操作风险的机器学习建模面临的几大问题和解决方案进行重点介绍。在一天半的在实战案例环节,安排了反信用卡盗刷欺诈、反洗钱、反营销薅羊毛这三个典型的Python建模案例,力求通过案例强化风控建模常见流程、覆盖建模技术难点,切实提升学员的风控建模实战能力。
点击图片任何区域可放大

总体课程简介

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。
点击图片任何区域可放大

数据资产规划和管理

企业数字化转型是以数据价值深挖为手段,辅助企业流程再造,提高企业应对变革的能力。需要企业制定数据资产规划,不断提升数据资产管理能力。数据产品分为数据模型、数据质量、数据工具、数据算法、数据应用这五类产品。其中数据应用产品是供企业业务流程优化使用的复杂劳动的产出物,其劳动对象是伴随业务运营而积累的原始数据和外部获取的较初级数据产品。从操作层面来讲,企业数据资产规划主要规划的是数据产品组合,需要根据企业业务战略目标制定数据应用规划,进而决定数据产品组合;数据资产管理的目的是以最经济的方式将数据转化为数据应用产品;而数据中台则是数据应用产品的加工厂,与AI中台交互,为业务提供输入;数据治理是数据应用产品的质量保障体系,最终服务于业务诊断、策略制定和模型提供。
在两天时间中,会讲解如何从绩效管理中提取数据应用产品组合,通过对企业IT架构分析获取数据应用产品的原材料,分组演练单个数据应用产品的设计和开发,指明数据挖掘提供数据产品价值展现的场景和需要掌握的数据工程能力,以保障数据应用产品的落地,指明后续课程中的学习重点。

01数字资产规划和管理

01-01数据产品战略和规划:数据应用为导向的数据产品组合设计
01-02数据产品战略和规划:基于企业IT架构的数据资源分析
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
01-06敏捷数据产品开发:数据产品生命周期管理
01-07数据分析常用方法:商业数据分析步骤
01-08数据分析常用方法:商业分析思维框架
01-09数据分析常用方法:业务分析模版
01-10数据分析常用方法:数据挖掘模版
01-11数据资产管理:数据资产管理体系
01-12数据资产管理:数据治理
01-13数据工程和数据平台:构建数据模型
01-14数据工程和数据平台:数据平台架构
01-15数据工程和数据平台:数据中台架构

02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推荐算法及其在银行中的应用:关联规则算法
02-13推荐算法及其在银行中的应用:协同过滤算法
02-14推荐算法及其在银行中的应用:产品推荐应用
02-15推荐算法及其在银行中的应用:银行产品推荐架构
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
01-18社区发现算法在银行中的应用:银行交易圈及其营销应用

03 智能信用风控

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
03-03综述部分:ABC卡介绍
03-04贷前、贷中风控模型:自动化信贷审批
03-05贷前、贷中风控模型:贷款人识别
03-06贷前、贷中风控模型:信贷准入
03-07贷前、贷中风控模型:信贷规则
03-08贷前、贷中风控模型:申请信用评分卡
03-09贷前、贷中风控模型:授信定价
03-10贷前、贷中风控模型:申请阶段的数据监控
03-11贷后风控模型:行为评分卡
03-12贷后风控模型:额度管理
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
03-15催收策略模型:催收策略

04智能操作风控

04-01操作风险概念、体系和特点
04-02信用卡盗刷反欺诈场景建模:任务和数据介绍
04-03信用卡盗刷反欺诈场景建模:数据质量检查
04-04信用卡盗刷反欺诈场景建模:模型搭建
04-05信用卡盗刷反欺诈场景建模:代码演示讲解
04-06反洗钱建模:任务和数据介绍
04-07反洗钱建模:数据质量检查
04-08反洗钱建模:常见建模框架
04-09反洗钱建模:业务理解和特征工程
04-10反洗钱建模:模型构建与评价
04-11反洗钱建模:图谱展示与案例分析
04-12反洗钱建模:代码演示讲解
04-13反薅羊毛建模:任务和数据介绍
04-14反薅羊毛建模:数据质量检查
04-15反薅羊毛建模:特征工程
04-16反薅羊毛建模:模型搭建与融合
04-17反薅羊毛建模:代码演示与讲解

05数据中台和AI中台

05-01数据集成平台:数据集成平台架构
05-02数据集成平台:数据集成工具
05-03数据集成平台:数据模型
05-04数据集成平台:数据集成形式
05-05数据集成平台:数据平台演变路线
05-06数据集成平台:数据平台建设
05-07数据集成平台:一个经营分析的数据模型示例
05-08数据集成平台:数据探索区建设
05-09数据集成平台:BI平台建设
05-10数据治理与数据资产管理:数据管理体系介绍
05-11数据治理与数据资产管理:元数据管理
05-12数据治理与数据资产管理:数据质量管理
05-13数据治理与数据资产管理:数据标准管理
05-14数据治理与数据资产管理:主数据管理
05-15数据治理与数据资产管理:平台建设核心技术介绍
05-16数据治理与数据资产管理:平台建设核心功能介绍
05-17数据治理与数据资产管理:银行数据治理体系建立
05-18数据治理与数据资产管理:数据治理与资产管理关系
05-19数据治理与数据资产管理:数据资产管理建设
05-20数据中台建设与Hadoop生态系统:什么是数据中台?
05-21数据中台建设与Hadoop生态系统:如何用Hadoop生态组件搭建数据中台

硬核服务

  • 朝九晚九全程跟班答疑

    助教线上服务时间由原先的上课期间答疑调整为课程持续期间答疑,包括中途休息时间;同时,每日答疑时间由原先的“朝九晚六”调整为“朝九晚九”,全面覆盖同学晚自习时间。
  • 一对一督学

    每个班级、每位同学、每月都会进行至少一次一对一辅导,询问同学学习状态、解决学员学习问题;同时,针对每个模块测试结果后10%的学员进行额外辅导,以确保学员能够跟上学习进度。
  • 定期直播串讲

    对于重难点知识和同学普遍反应的问题,助教将进行每周1-2次的晚自习串讲,串讲时常为2小时左右,且相关内容需要重新制作、有别于课程内容,帮助同学攻克重难点知识。
  • 五分钟内有问必答

    助教线上服务要求5分钟内有问必答,并能真正做到解决所有课程中遇到的问题。在原先每个班一个助教+一个班主任的配置下,调整为每个班2名助教+项目服务团队的模式,以确保快速、高质量的解决线上提问。
  • 出勤率和进度监督

    在课程持续期间,助教还需实时统计学员出勤情况,监督课堂纪律,跟进学习进度。除正常答疑外,服务团队会与班级同学保持沟通、给予正确指引,从而营造积极学习氛围。
  • 作业与测试

    在远程授课期间,每个课程会安排相关课后作业,确保同学课下能够进行适当练习,提升同学实时参与感、保证当日学习效果。除了作业,服务团队还会组织学员进行阶段性测试,以考试性质为主,主要考察学员对本阶段知识掌握程度。

来自业界的数据领袖团队

  • 常老师

    北京大学会计学博士,ThoughtWorks中国金融首席数据科学家,中国大数据产业生态联盟专家委员会委员,反洗钱模型专家

    具有15年金融、互联网行业数据科学实施和咨询服务经验。曾任毕马威大数据咨询副总监、某消金公司数据部高级经理、百度大数据算法工程师。著有《Python数据科学:技术详解与商业实践》等三本数据科学图书。
  • 叶老师

    东北大学基础数学专业,硕士研究生

    近8年来,一直从事金融、电信行业数据架构、数据治理和数据分析挖掘方面工作。现任北京捷报金峰数据技术有限公司产品&技术总监,主要负责公司数据治理解决方案的建设、数据治理配套平台的研发,以及银行业数据治理应用场景的研究,该项目在17年获得北京市创新项目资金资助。
  • 曾老师

    华中师范大学管理科学与工程硕士

    拥有5年金融场景下风控数据分析,风控模型经验。对互联网金融、消费金融领域中的消费分期,小微贷款,汽车金融的风险管理中的数据分析、数据挖掘,人工智能应用有深入了解与实践。曾主讲CDA的多门数据挖掘课程,有丰富的授课经验。
权威 经管之家CDA LEVEL Ⅲ数据科学家认证证书,行业顶尖人才认证,已获得IBM大数据大学,中国电信,苏宁,德勤,猎聘,CDMS等企业的认可。
专业 CDA认证是根据商业数据分析专业岗位设立的一套体系化、科学化、正规化的人才标准。全国统考、专家命题、评分公平、流程严格,更具含金量。
权益 持证人享有系列特殊权益。证书皆绑定考生真实身份,可在CDA官网查询,确保唯一性与防伪性。证书三年审核一次,保证持证人的实力与权益。

认证介绍:
CDA数据分析师认证”是一套专业化,科学化,国际化,系统化的人才考核标准,分为CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、电商、医疗、互联网、电信等行业大数据及数据分析从业者所需要具备的技能,符合当今全球大数据及数据分析技术潮流,为各界企业、机构提供数据分析人才参照标准。经管之家为中国区CDA数据分析师认证考试唯一主办机构,于每年6月与12月底在全国范围举办线下数据分析师考试,通过考试者可获得CDA数据分析师认证证书。
CDA持证人福利
1.可吸纳为CDA Institute、中国数据分析师(CDA)俱乐部会员,活动中具有优先报名参与权。
2.可优先获得CDA内部就业及职业发展推荐。
3.免费参与CDA举办的中国数据分析师行业峰会、大数据峰会、研讨会等各项活动,Level Ⅱ与Level III持证人享受特权位置。
4.可申请加入CDA数据分析项目组,参与项目合作(提供项目给持证人演练)。
5.CDA Level Ⅰ持证人免费享受Peixun.net会员服务6个月(价值588 RMB),Level Ⅱ与Level III持证人免费享受peixun.net会员服务1年 (价值998 RMB);
6.其他特权皆以各类活动公告为主。
进入考试报名系统
  • Q: 在这门课程中会学习到什么?

    A: 本次课程不仅是讲如何处理数据、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。
  • Q:上课形式是怎么样的?

    A:课程分为现场班和远程直播班,现场班是北京面授,远程班采取现场直播 + 录播视频 + 线上答疑,不受地域限制,直播需和现场班同步时间学习,录播视频同学可以自主安排时间学习视频。
  • Q: 学员课下如何与老师进行互动?

    A: CDA课程每期都会建立QQ群和微信群,工作日有老师和助教负责答疑;同时学员可以在讨论区以帖子的形式向老师提问,老师会在工作日的48小时内回复。
  • Q:上课时间是怎么安排的?

    A: 5个周末上课,每两周空一周,每天上课时间:9:30-12:00,13:30-17:00,晚自习时间:18:30-20:30
  • Q:如果学不会怎么办?

    A: 首先,我们有一次免费学习的机会,如果还是学不会,授课老师会和学生面谈,发现问题所在,并让老师给出学习建议,查缺补漏,可以再跟着免费学一期。目前咱们还没有出现过这样的情况,对于学员来讲都是想尽快掌握技术能够运用到工作中。此外,课程均赠送全套录播视频,有效期2年,方便学员反复观看巩固,稳扎稳打学会全部课程。
  • Q: 完成课程后,可以获得证书吗?

    A:参加课程学员可自愿参加CDA LEVEL II建模分析师等级考试,考试合格获得由经管之家颁发《CDA数据分析师证书》。同时可自愿申请工信部《数据分析师证书》-高级。

OK