金融分析师的知识结构可拆成三层：底层是财务与会计、统计基础，中间是Excel建模、SQL取数、数据清洗与可视化，上层是估值建模、行业研究和报告表达。券商研究岗偏行业对比与估值输出，企业财务分析岗偏经营指标拆解与预算差异分析，但两者共用“读懂数据—形成判断—写出结论”的底座。学习顺序按任务依赖推进：先读懂报表和指标，再独立取数、清洗并做统计判断，最后把结论组织成可复核的报告。每阶段配一个可检查的成果，比“学完某门课”更能说明掌握程度。

先明确业务问题，再拆指标

金融分析师的起点不是打开软件，而是把问题说清楚：要解释收入为什么下滑，还是判断某行业景气度变化？问题不同，指标口径就不同。比如分析盈利能力，需先约定毛利率、净利率的计算范围——是否包含非经常性损益、分母用期初期末平均还是期末数。口径不统一，后续对比就失去意义。

落到课纲设计上，业务场景正是指标梳理的起点。中国工商银行2026年9月举办的AI驱动数据分析与机器学习专题内训，课程围绕获客营销、信用评分、反欺诈、风险预警、交叉销售、客户画像等业务场景展开¹。指标应从业务问题中拆出来，而非从工具菜单里找。练习时先拿一家上市公司，把“收入增长质量”拆成收入增速、毛利率变动、应收账款周转、经营现金流匹配度四个指标，写明数据来源和计算口径。

Excel与财务建模是共同底座

财务分析的第一项硬功夫是表格处理。三表联动、透视汇总、敏感性分析都依赖Excel规范操作。学习时不必追求复杂函数，先把“原始数据—清洗区—计算区—呈现区”分开，避免在同一表里混用口径。可检查的成果是：用一家公司三年财报搭出简版三表模型，收入按业务线拆分，成本按固定与变动分类，并写明关键假设。

估值建模在此基础上推进。DCF模型需预测自由现金流、确定折现率、计算终值，每一步都涉及假设说明。练习重点不是算出精确数字，而是让假设可追溯：收入增速参考了什么历史数据，折现率由哪些参数构成。模型输出应附一页假设清单，方便他人复核。

SQL取数与统计基础决定分析深度

当分析对象从单家公司扩展到行业对比，手工复制粘贴就不够用了。SQL用于从数据库中筛选、分组、连接和汇总数据。学习顺序可为：单表筛选与聚合、多表连接、子查询，最后用一段完整查询回答“某行业近三年各季度营收增速排名”。练习数据可用公开数据库或明确标注的模拟数据，不能冠以真实企业名。

统计基础解决的是“差异是否值得解释”。描述统计给出均值和分布，假设检验帮助判断两组数据差异是否可能由随机波动造成。金融分析中常见样本期太短、极端值影响大，学习时要同时练习异常值识别和口径说明。可检查的成果是：对一组行业月度数据做描述统计，标出异常月份并说明处理方式。

数据清洗与可视化让结论可复核

真实数据往往有缺失值、重复记录和编码不一致。数据清洗包括缺失值处理、异常值判断、字段编码统一等步骤。银行大数据部门从业者郭畅把数据清洗与编码列为需要面对的具体问题²。练习时可拿一份含缺失和重复的模拟交易数据，记录每一步处理理由，形成清洗日志：缺失值按字段性质分别删除、填补或保留待查，异常值先核对原始凭证再决定是否剔除，编码统一到同一套字段字典。

可视化服务于判断，不是装饰。折线图看趋势，柱状图做对比，散点图看关系。每张图应回答一个具体问题，并标注数据来源、时间范围和单位。报告中的图表若删掉标题就看不懂，说明表达还未完成。

Python与建模进阶放在有基础之后

Python的价值在于可复现地处理较大数据量和重复流程。先掌握读取表格、筛选、分组、合并和简单绘图，再衔接统计与建模。浙江农信2020年8月的线下培训共16天，其中6天机器学习算法、10天案例精讲，算法培训采用“算法原理+Python实现+实例讲解”的方式³。自学者可检查的成果是用Python复现一次Excel做过的清洗和汇总，并输出同样口径的结果；若尚不能独立完成清洗与口径说明，就不宜把建模作为当前阶段任务。

机器学习进阶应放在统计基础和数据处理之后。线性回归用于理解变量关系，聚类用于客户或行业分组，但前提是特征口径清楚、样本代表性可说明。练习时优先复现经典案例，再替换为自己整理的数据，并写明模型局限。

两条岗位情景的侧重差异

券商研究岗更强调行业数据对比、估值模型和报告写作，学习路径中行业研究方法与估值建模占比更高。企业财务分析岗更强调预算差异、成本拆解和经营指标监控，Excel与指标体系构建权重更大。两者共同的基础是财务报表理解、统计判断和报告表达。选择路径时，先确定目标岗位的高频任务，再倒推模块顺序，不必把两类岗位课纲全部叠加。

证书与课程信息的核验方式

CFA等证书的知识体系可作为学习框架参考，但报考条件、考试科目和费用须以当期官方发布为准，不能把学习建议当成报考资格。CDA Level I的统计分析、SQL数据库应用、用户标签与用户画像等模块，可作为数据能力练习的对照清单；具体考核范围以官方考纲为准。课程图只说明教学安排，不等于企业交付案例，也不等于岗位招聘要求。

30/90天可执行安排

前30天：完成一家公司三年财报的收入拆解与利润归因，用Excel搭简版三表模型，输出一页假设清单。第31至60天：用SQL完成一次行业数据筛选与分组汇总，做描述统计并标注异常值，形成清洗日志。第61至90天：把前两阶段结果组织成一份含数据来源、指标口径、假设说明和结论的分析报告，图表不超过五张。检验标准是他人能按报告复现主要数字。下一步，选一家关注的公司，先写出三个待回答的业务问题，再为每个问题列出指标口径和数据来源。

延伸阅读

[1] 重塑金融科技生产力，中国工商银行举办 AI 驱动数据分析与机器学习专题内训

[2] 【干货】2年银行数据分析师：大数据部门工作重点及技能要求

[3] CDA与浙江农信合作落地数据建模及案例应用