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，这样所在组织才可以良性发展，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。 本课程通过十二个高度浓缩的金融数据科学应用场景，用三个月的时间从职场数据小白快速提升为数据达人，在金融行业中的量化风控、精准营销、价值经营领域成为中坚力量。

适用人群：
1、0基础学习金融数据分析，希望转岗到金融数据分析师的工作 2、对金融数据分析感兴趣的经济学、金融学、数学、统计等相关专业应届生 3、金融行业在职人员，希望提升数据分析技能

知识点：
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。

课程章节
第1章 SPSS数据分析基础
1课程介绍.mp4
2描述统计.mp4
3统计制图1.mp4
4统计制图2.mp4
5统计制图3.mp4
6统计制图4.mp4
7数据转换1.mp4
8数据转换2.mp4
9假设检验1.mp4
10假设检验2.mp4
11线性回归.mp4
第2章 金融数据分析基础
1.1 -1.2 数字化概述1.mp4
1.3-1.4 数字化概述2.mp4
2.1-2.6 数字化的保障机制.mp4
3.1-3.2 业务流程和数据产品开发1.mp4
3.3-3.4 业务流程和数据产品开发2.mp4
4.1-4.3 指标体系.mp4
5.1-5.3 根原因分析.mp4
6.1-6.4 客户运营与量化方法.mp4
7.1-7.2 金融市场调研方法与流程.mp4
7.3-7.4 SQL数据库基础技术.mp4
8.1.1 数据分析基础过程.mp4
8.1.2 商业分析思维.mp4
8.1.3 数据分析报告框架.mp4
8.1.4 分析报告模板.mp4
8.2.1 数据的统计量.mp4
8.2.2 用图表描述业务-1.mp4
8.2.3 常用描述数据方法.mp4
8.2.4 化妆品销售数据分析.mp4
8.2.5 PowerBI使用讲解.mp4
9.1-9.2 用户画像使用的标签设计和RFM模型示例.mp4
9.3 用Python做描述统计.mp4
9.4 用Python做数据处理.mp4
9.5 信用卡用户画像展示.mp4
第3章 Python数据分析基础
第1节 数据分析的武器库：1.1 基本概念1.mp4
第1节 数据分析的武器库：1.2 基本概念2.mp4
第1节 数据分析的武器库：2 数理统计技术.mp4
第1节 数据分析的武器库：3.1 数据挖掘的技术与方法1.mp4
第1节 数据分析的武器库：3.2 数据挖掘的技术与方法2.mp4
第1节 数据分析的武器库：4 分类模型的评估方法.mp4
第2节 Python编程基础 1Python介绍.mp4
第2节 Python编程基础2Python语言编程-1.mp4
第2节 Python编程基础3Python语言编程-2-1.mp4
第2节 Python编程基础4Python语言编程-2-2.mp4
第2节 Python编程基础5Python语言编程-3.mp4
第2节 Python编程基础6Python语言编程-4.mp4
第2节 Python编程基础7Python语言编程-5.mp4
第3节 数据描述分析：1.1 背景介绍.mp4
第3节 数据描述分析：2 对被解释变量进行描述.mp4
第3节 数据描述分析：3.1 对解释变量进行描述1.mp4
第3节 数据描述分析：3.2 对解释变量进行描述2.mp4
第3节 数据描述分析：4 单变量显著度检验.mp4
第3节 数据描述分析：5 无交互项的线性模型.mp4
第3节 数据描述分析：6 有交互项的线性模型和预测.mp4
第4节 统计推断：4.1 统计推断与假设检验1.mp4
第4节 统计推断：4.2 统计推断与假设检验2.mp4
第5节 线性回归与逻辑回归：1 线性回归算法概述与变量筛选.mp4
第5节 线性回归与逻辑回归：2 线性回归优化与正则化.mp4
第5节 线性回归与逻辑回归：3 逻辑回归变量筛选、编码.mp4
第6节 个人贷款信用风险评级全流程.mp4
第4章 金融建模实战
1.1 决策性模型：获客营销1.mp4
1.2 决策性模型：获客营销2.mp4
2. 客户分群-连续变量降维.mp4
3.1 客群细分-聚类1.mp4
3.2 客群细分-聚类2.mp4
3.3 客群细分-聚类3.mp4
4. 保留提升-交叉销售.mp4
5.1 识别类模型：分类模型原理1.mp4
5.2 识别类模型：分类模型原理2.mp4
5.3 识别类模型：申请欺诈1-决策树.mp4
5.4 识别类模型：申请欺诈1-组合算法.mp4
5.5 识别类模型：申请欺诈-朴素贝叶斯、KNN.mp4
5.6 识别类模型：申请欺诈- 神经网络.mp4
5.7 识别类模型：违规识别-异常识别和组合算法.mp4
6.1 预测和最优化：Python时间处理基础.mp4
6.2 使用时间序列分析做销售量预测1.mp4
6.3 运营优化.mp4
6.4 流程分析和流程挖掘.mp4
第5章 金融数字化客群运营
第1部分：营销战略落地方法论.mp4
第2部分：数字化营销技术.mp4
第3部分：有监督学习在精准营销中的运用1.mp4
第3部分：有监督学习在精准营销中的运用2.mp4
第3部分：有监督学习在精准营销中的运用3.mp4
第3部分：有监督学习在精准营销中的运用4.mp4
第4部分：无监督学习在精细化运营中的运用.mp4
第5部分：社交网络的应用案例1.mp4
第5部分：社交网络的应用案例2.mp4
第5部分：社交网络的应用案例3.mp4