1、学习初衷
（1）个人介绍
我是帆软社区的注册用户，目前在昆山农商银行担任零售银行部数据分析师，主要负责个人信贷业务的数据分析、风险监控及客户价值挖掘工作。银行零售业务覆盖信用卡、消费贷、财富管理等多个板块，日均交易量超百万笔，数据量庞大且复杂。
在日常工作中，我深刻体会到数据对银行业务的重要性。无论是客户分群、风险预警，还是营销活动效果评估，都需要依赖精准的数据分析。然而，传统的数据处理方式（如Excel+SQL手动跑数）效率较低，且难以实现实时监控和动态可视化。因此，我希望通过系统学习数据分析工具和方法，提升数据处理效率，为业务决策提供更及时、更直观的支持。
（2）学习初衷
选择参加是因为工作中亟需提升数据可视化与深度分析能力。作为银行数据分析人员，日常工作中经常需要处理大量的风险预警数据，而现有的分析方法和工具在应对复杂的预警信号分析时存在一定局限性，希望通过学习班系统学习更专业的数据分析工具与方法，以更好地满足银行风险预警工作的需求，实现自我突破。
2、作品简介（作业10）
（1）业务背景/需求痛点
在银行风险管理工作中，信贷风险预警是至关重要的环节。作为风险管理部的数据分析人员，日常工作包括对银行各类信贷业务的预警信号进行监测、分析与评估，为风险决策提供支持，协助制定风险防控策略，降低信贷风险损失。
需求痛点
银行现有的预警信号处置流程中，存在对预警信号处置情况分析不够全面、深入的问题。具体表现为：无法清晰了解各部门对预警信号的处置及时率，难以准确把握预警信号的等级分布情况，对处置质量的评估缺乏系统性，也不能直观地发现预警信号的触发趋势，这些都影响了风险预警的有效性和风险决策的准确性，亟需通过全面的数据分析来解决这些问题。
（2）数据来源
使用了预警信号基础信息表（包含预警信号编号、触发时间、客户基本信息等，对客户信息进行了脱敏处理，仅保留匿名化标识）、信号处置记录表（记录处置部门、处置时间、处置结果等）、信号等级定义表（明确各等级预警信号的判定标准）。
（3）分析思路
信号触发数量：分为当月触发、当年触发、红色触发、橙色触发
时间序列趋势：分析预警信号触发数量随时间的变化趋势，预测未来风险发展态势。
整体等级分布：统计各等级预警信号在总体中的占比，把握风险的整体分布情况。
按信号类型拆解：分析不同信号类型中在预警触发中的的分布，识别个预警信号的处置情况。
信号处置及时率：以及时率为考核要点，对客户经理及支行进行考核，可以清晰的看到处置不及时的支行
信号处置质量：以处置质量为触发点，明确各支行处置质量偏低的信号明细。
（4）数据处理
在进行可视化分析之前，进行了以下数据处理工作：
数据清洗：对预警信号基础信息表中的缺失值进行处理，如处置时间缺失的记录，通过与其他相关表关联匹配的方式补充；对异常值进行筛选和修正，如明显不符合逻辑的处置结果记录。
数据整合：将预警信号基础信息表、处置记录表和等级定义表通过关键字段（预警信号编号）进行关联整合，形成完整的分析数据集。
数据计算：计算处置及时率（实际处置时间与规定处置时间的差值与规定处置时间的比率）、各等级信号占比等指标。
在使用自助数据集进行数据处理时，遇到了不同表之间数据格式不一致的困难，例如部分表的时间字段格式不同。通过使用帆软工具中的数据转换功能，将时间字段统一转换为标准格式，成功解决了该问题。
（3）可视化报告
一、预警触发情况统计分析
从预警触发情况来看，2024年，随着时间推移，预警信号触发数量波动上升，从2024年年初的触发4860条，上升至2024年12月末的8751条，并在2024年11月份达到最高点10921条。可以看到的是，随着外部环境的变化，预警信号触发量将继续上升。
二、预警触发情况统计分析
从预警信号触发的分布来看，当年度触发信号数量最多的信号是借款人在3个月内被查询次数异常，其次是借款人近12个月内出现逾期以及中征分异常，触发量分别为10451、10326、9257条，合计触发量30034条，占全部信号触发量的33.94%。针对上述3条预警信号，应当进一步研究规则阈值的合理性，控制触发量至合理范围内。
另外，从不同预警等级的信号触发量来看，红色信号触发8245条，橙色信号触发25485条，黄色信号触发34874条，提示类信号触发19894条，整体触发量分布基本合理。
三、智慧贷后预警系统考核情况
从预警处置及时率情况来看，通州普惠和信贷管理部处置及时率最高，而石浦支行、周庄支行、陆杨支行预警处置及时率最低，且均未达到95%。其中，石浦支行预警处置逾期笔数22笔，预警处置及时率最低，支行客户经理及风险总监应当加倍重视预警处置质效的提升。
3、学习总结
（一）学习经历
在学习班的学习过程中，有过多次熬夜完成项目作业的经历，为了将所学知识应用到实际案例中，常常和小组同学一起讨论分析思路到深夜。在这个过程中，结交了许多来自不同银行的同行朋友，大家一起分享工作中的经验和问题，互相学习、共同进步。特别感谢讲课老师对数据分析方法的深入讲解和实战指导，让我对帆软工具的使用有了更熟练的掌握；也要感谢班主任和助教老师在学习过程中的耐心帮助和及时答疑。
对于学习班，建议可以增加更多银行行业的实际案例分析，让课程内容更贴近银行数据分析人员的工作需求。
（二）个人成长
掌握的技能和方法：熟练掌握了帆软工具的使用，包括数据处理、可视化图表制作、自助数据集分析等；学习并应用了 RFM 模型、漏斗模型等分析模型在银行风险预警分析中的应用方法；掌握了从多个维度拆解分析问题的思路和方法，提升了数据分析的系统性和逻辑性。
印象深刻的内容：最让我印象深刻的是实战项目中对银行预警信号的全面分析过程，通过将理论知识与实际工作相结合，深刻体会到数据分析在解决实际业务问题中的重要作用。
学习初衷实现情况：学习初衷主要是提升数据可视化与深度分析能力，以更好地满足工作需求。通过学习班的学习，实现了初衷的 80%，在工作中已经能够运用所学知识对银行预警信号进行更全面、深入的分析，基本达成了学习目标。
FCP 考试信心：通过系统的学习和实战练习，对 FCP 考试涉及的知识技能有了较好的掌握，有信心能够通过 FCP 考试。
心得体会：这次学习让我深刻认识到坚持学习的重要性，在数据分析领域，知识和技术更新迅速，只有不断学习、不断实践，才能跟上行业的发展步伐。终身学习不仅是一种态度，更是一种能力，在未来的工作和生活中，我将继续保持学习的热情，不断提升自己的专业能力和综合素质。
| 
