楼主: 人脉引爆点
7039 13

五年研发,三年实践, CDA助力金融人才数字化转型,新课首发! [分享]

运营管理员

学术权威

23%

还不是VIP/贵宾

-

TA的文库  其他...

大数据 |SAS/SPSS数据统计分析师

威望
2
论坛币
16687 个
通用积分
7898.9885
学术水平
357 点
热心指数
383 点
信用等级
313 点
经验
92665 点
帖子
867
精华
5
在线时间
8576 小时
注册时间
2012-3-28
最后登录
2020-4-3

人脉引爆点 在职认证  发表于 2020-2-24 19:51:31 |显示全部楼层

五年研发,三年实践,

CDA助力金融人才数字化转型

000.png


课程背景

      DT时代的到来给目前的IT人员带来很大挑战,数据时代下要求企业员工不仅要懂技术,还要实现技术与业务的完美结合,不断优化应用组合,信息和业务流程,通过IT实现业务创新。而数字化是金融科技创新的首要任务,各大金融企业纷纷制定了数字化转型愿景和战略,力图加快企业的数字化进程,所以急需在机构内部培养一批具备相应业务知识并且能够较为熟练掌握各类数据分析工具的专业人才,发扬用数据驱动业务决策的大数据文化。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。


这门课是什么?

      纵观近几年GartnerAI技术成熟度曲线的变化会发现,大数据相关的基础设施已经不见了踪影,而数据应用相关的知识图谱、决策智能,甚至数字化伦理在世步入膨胀期。尤其是富有国内特色的数据中台概念的兴起,表明了大数据技术在不断的业务化。曾经被不断宣讲的“业务战略指导技术战略,技术产品赋能业务执行”的理念正在逐步的落地。在金融行业,随着经济新常态和利率市场化的双重压力的加大,数字化转型被提到重要的议事日程。这次转型的力度和范围有多大,相信每一位从业者是有切身体会的。将来金融机构中纯业务办事人员的比例将会进一步被压缩,而知识工作者将从现在的企业卓越中心(CoE)走出去,遍布整个组织。未来的金融机构必然会出现新一轮的人才结构调整,精通数据科学的业务技术复合人才将是各机构争夺的重要战略性资源。本培训体系经过了五年的研发,经过三年的内训实践,在原有CDA认证体系的基础上,突出金融行业的数据应用特点,同时与国际知名的企业架构Togaf、数据管理和治理体系DMBOK、IT治理COBIT等认证体系相融合,培养学员建立起金融数据应用的理论框架和实操落地能力。


      金融数字化转型人才训练营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。后者的“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。


360截图20200225201830124.png


微信图片_20200224195919.png


这门课讲什么?


一、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。需要企业制定明确的数字化战略,不断提升数据资产管理能力。从操作层面来讲,企业数字化战略等同于数据产品组合战略,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,最终服务于业务指标分析和数据挖掘模型应用。


      在两天时间中,我们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。


二、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,实现智慧客户运营管理,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


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。


三、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。


四、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。

        

五、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。


这门课的亮点?


★  取材于业界一流企业和顶级咨询公司的行业实践;

★  已经被证明是人人学的会、能上手的数字化转型课程


这门课适合谁?


★  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。


学员基础要求

  1、有CDA LEVEL 1基础,或掌握统计分析、逻辑回归等基础理论。

  2、Python编程基础,报名提前学习赠送的自学视频。


课程详细大纲

   课程模块

课程章节

详细内容


第一篇:数据资产规划和管理



数据产品规划


1、数据应用为导向的数据产品组合设计

1)          业务战略与绩效评估体系介绍

●    企业愿景与业务战略

●    绩效评估体系构建

2)          基于业务绩效评估体系的数据应用规划

●    BI应用规划

●    数据挖掘应用规划

2、基于企业IT架构的数据资源分析

1)          业务系统架构分析

2)          数据资产盘点


敏捷数据产品开发


1、工具和度量

2、市场研究和调研方法

3、数据产品流程

1)编写工作计划

2)产品愿景对齐

3)用户画像

4)需求分析工具

5)原型设计

6)技术方案设计

7)交付计划

8)最终报告展示

4、数据产品生命周期管理


数据分析常用方法


1、商业数据分析步骤

2、商业分析思维框架
3、业务分析模版
4、数据挖掘模版

数据资产管理


1、数据资产管理体系

2、数据治理


数据工程和数据平台


1、构建数据模型

2、数据平台架构

3、数据中台架构

第二篇:智能客群运营



理论篇:智能客群运营理论


1、数字化运营理论:发现问题

2、数字化营销理论:解决问题
3、数字化运营和数字化营销一体化

实现篇:智能客群运营实现体系


1、基于NES的客群运营监控

2、数字化的营销体系(模型库、标签库和CRM系统等)

3、数字化的营销闭环


工具篇:聚类分析及其在银行中的应用


1、聚类分析

2、K-means聚类

3、层级聚类

4、谱聚类

5、聚类分析及其在银行中的实践


工具篇:推荐算法及其在银行中的应用


1、关联规则算法

2、协同过滤算法

3、产品推荐应用

4、银行产品推荐架构


工具篇:社区发现算法在银行中的应用


1、图论基本概念和实现

2、社区发现算法
3、银行交易圈及其营销应用

第三篇:智能信用风控



综述


1、消费信贷全生命周期风险管理

2、消费信贷常见产品及基本要素
1)          消费信贷概念
2)          消费信贷参与主体
3)          常见消费信贷产品
4)          产品风险点  

3、ABC卡介绍

1)  ABC评分卡介绍与特点

2)  在消费信贷风险管理中的应用


贷前、贷中风控模型


1、自动化信贷审批

1)          自动化贷款审批基本框架
2、贷款人识别
1)          生物识别与身份验证技术
2)          在审批流程中的应用

3、信贷准入

1)          监管性准入

2)          政策性准入  

3)          黑名单性准入

4、信贷规则

1)          组合策略

5、申请信用评分卡

1)          业务理解

2)          数据获取

3)          构建模型

6、授信定价

1)          基于风险的差异化定价

2)          定价策略

7、申请阶段的数据监控

1)          申请信息监控

2)          策略监控

3)          模型监控

4)          贷款质量监控


贷后风控模型


1、行为评分卡

1)          业务理解

2)          数据获取

3)          构建模型

2、额度管理

1)          风险差异化的额度调整策略

2)          续贷客户额度策略

3、还款预警


催收策略模型


1、催收评分卡

1)          业务理解  

2)          数据获取  

3)          构建模型  

2、催收策略

1)          基于催收评分卡的不同阶段的催收策略


第四篇:智能操作分控



操作风险概念、体系和特点


1、操作风险概念

1)          新巴赛尔协议相关解析  

2)          操作风险场景  

●    反欺诈

●    反洗钱

●    反舞弊

2、操作风险防控体系  

1)          流程制度  

2)          人员体系

3)          数据体系

4)          架构设计

5)          技术手段

3、操作风险建模特点

1)          正样本积累定义难(PU问题)

2)          样本不平衡问题

3)          高度非线性模型

4)          特殊的评价指标


信用卡盗刷反欺诈场景建模


1、任务和数据介绍

2、数据质量检查

3、模型搭建

1)          PU问题

2)          不平衡问题

3)          无监督算法

4)          有监督算法

4、代码演示讲解


反洗钱建模


1、任务和数据介绍

2、数据质量检查

3、常见建模框架

1)          基于规则引擎案例

2)          基于原始交易流水

4、业务理解和特征工程

5、模型构建与评价

1)          模型搭建  

2)          特征重要性与业务解释

6、图谱展示与案例分析

7、代码演示讲解


反薅羊毛建模


1、任务和数据介绍

2、数据质量检查

3、特征工程

4、模型搭建与融合

5、代码演示与讲解












师资团队

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。在加入ThoughtWorks之前,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。现专注于金融行业的数据资产管理、数字化人才培养,金融行业客户、风险和监管智能的解决方案。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。

负责授课模块:数字资产规划与管理、智能客群运营、智能操作风控。


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。

负责授课模块:数据中台和AI中台。


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。

负责授课模块:智能信用风控。


精英服务

微信图片_20200225010348.png

微信图片_20200225010353.png

★  后学习计划:有价值的物质激励

1.   毕业后可总结分享自己的学习心得、技术干货、优秀作业、实操案例等内容,CDA研究院审核通过,可给予一定的奖金酬劳。

2.   精英学员毕业后CDA可以提供丰富的学员个人IP打造机会,给予包装与传播支持,帮助学员积累个人粉丝,打造个人名气。

3.   精英学员毕业后可参与CDA俱乐部线下活动,作为嘉宾分享;可加入CDA助教兼职团队;优秀精英学员可成为CDA兼职讲师,获取价值和物质激励。

4.   CDA为即将毕业的精英学员提供就业咨询和推荐服务,并邀请行业大咖分享心里路程,协助学员进行技能提升的同时,时刻把握市场最新动态,为学员创造更多与市场、行业大咖连接的机会。

……


认证考试

微信图片_20200225010357.png

CDA数据分析师等级认证证书

(此证书为经管之家颁发,全国统考,一年两次,此证书为CDA数据分析师唯一认证证书,可以作为企业事业单位选拔和聘用专业人才的任职参考依据。

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。


上课时间

开学典礼:2020年4月18日

学习时间:3周,共6天,每天9:00-16:30。线上自由学习2周。

学习形式:可参与面授班 or 远程直播班。现场面授及远程直播班时间相同。


学习费用

远程班价格:5800元


报名流程

1.在线填写报名信息

2.给予反馈,确认报名信息

3.网上缴费,发送预习资料

4.开课前一周发送上课路线图


立即报名


免费直播课程福利

银平.JPG


2020.02.26日晚   

《金融数字化转型人才训练营公开课》

主讲人:常老师

2020.03.05日晚   

主讲人:曾老师

扫码加好友,回复“金融数字化”进群领更多福利


以下为《CDA金融数字化人才转型训练营》的课程页面

https://www.cda.cn/kecheng/113.html?seo-jinrong


关键词:数字化转型 金融人才 CDA 数字化 CDA LEVEL 金融学 金融数字化 转行 职业规划 金融人才




CDA数据分析交流群 217748971
stata SPSS
tianwk 发表于 2020-2-24 20:51:20 |显示全部楼层
thanks for sharing
回复

使用道具 举报

Still.. 发表于 2020-2-25 15:00:40 |显示全部楼层
纵观近几年GartnerAI技术成熟度曲线的变化会发现,大数据相关的基础设施已经不见了踪影,而数据应用相关的知识图谱、决策智能,甚至数字化伦理在世步入膨胀期。尤其是富有国内特色的数据中台概念的兴起,表明了大数据技术在不断的业务化。曾经被不断宣讲的“业务战略指导技术战略,技术产品赋能业务执行”的理念正在逐步的落地。在金融行业,随着经济新常态和利率市场化的双重压力的加大,数字化转型被提到重要的议事日程。这次转型的力度和范围有多大,相信每一位从业者是有切身体会的。将来金融机构中纯业务办事人员的比例将会进一步被压缩,而知识工作者将从现在的企业卓越中心(CoE)走出去,遍布整个组织。未来的金融机构必然会出现新一轮的人才结构调整,精通数据科学的业务技术复合人才将是各机构争夺的重要战略性资源。
回复

使用道具 举报

浮世若离丶 发表于 2020-2-26 13:47:48 |显示全部楼层
这门课非常好,已经进群等待直播!
回复

使用道具 举报

gordon0825 发表于 2020-2-26 13:50:45 |显示全部楼层
牛!真是十年磨一剑
回复

使用道具 举报

CDA等级班 发表于 2020-2-26 13:51:25 |显示全部楼层
金融数字化人才,转型成功才不会被历史洪流淘汰。
金融行业人士,速来群里集合。
回复

使用道具 举报

东方祥 发表于 2020-2-26 14:00:41 |显示全部楼层
中台从何而来?
• 中台是最早由阿里在2015年提出的“大中台,小前台”战略中延伸出来的概念。
•中台的灵感来源于芬兰的小公司Supercell,这家公司仅有300名员工,却接连推出爆款游戏,是全球最会赚钱的明星游戏公司。
•2015年年中,马云带领阿里众高管拜访了Supercell。
•2016年6月,腾讯宣布以86亿美元收购Supercell公司84.3%的股权。
•Supercell开创了中台的“玩法”,并将其运用到了极致。这家看似很小的公司,设置了一个强大的中台,用以支持众多的小团队进行游戏研发。这样一来,各个团队就可以专心创新,不用担心基础却又至关重要的技术支撑问题。
•Supercell的CEO潘纳宁将一个游戏公司按照一个专业运动队的方式来管理。他认为管理层的唯一使命是获得最好的人才,为他们创造最好的环境,给他们自由和信任,帮助他们摆脱困境,让公司成为一个最好人可以产生最大影响的地方。其他的一切,包括财务目标,都是次要的。因此Supercell构建了完全颠倒的管理结构。传统的管理结构是一个金字塔形的,CEO往往处在金字塔的顶端。而Supercell最大的创新之处,在于其管理结构完全是上下颠倒的。潘纳宁最引以为豪的标签是:“行业里最没有权力的CEO”。
回复

使用道具 举报

三重虫 发表于 2020-2-26 14:08:50 |显示全部楼层
回复

使用道具 举报

zzw369846827 在职认证  发表于 2020-2-26 14:14:27 |显示全部楼层
这门课非常好,已经进群等待直播!
回复

使用道具 举报

redflame 发表于 2020-2-26 18:04:38 |显示全部楼层
支持支持
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 我要注册

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2020-4-6 13:56