金融科技金融科技公司金融科技实习报告

金融科技金融科技公司金融科技实习报告一、摘要

2023年7月10日至2023年9月5日，我在一家金融科技公司担任数据分析实习生，负责处理每日交易数据并优化风险模型。核心工作包括清洗并分析300万条用户交易记录，通过Python脚本提升数据清洗效率20%，识别出12类异常交易模式，为风控团队提供决策依据。期间应用SQL进行数据提取，使用Tableau完成5份可视化报告，其中1份被纳入公司周报模板。通过实践掌握了金融科技领域数据驱动的决策流程，总结出“四步验证法”用于异常检测，即数据探查特征工程模型验证结果回测，该方法可降低10%的误报率。

二、实习内容及过程

1.实习目的

去，那8周实习啊，主要就是想看看金融科技里头数据分析到底是个啥样，能不能把学校里学的那些SQL、Python用上，顺便长长见识，看看自己适不适合干这行。

2.实习单位简介

我在的这家公司，搞的是智能投顾和风控系统，核心是给小散投资者提供理财建议，顺便把风险控制得死死的。他们用的技术挺多的，像机器学习、大数据啥的，我就想着能学点啥。

3.实习内容与过程

刚去那会儿，主要是熟悉环境，跟着带我的师傅看了不少他们的系统架构，了解了下他们的数据是怎么来的，怎么传的。后来就开始接手具体活儿了。

主要任务是处理用户的交易数据，每天大概300万条记录，得先把这些数据洗得干干净净才能用。我用Python写的脚本，自动处理那些缺失值、异常值，一开始挺慢的，跑一天数据。后来师傅教我用pandas的chunksize参数，分批处理，效率立马提上来了，差不多快了一半时间。

有个具体项目是帮风控团队找异常交易。他们怀疑有洗钱行为，我就拿过去一段时间的流水，用聚类算法分了类，最后找出12种可疑模式，比如短时间内大量小额交易、异地高频转账之类的。为了验证效果，我做了个回测，发现如果用我找到的规则，能提前发现80%的异常，虽然比不上专业风控模型，但确实能帮上忙。

还参与了一个项目，给产品团队做用户画像。我用了SQL从日志库里提取了用户的浏览、下单、评论等数据，然后用Tableau画了5张Dashboard，有用户活跃度、产品偏好、流失预警之类的。带我的师傅觉得还不错，最后那几张图还用了他们周会，哈哈。

4.实习成果与收获

这8周下来，最明显的就是技能上进步挺大。以前光会写SQL查数据，现在会用Python做更复杂的数据处理，还学会了用Tableau做可视化，挺实用的。

最大的收获是见识到了真实业务场景下怎么用数据解决问题。比如做异常检测的时候，不能光追求模型准确率，还得考虑业务可行性，有些规则太复杂，风控团队根本没法用。这就让我明白，数据科学家不光要懂技术，还得懂业务。

这段经历也让我对职业规划有新想法了。以前觉得数据分析师就是个码农，现在发现跟业务结合太重要了，以后想往这个方向多发展。

5.问题与建议

实习期间也发现一些问题。比如他们培训机制吧，刚去那会儿就给我一套文档，自己看，有点懵。而且我接手的那个数据清洗任务，本来是另一同事负责的，他临时有事，我就接过来，但没人给我交接清楚之前的处理逻辑，导致我花了两天时间才找到症结所在。

我觉得他们可以搞个新人引导计划，比如每周安排个时间跟导师或者老员工聊聊天，讲讲项目背景、数据处理思路啥的。另外，做项目的时候，如果新人接手，最好有个交接清单，把之前做了啥、怎么做的写清楚，能省不少事儿。这些建议可能有点小，但我觉得挺实在的。

三、总结与体会

1.实习价值闭环

这8周（2023年7月10日至2023年9月5日）的实习，感觉就像把书上的理论扔进实践池里淬了淬火。以前觉得SQL和Python就是写写代码，现在明白怎么用它们解决真问题。比如我做的那个异常交易检测，光靠书本上的算法不够，还得结合业务实际，想想那些模式在现实中是不是真的可疑。最后那12类模式能帮风控团队提高80%的预警能力，虽然数字不算特别惊人，但对我个人来说，从0到1做出点东西，感觉挺有价值的。这让我真切体会到，数据不是冷冰冰的数字，它得服务于某个具体目标，无论是优化用户体验还是控制风险。

最让我有成就感的，是把Python脚本从一天跑完数据优化到半天，虽然只是用了chunksize这个小技巧，但实际节省的时间够我多做几个分析。这种动手解决效率问题的感觉，跟单纯写作业完全不一样。实习最后那周，师傅让我独立负责一个小模块，虽然压力不小，但那种被信任的感觉也挺好的，至少知道自己学的东西真的能派上用场。

2.职业规划联结

这段经历让我更清楚自己想干嘛了。以前对金融科技的理解比较模糊，现在知道数据分析师不光要会技术，还得懂业务逻辑，甚至要能跟产品经理、风控人员聊得来。我发现自己挺喜欢做这种连接点的工作，把技术语言翻译成业务语言，把数据洞察变成可执行的建议。所以接下来打算深化Python和机器学习这块，看看能不能考个相关的证书，比如CFA的金融风险管理方向，或者PMP项目管理啥的，提升下自己的综合能力。另外，Tableau我也得继续练，现在可视化越来越重要了。

实习中看到的一些项目，比如怎么用机器学习给用户做个性化推荐，怎么设计反欺诈模型，这些都挺吸引我的。以后要是能往这方向走，感觉挺有前景的。现在金融行业都在搞数字化转型，数据能力肯定越来越重要，这让我觉得自己的选择挺对的。

3.行业趋势展望

在那家公司，我明显感觉到金融科技领域有几个大趋势。第一个就是AI的应用越来越深入，以前觉得智能投顾就是简单的规则引擎，现在知道里面用到了深度学习，能根据用户行为动态调整资产配置。第二个是数据隐私保护越来越严，很多分析工具不能用，得用脱敏数据，这逼着大家去研究联邦学习、差分隐私这些新技术。我师傅还给我看过一篇论文，说未来几年，懂这些隐私保护技术的数据科学家会特别抢手。

另一个趋势是跨领域融合，金融科技不光要懂金融，还得懂技术、懂用户心理。他们最近在搞一个项目，结合用户心理学和行为经济学来做产品设计，效果还真不错。这让我觉得，以后的数据人才，可能得变成“T”型人才，既要专精，又要广博。这段实习让我提前感受了这些趋势，以后学习或者看行业报告，能更有针对性。

心态上最大的变化，就是从学生到职场人的那种责任感。以前做作业，错了也没啥大不了，现在写个报告，知道可能影响别人的决策，就得反复检查。比如有一次我调参数，结果发现把风控阈值调低了，虽然只是测试环境，但师傅还是把我叫过去骂了一顿，说差点造成损失。虽然有点尴尬，但确实让我明白，数据不是闹着玩的，得对结果负责。这种压力虽然大，但感觉成长得也快。以后不管是做研究还是找工作，都得把这种责任感记在心里。

四、致谢

1.

在这里，真心感谢那家金融科技公司给我这次实习机会。8周的时间不长，但让我学到了挺多东西，尤其是看到他们怎么把数据技术应用到真实业务里，感觉挺受启发的。

2.

特别感谢我的导师，那段时间带了我不少，不仅教我技术，还教我怎么跟人打交道，怎么思考问题。有些东西书本上没写