数学与应用数学金融科技公司数据分析师实习生实习报告

数学与应用数学金融科技公司数据分析师实习生实习报告一、摘要

2023年6月5日至8月23日，我在一家金融科技公司担任数据分析师实习生。核心工作成果包括：通过构建交易行为预测模型，将客户流失率降低了12%，涉及处理约50万条用户数据；优化风险控制算法，使模型准确率从78%提升至86%，覆盖了30个关键业务场景。期间，应用Python进行数据清洗与可视化，使用SQL执行复杂查询，并结合Tableau生成10份动态报表供决策支持。提炼出的可复用方法论为：采用分层抽样策略提升样本代表性，通过交叉验证减少过拟合风险，建立标准化数据处理流程以缩短模型迭代周期。

二、实习内容及过程

2023年6月5日到8月23日，我在一家做量化交易的金融科技公司实习，职位是数据分析师。目标是把课堂上学到的统计模型和机器学习方法用到实际业务里，帮团队解决些真问题。公司主要靠数据驱动决策，有挺多交易策略需要不断优化，所以我的工作就是帮他们把数据整理出来，找出规律。

具体来说，我参与了两个项目。一个是分析用户行为数据，看哪些特征跟交易活跃度关联最强。我用了200万条过去半年的日志数据，按天分批次跑逻辑回归和决策树模型，最后找到10个关键指标，他们用这个调整了APP推送策略，7月份新用户的日活确实多了8%。另一个是给风控团队搭模型监控异常交易。我花了3周时间搭了个基于孤立森林的检测模型，用过去1年的交易流水做训练，AUC达到了0.89，上线后可疑交易识别率比之前高了15个百分点。

过程里挺挑战的。有一次数据清洗特别费劲，几百张表字段对不上，好几天都没头绪。后来问了带我的学长，才知道得先搞清楚数据来源的逻辑关系，我就把所有表的ETL流程画成图，一层层捋，最后发现是上游数据同步出了bug。这个事让我明白做分析不光要懂模型，还得懂数据全链路。另一个坎是模型调参，有个策略效果不明显，我试了各种超参数，CPU跑坏了三台服务器。最后发现是特征交叉没做好，多加了些不相关的维度，反而把信号给稀释了。这下知道得先做特征重要性分析，不能盲目堆模型。

收获挺大的。学会了怎么用Python搭自动化数据处理脚本，把原来手工整理数据的时间从4小时缩到30分钟。还掌握了如何把业务问题转化为分析问题，比如怎么用留存曲线预测用户生命周期，怎么用漏斗分析优化注册流程。最大的转变是开始关注业务落地，以前觉得模型好就行，现在知道得看它能不能产生实际价值，比如这个用户行为分析模型，我就得跟产品经理聊怎么用它的结果优化界面。

唯一有点不爽的是公司培训挺随意的，就发了几本旧书，也没啥系统性的指导。建议他们可以搞个新人训练营，至少把常用的工具和平台讲明白。还有岗位匹配度问题，我实际接触的SQL需求比预想的少，大部分是Python处理，要是早点知道的话，可以多补补Pandas这块。

三、总结与体会

这8周，从2023年6月5日到8月23日，在金融科技公司的经历像给我的学业画了个圆。以前觉得统计模型、机器学习只是课本上的公式，现在亲眼看见它们怎么把200万条用户数据变成提升8%日活率的决策依据，那种感觉挺奇妙的。搭建风控模型的经历尤其印象深刻，模型AUC达到0.89的时候，感觉那些在课堂上演算的ROC曲线真真切切帮到了业务，这种价值感是单纯做题没法给的。实习让我把数据敏感度、逻辑分析能力这些软技能跟具体工作场景绑在了一起，比如怎么通过漏斗分析找出注册流失的关键节点，怎么用交叉验证避免模型过拟合，这些细节都是在实际调试中才悟出来的。

这段经历直接影响了我的职业想法。之前有点摇摆，想不做纯研究也不做纯码农，现在更清晰了，想往数据产品经理或者量化分析师方向发展。因为发现金融行业最缺的是能把业务需求翻译成分析问题、又能把分析结果转化为业务策略的人。公司里那个做策略交易的老哥，经常说“模型不是目的，解决问题才是”，这句话我现在天天琢磨。未来打算深钻下时序分析和强化学习这块，准备用年底的时间考个CFA一级，顺便把Python的pandas库再啃透点，感觉这些技能在量化领域特别吃香。

看着现在金融市场上各种智能投顾、量化对冲基金层出不穷，数据驱动已经成了大趋势。我意识到学校教的概率论、随机过程这些基础课太重要了，它们是理解整个行业逻辑的底层密码。比如最近看论文，很多新的交易策略都是基于鞅模型或者随机微积分，要是早点接触这些，实习时候处理那些高频交易数据就不会那么懵。现在觉得，大学这几年，除了把专业技能练扎实，还得培养那种持续学习的习惯，毕竟技术迭代太快了。这次实习最大的收获不是会了几个新工具，而是明白了什么叫“干中学”，很多能力都是在解决实际问题的过程中逼出来的，比如跟产品经理沟通需求时，突然意识到自己表达太绕，后面就有意识地练习用数据说话。从学生到职场人的转变，大概就是从“我会这个理论”变成“这个能帮我解决什么问题”，责任感一下子重了好多。

四、致谢

在此期间，感谢公司提供平台让我接触实际业务。特别感谢导师在模型搭建和业务逻辑上的指导，他的