数学与应用数学XX金融科技公司数据分析师实习报告

数学与应用数学XX金融科技公司数据分析师实习报告一、摘要

2023年7月1日至2023年8月31日，我在XX金融科技公司担任数据分析师实习生，负责公司金融产品用户行为数据分析工作。通过运用Python和SQL进行数据清洗与处理，完成了对5000+用户交易数据的深度挖掘，构建了3个核心用户行为指标体系，识别出2个显著影响用户留存的关键因素。工作期间，熟练应用Pandas库进行数据整合，使用Tableau生成10+可视化报表，为业务部门提供了基于数据的决策支持。提炼出可复用的数据清洗流程，通过自动化脚本将数据处理效率提升20%，并建立了一套用户行为分析模板，可直接应用于同类业务场景。

二、实习内容及过程

1实习目的

希望通过实习了解金融行业数据分析的实际应用，把在学校学的数学模型和编程技能用到真刀真枪的场合，看看数据分析师这个岗位具体是干什么的，为以后找工作积累点经验。

2实习单位简介

我在的这家公司主要是做金融科技产品的，用户数据挺多的，从交易记录到用户行为，啥都有。他们挺看重数据驱动决策这块，所以数据团队挺忙的，但氛围还行，大家平时会聊点行业动态。

3实习内容与过程

开头是熟悉环境，学他们的系统怎么用，导师给了我一段交易数据，大概有3000多条，让我先清洗一下。我用Python写的脚本，花了两天时间，筛掉无效数据，处理缺失值，最后剩下2800多条。导师说数据质量挺关键，直接影响分析结果。

接下来是参与一个项目，帮业务部门分析用户留存情况。他们怀疑某个促销活动效果不好，让我看看数据怎么说。我用了SQL从数据库里捞了上个月的所有用户行为数据，5000多条记录，包括用户点击、下单、退款这些行为。我发现通过聚类分析，能分成两类用户：一类是活动期间很活跃，但之后就不来了；另一类是根本没参与活动。这个发现挺有意思的，原来不是活动没效果，而是触达的人群不对。

我还用Tableau做了个留存率趋势图，按周看，发现活动后第一周留存率是35%，第二周就掉到28%，正常用户是45%和40%。这个对比很明显，业务部门立马调整了推广策略。

期间遇到个难题是数据口径不统一，有些表定义的“活跃用户”标准不一样，导致我合并数据的时候出错了。导师教我用Python写个函数，对每个字段都先检查一遍，自动匹配规则，最后没再出错了。这个方法挺实用的，现在数据处理效率提高了不少。

4实习成果与收获

最后做了个用户行为分析报告，里面有3个核心指标：活跃度指数、转化率、客单价。这些指标直接用在了部门的月度复盘会上，他们还把我的可视化模板标准化了，以后新人可以直接套用。我自己感觉最大的收获是学会了怎么把分析结果转化成业务部门能听懂的话，光有数据没用，得讲清楚为啥这样。

这次实习让我明白，数据分析师不光要会技术，还得懂业务，不然分析出来的东西就是空中楼阁。

5问题与建议

公司培训机制有点弱，刚开始没人系统教过我们他们的业务逻辑，全靠自学或者问同事。建议可以搞个新员工培训计划，讲讲产品背景和关键指标的定义，这样上手快多了。另外，岗位匹配度上，我觉得我可以做得更好的是行业知识这块，学校学的数学模型用得挺溜，但金融行业的特殊术语和业务场景还是得加强。

三、总结与体会

1实习价值闭环

这8周实习就像把书上学到的知识真的用了一遍，感觉特别踏实。刚来的时候，面对真实的业务问题和海量数据，说实话有点懵，但通过一步步处理，从原始数据到最终的可视化报告，每一步都算有据可依。比如那个用户留存分析，通过SQL筛选数据，用Python做聚类，最后用Tableau展示，整个过程把课堂上学到的数据挖掘流程走了一遍，而且发现真的能解决实际问题。这让我真切感受到，数学和应用数学不只是理论，它们能实实在在地转化为生产力。

最有成就感的是那个活跃度指数的构建，我花了3天时间，根据用户行为数据定义了几个维度，最后算出来的指标跟业务部门的直觉挺吻合，他们还直接用这个指标去评估产品迭代效果了。这种“我做的分析被用了”的感觉，比单纯做项目报告要有意义多了。

2职业规划联结

这次经历让我更清楚自己想干嘛了。以前觉得数据分析师就是调调数据，现在明白还得懂业务、会沟通，不然数据再漂亮也没用。我发现自己对用户行为分析这块挺感兴趣的，特别是怎么用数据预测用户流失，或者怎么优化推荐策略。下学期我打算补补机器学习这块，看看能不能把用户分得更细，之前实习那套聚类方法其实还可以再优化。导师还建议我考个CDA证书，说以后找工作挺有用的，我现在已经在看相关资料了。实习让我意识到，光会技术不够，还得有持续学习的动力，不然行业变化太快了。

3行业趋势展望

金融科技这行数据量越来越大，但怎么把数据变成真正的洞察，我觉得是未来几年关键。实习里接触到的一些东西，比如实时数据处理、用户画像构建，都挺前沿的。导师跟我说，现在行业特别看重“数据产品化”的能力，就是怎么把分析结果做成业务部门能直接用的工具，而不是每次都做一次性的报告。这让我觉得，以后的数据分析师可能不光要懂数据，还得懂产品，甚至懂点交互设计。学校里学的统计模型和编程基础还能用，但行业里的新玩法、新工具得自己不断学。比如实习最后那段时间，我在摸鱼看一些大厂的公开课，学怎么用Spark做分布式计算，虽然没用到实际项目，但感觉是种储备。

4心态转变

来之前觉得上班就是按部就班，现在发现完全不是。实习那段时间，每天要跟业务部门对接，有时候他们提的需求不明确，我得自己琢磨，或者直接问清楚。有次因为数据理解错了，做的分析直接被否定，当时压力挺大的，但后来改对了，感觉抗压能力确实提升了。现在再遇到难题，不会像以前那样慌，会先自己查资料，实在不行再求助，这种解决问题的方式跟在学校完全不一样。这种责任感是实习逼出来的，但挺好的。

四、致谢

1

感谢在实习期间给予我指导和帮助的团队，特别是我的导师，他不仅教会了我很多数据分析的实际操作方法，还分享了很多行业经验。这段时间里，同事们也给了我很多帮助，尤其是遇到技术难题时，大家会一起讨论，最终找到解决方案。这段经历让我受益匪浅。

2

感谢学