積累：入行資料分析第二年
本文是作者在2018年10月16日眾智匯社群分享的記錄。由 @kellie 記錄整理。
作者 ： 倪雪華 ，某 網際網路金融公司資深分析師 。
2013年從985院校化學專業碩士畢業，進入化工廠成為實驗員。2016年經過數月自學，轉行成為網際網路公司資料分析師。現在知名網際網路金融公司，負責信用評分產品的建模工作。
雪華是我們眾智匯社群從傳統行業轉行資料分析的成功範例！
之前曾分享轉行經驗，及入行第一年的奮鬥經過：
-
OA==&mid=2652729815&idx=1&sn=bc22bf279831a23d28cc1467229d3399&chksm=805c1b64b72b9272e7af489fb2c6b68cfa57320182e2ddf796f365e66f850c24bb01de361259&scene=21#wechat_redirect" target="_blank" rel="nofollow,noindex"> 《三個月，從化工實驗員到資料分析師》
如今，雪華為我們帶來了入行第二年的經歷分享：
從去年5月底入職目前所在公司後，一直從事網際網路金融風控相關的建模工作，截止到今天大概有一年零五個月了。
這次分享的主題就是兩個字——積累！ 這一年主要是在積累，積累經驗、技術和職場軟技能。
積累互金行業業務經驗
對於網際網路金融行業，經驗的積累主要是指業務能力的積累。
網際網路金融的業務類別
大家都知道網際網路金融分很多類別：
-
抵押貸，就是房貸、車貸；
-
信用貸——信用卡以外的信用貸，比如宜人貸之類的信用貸；
-
消費分期貸，又分為很多細類：買衣服、買手機、買網際網路課程的消費分期貸款等等；
-
小額現金貸——額度比較低的現金貸款，可能就500或者1000，最多1500塊。
我在上一家公司，只做手機3C業務——手機的消費貸，接觸的貸款型別單一， 進入現公司後，接觸的業務型別明顯多了，有了業務感覺上的積累。
信用模型 vs 欺詐模型
而且，在上家公司我做的是手機3C業務的信用模型，而 現在主要負責欺詐模型，這兩者有很大的區別。
信用模型計算各項總分，看整體結果，但欺詐模型卻緊盯短板。
如果你是一個學歷比較低的人，那麼學歷這一項的信用分就會比較低，但是模型的綜合輸出可以通過其他特徵進行補償。
比如你是已婚，是女性，或者從事的工作是公務員之類相對有保障的職業，那麼這些方面的分數會比較高。
最後累加各項得分得出信用分。即使一個人某一項分比較低，也可以通過其他項來得到綜合高分。因此信用模型 會有補償。
欺詐模型中不管各項指標有多麼得好，只要有一項出現欺詐風險，就是欺詐。
現在我能夠很輕鬆地跟大家解釋清楚 兩者區別 。但就這一點，我是狠狠地花了好幾個月功夫，才瞭解清楚，知道欺詐模型的精髓的！
小額現金貸 vs 大額信貸
市面上面能看到的關於風控模型的書基本都是針對大額信貸的。大額信貸跟普通銀行貸款、信用卡借款、房貸、銀行信用貸款有很大相似。
而小額現金貸，則是和額度比較低的消費分期，例如手機分期類似。這方面的就資料非常少。
而且， 小額現金貸出現得很晚，是一種非常年輕的信貸產品，大概一直到去年春節前後才興起。 所以市面上也沒有什麼現成的資料可以借鑑，就需要自己摸索。
小額現金貸剛出來的時候，鼓吹用機器學習整合弱相關變數訓練模型。後來實踐證明弱相關變數要跟強相關變數結合使用才可以。
開始的時候，大家都還不能確定小額現金貸的強相關變數，所以很難做。經過 一年多的積累，慢慢摸索出來一些強相關、預測力準的變數。
這個強相關變數摸索過程是各家機構、各個公司都必然經歷的。我個人感覺，這個過程就是靠想象、靠靈感。
比如我剛進公司的時候做的一個社交關係網的模型——拿到的資料是所有客戶的通訊錄，要求我根據通訊錄做一個社交關係網的模型出來。
整個建模的摸索過程非常痛苦，用了很長時間。最後摸索出來了：將聯絡人分為一階聯絡人和二階聯絡人，比如a打電話給b，b又打電話給c，那麼b就是a的一階聯絡人，c就是a的二階聯絡人。
現在這種方法在市場上比較多，但是一開始都是大家在摸索。當時幸虧有 我們老闆帶著，以我自己當時的水平肯定做不出來的。
在工作的過程中，會發現一些 反業務直覺的事情。 舉個例子——
我們原本認為：如果一個人借過小額現金貸（比如曾經借過500塊或者1000塊錢），再來借1萬塊錢的大額信貸，這個人很大概率上就是一個壞客戶！
為什麼呢？我們這麼想：因為這1萬塊錢的額度就算分12期還，每個月要還的錢也有一兩千塊。如果這個人連500到1000塊錢都需要借，說明其還款能力是有問題的。
那麼反過來，如果一個人先借了大額信貸，再來借小額現金貸，我們也認為此人會是一個壞客戶！
這種情況下我們想的是：這個人已經借了大額貸款，都有這麼多錢了，還來借小額現金貸，連500、1000塊錢都仍然想要，說明這個人就是來騙錢、套現的。
以上是我們直覺的考慮。 但實際上，通過資料分析發現，小額現金貸人群的表現並不是這樣的，是否借過大額信貸跟小額現金貸的還款行為沒有強相關關係！
這些都在長期的實踐過程中，日積月累下來的業務經驗。沒有什麼捷徑可走，只能是自己一點一滴地慢慢地積累。
積累 資料分析技術、工具
除了經驗，技能的積累也非常重要。主要包括： 模型、程式碼，和資料庫。
模型
我們常用的模型有：邏輯迴歸、Lasso、隨機森林、決策樹等。
在動手做專案前，單純從書本上學習到的對模型的理解，和反覆調模參以獲得更高 預測準確率 過程中認識到的模型，是不一樣的。
對模型的引數的理解，以及衡量指標（比如準確率、ROC之類）的認識，都是很不同的。
需要在長時間的實踐中，多次建模、調參的過程中慢慢積累， 實踐、探索、琢磨，才能夠比較深刻地理解它們的意義。
程式碼
我習慣用的資料分析工具是SAS。做資料分析的很多人都用Python和R。
現在我也開始用Python和R了，主要是因為：
-
一方面有些機器學習模型SAS支援得不好；
-
另一方面SAS無法並行工作，一旦開始跑一個需要很長時間的程式，SAS就不能在接受新任務了，只能等著。
在等SAS的間隙，我會用Python來做一些簡單的工作，這樣就會比較充分地利用時間。
其實我也沒有系統地學過SAS，最開始就是拿前輩寫好的現成程式碼自己慢慢改，想要什麼功能就去百度，這樣一點一點學的。
這樣做固然上手快，但基礎很不紮實。 SAS執行的原理不是很清楚，隨之而來的問題是：寫出來的程式碼可以跑出結果，但是執行速度不夠快。
工作任務繁重的時候，需要快速地計算出結果，這就要優化程式碼。我優化程式碼的能力也是在實踐的過程中慢慢地學習和積累的。
資料庫
我們公司用的資料庫是Oracle。
上一家公司雖然也用Oracle，但是因為業務也比較單一，IT的同事負責把我們風控建模可能用到的所有資料做成了一個大表（table），我只要查詢單一table就可以了。
來了現在公司之後，發現數據庫裡有各種各樣的表，各種各樣的關聯方法。光資料之間的關聯，我都理解了很長時間。
經過一段時間，對於Oracle的資料庫慢慢熟悉起來，對它們互相關聯的套路也比較瞭解了之後，查詢資料庫就簡單多了。
工作流程和方法
每次老闆給了一個新任務之後，需要：
-
快速地熟悉和了解資料；
-
結合老闆的目標，自己的業務感覺和資料庫裡能夠拿到的資料，迅速地找到能夠完成這個目標的路徑或者方法；
-
沿著自己的思路一步一步去實現這個目標。
如果出現了問題，能夠想到用什麼樣的方法去解決這個問題。如果問題解決不了，能夠找到解決問題的方法，或者能知道去哪兒找。
這些都是在實踐中慢慢積累的。
積累 職場軟技能
業務和技術屬於硬技能，溝通、協調、向上管理等職場軟技能，也是必須積累的。
說來慚愧，我已經工作五年了。按理來說，工作五年的人應該比較能夠信手拈來了，但是我 還在學習職場的套路。
溝通和協調
溝通和協調能力比較重要， 尤其是當你獨當一面的時候。
比如，要推動一個產品上線，要協調的部門就會很多——要協調產品部，既要完成預計的功能，又要保證產品質量和效能；要協調IT部，討論資源上的分配問題；還要協調BD部門，收集客戶的反饋，保持與客戶的順暢溝通；其他還有運維等部門，都要協調。
我感覺自己的溝通和協調做得不好，但是我在努力學。
最近剛剛 學會兩招 ：
-
當其他同事的工作成果與你的預想相差甚遠，甚至可能根本達不到要求時，首先要再在領導面前肯定他們的工作，畢竟人家努力了； 然後再提出改進意見。不然人家心裡會有意見。
-
和其他部門溝通時，常會遇到一些問題，雙方各有自己的考慮。怎麼說服別人來達到你想要的目標呢？就要找對方的痛點！
比如，我喜歡爬山，想找同事陪我去爬山。有一個同事很猶豫，又想去玩，又沒有動力，跟他怎麼說他都一直在猶豫。
有一天我發現他是佛教徒，我就說：咱們可以去爬鳳凰嶺，那裡有一個龍泉寺，可以去拜一拜。這樣他就有動力了。
向上管理
向上管理，我也是最近才剛剛開始學。網路上有很多講向上管理的課，大家也可以去聽一聽。
我個人的感覺：老闆對員工是有期望的。可能一開始，老闆的期望比較低，如果員工完成任務的水平超出了期望，TA就會調高期望。
那麼對於員工而言，如果你想能夠更進一步，就要在現有任務上超出老闆的期望，TA調高期望，你再超出新的期望，如此迭代，就能夠獲得更進一步的可能。
這裡有個向上管理失敗的例子：
我們團隊為了防止資料洩密，平時資料都放在虛擬機器上，用的時候再臨時匯入到本地。之前負責將虛擬機器上資料匯入到本地機的同事離職了，老闆就把這項工作交給了我，讓我負責團隊資料管理。
最初我非常不想接，因為一則接手這項工作經常會被打擾，本來正常地做自己的事，同事甲乙丙都來要求導資料，就要停下來幫他們；二則，這項任務付出很多，卻看不到績效，責任大——萬一資料洩露了就是全責，功勞幾乎沒有。
我其實很想拒絕，可又不知道該如何在不影響老闆對我的期望和印象的情況下拒絕，所以就把它接了。但其實心裡很排斥 。
我還需要學習，職場必備技能一定要積累！可惜在這方面我還不能分享很多，因為自己還是個菜鳥。
記賬——生活中的積累
除了工作中的積累，給大家分享一個我堅持了九年的習慣——記賬。
我 從2010年上研究生，學校發補助開始，就在手機上下了app（那個時候還是Java手機，還不叫app），給自己設定結餘目標。 每個月 拿到錢，先扣除結餘數目，再在剩下的錢裡消費。
哪怕今天才15號或者是10號，我發現我的錢花完了，或者剩下的錢就只夠我剩下的20天吃飯了，這20天就強迫自己不再買東西，把錢省下來。
這個過程非常痛苦，尤其是剛開始的時候，控制自己真的很難。但這是我九年以來唯一堅持下來的一件事。
我工作前兩年是在國企，第三年是在一傢俬有企業，收入並不多。我老公也因為某些原因在前兩三年沒有往家裡拿過錢。
但即使是這樣，因為我有儲蓄的好習慣，堅持記賬，堅持自律，每月嚴格執行儲蓄目標。 到去年，工作四年多之後，就存了一筆錢，加上家裡的資助，已經付了首付，買了房子。
北京的房價這麼貴，首付怎麼也要一百多萬。雖然有家裡支援，但如果沒有我們自己存下的那一筆錢，是不可能在北京買上房子的。這就是堅持和積累的力量。
轉行兩年的心得總結
從傳統行業轉入資料分析已經兩年了，總結一下兩年來的心得：
第一，興趣是原動力
知道我是轉行的朋友，經常會問：在資料分析這行裡，你的基礎天然就不如別人，要比別人付出更多的努力，你是怎麼持續不斷地讓自己保有熱情的呢？ 我認為只有一點：興趣。
你要對自己所作的事有興趣，沒有興趣就去把興趣培養出來。一定要從工作中找到樂趣才可以。否則，很難長時間壓迫自己幹一件不願意做的事情，即使勉強做了，也不會有什麼成就。
今天是我在眾智匯社群第三次分享。從我分享這個系列開始，就有很多小夥伴加我的微信，跟我討論轉行資料分析。
我覺得大家在轉行之前，先要想清楚，不要只是覺得這個行業賺錢多，或者現在火、熱門，就去幹這個。以錢或者追熱點為驅動的決定，這是沒有後勁的。一定要有興趣才可以。
第二，向著明確的目標持續努力
首先，目標一定要明確。
你不能有模稜兩可的目標，一會兒向這個努力一會兒向那兒努力。
其次，持續努力。
一個人想要過得好，坐到比別人高的職位，比別人更體面，比別人收入多，就得打敗別人。
而大家都是普通人，互相之間的才幹能力資源都沒有相差不大。 你怎麼能打敗別的人，自己脫穎而出呢？
方法就是向著一個確定的目標，堅持不懈地努力。堅持說來簡單，但其實大部分人都做不到。而做到的那個，就能夠脫穎而出了。
第三，放棄妄想捷徑，堅持和積累才是正道
一夜暴富是不可能的；天上不會掉餡餅；就算天上掉了餡餅也不太可能正好砸在你我頭上……
大家都是凡夫俗子，真的只有日復一日，年復一年，一點點慢慢的積累，才能讓達到想要的目標， 過上想要的生活 。
大家不要小看堅持和積累的力量，這種力量其實是非常非常強大的，比你想象的要大很多。
最後，對自己的行為和選擇負責
這一條，我前兩次分享也都一直跟大家強調—— 對自己的行為和選擇負責是一個人成熟的標誌。
無論選擇什麼樣的生活、愛人、行業或者工作，既然選了，就要承擔後果，不要推卸、抱怨。
Q1 ：通常資料分析崗位面試的時候會問哪些風控的問題？
A1 ：其實，我兩次換工作面試，面試官都沒怎麼問風控的問題。 我就把我曾經遇到過的一些風控上的問題，跟大家分享一下。
和風控相關的典型問題有：
-
你所在的公司壞賬率是多少？
-
你所在的公司首逾有多少？（一般對於信用貸款，尤其是大額的信用貸款來說，會分幾期，比如你借了1萬塊錢分12期，假設每期還2000塊錢，你第一期就沒有還，這就叫作首逾。）
和風控建模相關的問題有：
-
模型評價指標上的問題——KS它是什麼含義，它是怎樣算出來的？ROC是什麼含義，是如何算出來的？
-
MIS的問題，例如：怎樣根據現有的資料預測未來公司的壞賬率。
我覺得這些業務相關問題，如果你是幹風控的一線人員，平時注意自己琢磨，都能答上來的。如果是一個新手，人家也不會問這麼深，而主要看潛力。
Q2 ：壞賬率大概在多少合適？
A2 ：這個沒有一個嚴格的標準。
一般頭部平臺的信貸，壞賬率很低，甚至能做到接近銀行的水平。 但是，小額現金貸的壞賬率就往往很高。做得比較差的平臺/產品，比如車抵貸、3C產品賣手機的，壞賬都非常高。
根據我有限的經驗， 越是下沉的壞賬率越高，從幾個點到幾十個點都有的。
Q3 ：面試的時候會問資料結構或者演算法的問題嗎？
A3 ：這些問題我沒有碰到過。
我感覺面試官問什麼和TA對面試者的預期有關，TA會問TA認為面試者應該懂的東西。
Q4 ：評分卡模型常用到的演算法是什麼？
A4 ：評分卡信用模型，目前市場上通用的是邏輯迴歸。
但是在做邏輯迴歸之前，做特徵處理的時候會用到一些別的演算法，比如Lasso、隨機森林、決策樹等。 會做一些mini model，再把這些mini model處理過的資料輸入到邏輯迴歸裡面去。
在探索建模的時候，可能會將各種各樣的模型都試上一遍。但實際上最後上線的，據我所知，大部分都是邏輯迴歸。
Q5 ：你一般怎麼找到解決問題的方法？向同事學習還是看書呢？
A5 ：解決問題的方法主要有三種來源：
-
跟同事、跟老闆討論；
-
平常要不間斷地看書。這樣，遇到問題的時候，你可能會想起來：“我在哪個地方曾經看到過”，就可以返回去找；
-
找百度，如果還沒有就找Google。
Q6 ：之前沒有做過資料分析，想入行該怎麼自學？
A6 ：首先你可以學一下Oracle DB，也不用學的很深，能把想要的資料從庫裡取出來就可以。
剛開始轉行的話，可能人家也不會要求你的Python、R或者是SAS用得多好，只要Excel，VLOOKUP能用好，就可以去找工作了，在工作中再慢慢實踐積累。
學程式碼就是實踐積累，你寫得多了自然就會寫了。自己看書，或者報一個課程學的內容，通常轉頭就忘，在實踐中一遍一遍寫出來的程式碼，才可以記住。
Q7 ：從哪裡可以獲得好的資料用來學習建模？
A7 ：我知道在Kaggle上面會有資料，去下載吧。
Kaggle是一個數據建模、資料探勘的一個平臺，上面有很多比賽，有風控的比賽，也有別的方向建模的比賽。
Q8 ：Web前端開發適合轉行資料分析師嗎？
A8 ：我覺得，Web前端轉行的，在做把模型布到系統裡的工作時，還是有優勢的。至少你知道怎麼跟IT的人溝通。
我為了學習跟IT部門員工的溝通，費了很大的功夫。因為思維方式的差異，我認為他們懂，其實他們根本就不懂，他們認為我本來就應該完全懂，但是其實我根本也不懂，磨合了很長時間我才終於get到IT同事們的點。 如果你是幹Web前端的話，可能就沒有這個困擾了。
但是 我還是那句話： 適合不適合，你要找到自己的興趣，興趣才是一切的源動力。因為你會天然地面對沒有基礎的困境，所以你必須得有興趣才能持續不斷地努力。
Q9 ：為什麼要從國企辭職和轉行？
A9 ：為什麼轉行我在我的第一篇 《三個月，從化工實驗員到資料分析師》 裡講過了，大家可以去看一下。
為什麼辭職？我只能用四個字來形容： 水土不服。 我無法認同國企的價值觀，也無法適應國企的官僚文化。
Q10 ：四年存一百萬，每年平均存有二十五萬，請問是因為選擇了好的理財方式嗎？
A10 ：其實四年我只存了50萬而已，家裡支援了50萬，又找親朋好友借了40萬左右。
能借到40萬，就是平時人品上的積累吧。你平時跟人相處，別人就會對你有一個判斷，你要讓別人覺得你是一個靠譜、可信任、知恩圖報的人，這樣的話就借錢不會很難。
Q11 ：存錢需要大量理財知識去購買理財產品嗎？
A11 ：理財的第一步是你得有錢，有錢的第一步是你得儲蓄，儲蓄的第一步是你得記賬。
存下一筆錢，真的挺不容易的。這就是堅持和積累的力量，真的是積累的魔力，真的是我從小到大我唯一一件堅持了九年的事。
我自己都驚詫於積累原來可以這麼強大。反正大家就從手邊開始做起，每月記賬強制自己存錢吧。
小編直通車：掃描下列二維碼，傳送“眾智匯”加入社群
“眾智匯” 願景
盡職盡才，允公允能 —— 本社群不定期舉行線上分享，組織群友分享知識、經驗、資源，以達到 讓我們每個人的職業生涯得到最大程度的發展 的目的 。
往期線上分享例項
成全自己的熱愛與瘋狂——從醫生到創業者+動漫創作者，夢想使然
程式設計師的前10年——職業發展建議
歡迎掃面下列二維碼關注“悅思悅讀”公眾微訊號
