一、核心职责
1.业务数据监控与洞察：
*搭建并监控业务核心看板，跟踪GMV、申请用户数、授信通过率、放款金额、资产不良率等关键指标，快速定位业务波动原因。
*深入分析用户消费行为，包括商品品类偏好、分期期数选择、客单价分布等，为商品运营和营销提供洞察。
2.风险管理与信用分析：
*监控贷前、贷中、贷后全流程风险指标，如申请通过率、首逾率、逾期率（Vintage分析）、坏账率。
*分析与客户信用表现相关的特征变量，为风控策略的调优提供数据支持（例如，验证新规则的效果、分析欺诈模式）。
*配合风控团队进行模型监控，跟踪信用评分模型、欺诈模型等在线上的表现。
3.用户生命周期与增长分析：
*构建用户分层模型（如RFM模型），对用户进行精细化分群，分析不同用户群体的价值与风险。
*分析用户获取渠道的质量，计算渠道LTV（用户生命周期价值） 和CAC（用户获取成本），优化渠道投放策略。
*深入用户旅程，分析从注册、申请授信、购物到还款的全流程转化率，定位流失环节，提出优化建议。
4.数据驱动决策支持：
*设计并分析A/B测试，评估产品功能迭代、营销活动、运营策略的效果（例如：新分期方案对转化率的影响）。
*针对特定业务问题（如“某品类销售下滑”、“特定用户群逾期率上升”）进行深度专题分析，输出可落地的策略报告。
为商业计划、预算编制提供数据预测和测算支持。
二、 必备技能与要求
教育背景：
本科及以上学历，统计学、数学、计算机科学、经济学、金融学等相关专业。
硬技能：
1.SQL是核心：必须极其熟练，能高效处理大规模、复杂的表连接和数据清洗。熟悉Hive, Spark SQL等大数据工具是重要加分项。
2.数据分析语言：精通 Python（Pandas, NumPy, Scikit-learn）或 R 进行数据分析和建模。
3.数据可视化：熟练使用 Tableau, FineBI, Power BI 等工具构建数据看板和报告。
4.统计学基础：扎实的统计学知识，熟悉假设检验、回归分析、概率分布等概念。
业务知识：
1.必备电商知识：深刻理解电商核心指标（UV, PV, GMV, 转化率、留存率等）和运营逻辑。
2.必备金融知识：理解消费金融的基本概念，如年化利率（APR）、坏账、拨备、资金成本，以及风控核心指标（如FPD30,逾期率曲线）。
软技能 ：
*强烈的业务导向：不能只沉迷技术，必须主动理解业务，思考数据背后的商业逻辑。
*沟通协调能力：能清晰地向产品、运营、风控、技术等不同背景的同事阐述分析结果。
*逻辑思维与问题解决：具备将模糊业务问题转化为清晰数据分析框架的能力。
三、 优先考虑条件
1.经验：拥有2-4年电商数据分析、消费金融风控分析、信用卡中心数据分析或金融科技相关工作经验。有信贷资产性能分析经验者优先。
2.风控建模经验：有参与开发、验证或监控信用评分卡、申请反欺诈、行为评分模型等项目经验者极具竞争力。
3.大数据技术：有使用Hadoop, Hive, Spark等大数据平台处理海量数据的经验。
4.专业证书：SAS程序员认证（在风控领域常用）、CDA数据分析师认证等是加分项。
四、 行业特性与薪资水平
行业特性：
1.平衡的艺术：核心是在用户体验（转化率）、业务增长（GMV）和风险控制（不良率） 之间找到最佳平衡点。
2.数据驱动核心：数据分析是这类公司的核心驱动力，从营销投放、额度定价到催收策略都严重依赖数据。
3.快节奏：业务迭代和策略更新非常快，要求分析师能快速响应。
优秀者薪资可面谈[玫瑰]