15011337672
很多数据+金融背景的同学们求职范围非常广，反而容易模糊求职目标，但是求职过程是一场漫长的马拉松，目标专注、清晰才能逐渐有所收获，所以最好能够选择一个方向，然后坚定地准备下去，因此前期的多调研和多了解就尤其重要。
今天就来给大家分享关于Fintech公司数据类岗位的行业经验（尤其是credit risk modeling这个岗位），帮助同学们了解真实的岗位情况和工作内容，从而更容易选择求职方向！
▲ FinTech数据类主要岗位
▲ Credit Risk DS工作内容
▲ Credit Risk DS面试考察重点
▲ 如何选择适合自己的DS方向
▲ 如何增加拿到return offer的机会
FinTech数据类主要岗位
不同公司的业务划分不同，下面以Capital One为例，给大家讲讲FinTech行业的常见数据岗位：
01.Business Analyst (BA)
● 主要负责各种业务分析的工作，最前端最靠近业务，例如Profit&Loss和marketing channel等等。
● 需要较强的SQL、分析、沟通能力。
02.Data Scientist (DS)
● 主要负责全流程的建模工作，包括找数据、建模、模型部署、监测等。
● 需要较强的modeling能力，以及一定对business context, ML pipeline, deployment等上下游知识的了解。
03.Data Analyst (DA)
● 通常负责搭建数据解决方案，也会做一些dashboard reporting支持业务决策。
● 需要SQL、数据ETL、可视化等能力。
04.Machine Learning Engineer (MLE)
● 主要负责模型开发和部署的基础架构，包括搭建pipeline和API等。
● 需要较强的coding能力和对ML pipeline framework和infra的理解。
不同公司的Title不一样，比如Tech公司的DS偏Analytics，而小公司并不是四个类型的岗位都有。大家需要根据job description来判断所申请的岗位属于哪一类，或者哪两类的兼容版。
Credit Risk DS工作内容
主要工作内容有：
01.Model Development
包括找data、搭ML pipeline、tuning、performance analysis等常见步骤。这一步和同学们上过的data mining/machine learning的课程project有点类似类似。
实际工作中的model development和school project的区别有两点：
● 在modeling的过程中会有很多practical consideration，不只是要构建一个表现最好的model，还要确保它能解决商业问题，且需要遵照一些实际的限制条件。比如在credit risk模型里面选择客户特征时，要考虑到反歧视这类特殊因素，不能以客户的敏感个人信息作为建模特征。
● Model development对model的要求标准比较高，需要fully unit tested和fully reproducible。
02.Model Deployment
与MLE合作将模型放进production并做好validation。各公司CDS与MLE的合作模式不一样，在一些公司中，DS可能要交付deployment package，而在另一些公司DS则不需要承担此部分工作。
03.Model Monitoring / Governance
持续监测模型上线后的表现。随着时间推移，客户行为模式可能产生变化，如果模型的表现有较大下降的话，可能需要调整规则或者重新拟合（refit）。
Credit Risk Analyst Job Description示例
Credit Risk DS面试考察重点
01.Coding
通常重点考察ML调包能力，可能是take home或live coding。少数公司会考察SQL、算法等更广泛的coding。
02.Modeling
常见是以ML case的形式给一个业务上的问题，要求从头到尾design ML solution，中间会穿插technical questions。
03.Job-specific
根据组里的需求重点考察某个方向的知识，例如business、model deployment、time series、deep learning等。
如何选择适合自己的DS方向
01.首先了解自己的兴趣点
DS方向很宽泛，有非常多的子方向，比如有人喜欢做侧重研究性的工作，像是NLP这种更偏Research的方向；有人更喜欢做应用性的工作，比如说marketing analytics或者是credit risk等方向。所以建议大家在选择方向的时候，可以先去了解一下不同方向的工作内容，然后看看自己更喜欢哪一种。
02.看自己的skill set
先问问自己：是否更喜欢coding？是否更喜欢做machine learning pipeline的开发？或者是否更喜欢做模型的分析和优化？不同的方向对skill set的要求会有一些差异，所以大家可以根据自己的特长来选择方向。
现代DS的不同skill set
03.看市场需求
不同的时间点市场上对于不同方向的需求是不一样的，比如现在很多公司都在做AI和大数据相关的东西，所以对于这种方向的需求会比较大。大家也可以根据市场需求来选择方向。
如何增加拿到return offer的机会
01.尽早开始找实习&做好各种准备
好的实习机会都是有限的，越早准备越有优势。可以通过学校的career service、公司官网、招聘网站等渠道来寻找实习机会。
同时在准备阶段时注意简历要突出自己的项目经验和技能，面试时则要注意展示自己的思维能力和解决问题能力。可以通过模拟面试、刷题等方式来提高自己的面试技巧。
02.在实习中积极主动
实习中要积极主动地去学习和承担任务，不要怕麻烦，敢于提问和请教，同时要注意与团队成员的沟通和合作。尽量在实习中做出一些实际的贡献，让公司看到你的能力和潜力，这样才能增加拿到return offer的机会。
03.保持良好的心态
最后想说的是实习中可能会遇到一些挑战和困难，要保持积极的心态，勇于面对和解决问题。
以上就是关于Credit Risk DS工作内容的全部介绍~
如果你想了解金融科技公司的数据类岗位记得要收藏本文哦！在留学方面有疑惑的同学欢迎联系传兮留学的老师咨询~
