前言

为什么要写这本书

随着现代信息技术的不断发展，以大数据为基础的各类金融科技应用成为市场热点。近年来，随着数据治理不断被强化及数据资产的热度不断升温，各金融机构已经有了一定的数据基础。基于数据挖掘手段开展精准营销、风险管控、运营优化，已经成为数据应用的必然趋势。未来，随着物联网等技术的不断推广，数据量的增速将更为迅猛，大数据应用势不可挡。在大数据转型趋势下，各企业也在思考如何不被市场淘汰，如何使数据的价值最大化。

大数据应用一方面需要有数据可挖掘，另一方面需要数据分析专家。赋能金融企业内部人员，使之成为业务感知能力强、分析技术过硬的双料人才，是培养数据分析专家最快捷、最实际的途径。因此，市场上急需一本金融业务与数据分析技术相融合的参考书。

基于对当前金融机构在数据分析中的痛点、通病的认识，以及在业界一流企业和顶级咨询公司的实践，我们决心编写一本适合金融行业数据分析人员入门的图书。

读者对象

根据当前金融行业数字化转型先进案例，我们知道客户、产品、运营等前台部门，以及数据管理、风险管理等中台部门的从业人员均需要具备数据分析思维。也就是说，本书面向的读者群包括：

• 营销、运营部门的数据分析师
• 风控部门的从业人员
• 大数据部门的工程师
• 高校数学、统计学、金融工程、计算机科学及技术等专业的学生
• 科技金融、金融大数据相关行业的同人

本书特色

虽然数据分析已经不是新概念，但是市面上系统地讲解金融行业数据分析师如何成长的书不多。本书在业务方面涵盖用户画像、客户价值预测、精准营销预测等，在方法论方面涵盖描述统计、假设推断、预测性建模等。同时，本书贴合金融行业的分析软件环境，将新兴的Python与传统的SAS相结合，以便于读者快速掌握相关技术。

另外，市面上Python的编程基础和机器学习图书众多，但是鲜有从数据分析角度进行讲解的，而且Python本身的数据分析软件包也不完善。在本书中，笔者结合多年的数据分析咨询经验，提供了常用的函数，便于读者在实际工作中快速上手。

如何阅读本书

本书共14章，分为3篇。

• 分析工具篇（第1～4章）：介绍SAS EG的菜单操作和Python的入门知识。
• 数据处理篇（第5～9章）：从构建统计指标和数据可视化开始讲解，将数据查询、数据整合、数据清洗相结合，构建出满足分析需求的数据集。
• 统计分析篇（第10～14章）：从假设检验开始，介绍如何从业务洞察中获取灵感，然后用数据验证灵感，并且根据得到的灵感构建统计模型，以便预测客户的未来价值或者营销响应的概率。

其中，统计分析篇通过实例讲解数据分析应用，相比于前两篇更独立。如果你是一名有编程经验的高手，可以直接阅读这部分内容。如果你是一名初学者，请一定从第1章的基础理论知识开始学习。

勘误和支持

请关注微信公众号“数据资管”，以下载书中的演示数据和脚本，观看教学视频，交流问题和反馈意见。也可以发送邮件至453288431@qq.com与作者联系。期待得到你们的真挚反馈！

致谢

首先，感谢指导过我们工作和写作的各位领导、老师，正是他们的鼓励和鞭策才使得本书最终面市。

其次，感谢机械工业出版社华章公司的策划编辑杨福川，他在这一年多时间中始终支持我们的写作，鼓励和帮助我们顺利完稿。

最后，谨以此书献给我们最亲爱的家人，以及众多热爱金融数据分析的朋友们！