中国平安
数据分析岗
数据分析岗
发布于 大约 14 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
数据分析
SAS
策略设计
结果导向
报表开发
激励方案
绩效追踪
催收模型
AI 估算 · 15k–25k
上海数据分析岗，2-3年经验，大型金融企业，薪资中等偏上，竞争力较强。
职位详情
关于这个职位
该职位负责中国平安催收业务的数据分析，包括开发报表追踪绩效、构建催收模型、设计催收策略及激励方案
需要运用SAS工具进行数据追踪分析，并提出改进建议
适合有2-3年相关经验、精通SAS且熟悉催收模型的数据分析师
最低要求
本科以上学历 2.2-3年相关行业经验，精通SAS使用 3.拥有一定催收模型搭建经验，熟悉各类催收过程、结果数据指标 4.具有优秀的担当精神，丰富的专业知识储备，优秀的结果导向型思维，具有一定的领悟能力，一定的执行力，跟踪到底，不遗漏，踏实认真完成本职工作
工作职责
开发报表追踪催收绩效，进行过程指标、绩效结果等数据追踪分析，提出改进建议 2.催收模型开发及使用 3.设计催收策略、佣金及激励方案 4.其他领导交办的工作
AI 洞察
优缺点分析
- 平安作为金融巨头，平台稳定，福利完善，职业发展路径清晰
- 深入金融催收核心业务，积累稀缺的催收模型和策略经验，市场价值高
- 使用SAS等工具，技能专精度高，在金融行业有强需求
- 催收业务压力较大，需面对绩效指标和结果导向的工作节奏
- 技术栈相对传统（SAS为主），可能接触不到 Python/ML 等前沿技术
- 需与业务部门紧密配合，沟通协调要求高
- 适合希望在金融领域深耕数据分析、偏好稳定平台、对催收业务感兴趣的细致型人才
角色解读
- 内部可向资深数据分析师、催收策略专家发展，深入业务优化
- 横向可转至风险模型、信贷策略等金融科技方向
- 长期可晋升为团队主管，带领数据分析小组
- 开发催收绩效报表，追踪过程与结果指标，分析数据并提出改进建议
- 使用SAS构建和优化催收模型，提高催收效率
- 设计催收策略、佣金及激励方案，平衡风险与收益
- 完成领导交办的其他数据分析相关任务
- 精通SAS数据分析工具，能高效处理大规模数据
- 具备催收模型搭建经验，理解催收业务逻辑和关键指标
- 结果导向思维，能够从数据中发现问题并提出 actionable 建议
- 良好的沟通和执行力，跨部门协作推动策略落地
申请策略
- 在求职信中表达对催收数据价值的理解，展示对业务痛点的洞察
- 了解平安集团的文化（结果导向、执行力），在面试中强调这些特质
- 突出SAS项目经验，尤其是催收模型或绩效分析相关成果
- 量化展示过去工作中通过数据分析带来的绩效提升或成本节约
- 强调结果导向和执行力，用具体案例说明如何推动策略落地
- 如有金融或催收行业背景，务必醒目标注
- 巩固SAS高级功能，如宏、SQL、统计建模
- 学习催收业务基础知识（如逾期阶段、催收策略类型）
面试指南
- STAR法则：情境-任务-行动-结果，突出量化成果
- 展示业务理解：先定义问题，再数据分析，最后建议行动
- 体现沟通与协作：强调团队和业务方配合
- 请描述一次你使用SAS进行催收数据分析并推动业务改进的经历
- 如何设计催收模型的分群策略？关键评估指标有哪些？
- 假如催收绩效不达标，你会如何通过数据分析定位问题并提出方案？
- 你如何看待SAS与Python在数据分析中的优劣？
- 请解释催收过程中可能用到的逾期指标（如DPD、回收率等）
匹配度报告
58
综合匹配度
稳定大厂、薪资市场水平、SAS技术栈、催收业务专精，WLB未明确。
适合人群
该职位最适合看重薪资稳定性和平台实力、对技术前沿要求不高、能接受单一业务领域的求职者。
最强匹配
薪资福利匹配
最弱匹配
使命价值匹配
薪资福利80
成长发展60
工作生活50
使命价值40
薪资福利匹配
80较高
薪资符合市场水准，平安作为上市公司提供稳定福利，补偿性动机满足度较高。
薪资信号未披露 (15K-25K/月)
成长发展匹配
60中等
技术栈较传统SAS，催收模型方向专精度高但发展面窄，成长信号不明显。
技术前沿传统/成熟技术
技术栈SAS
业务类型ambiguous
工作生活匹配
50较低
现场办公，未提弹性或WLB，金融公司可能有加班文化，生活化动机满足度一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
40较低
催收行业社会价值有限，属于金融风控环节，意义感动机较弱。
行业发展稳定成熟行业
社会影响中性/一般
创新程度稳健跟随主流
Watch Jobs