中国平安
计量风险管理经理（小微&零售）
计量风险管理经理（小微&零售）
发布于 大约 21 小时前普通员工/个人贡献者
上海市
初级经验
全职员工
仅现场办公
本科
机器学习
数据分析
数据挖掘
模型验证
数据清洗
风险模型
决策树
逻辑回归
AI 估算 · 25k–40k
技能稀缺、行业需求旺盛，平安为头部金融集团，薪资竞争力强。
职位详情
关于这个职位
该职位负责零售和小微业务的风险计量模型全生命周期管理，包括模型开发、校准、验证及系统上线
你将主导数据清洗与挖掘工作，分析资产质量趋势，并撰写研究报告
适合具备1年以上风险建模或数据分析经验、熟悉Python和主流机器学习算法的专业人士
最低要求
经济学、统计学、数学等相关专业，本科及以上学历
年以上风险模型开发或数据分析经验，了解主流的建模方法，如逻辑回归、决策树、朴素贝叶斯分类、聚类分析、神经网络等
能熟练使用Python等统计分析工具，具备较强的编程、数据处理和分析能力
具有良好的政策研究、制定与分析能力，扎实的理论功底和文字能力
具有较强的原则性和执行力，责任心强，工作态度积极主动，有较强的组织协调能力，工作作风严谨，能够承担工作压力
具备一定创新思维和能力，对新思想、新方法有探究精神
工作职责
参与零售、小微模型开发，模型校准及主标尺设计，模型应用方案研发与落地，系统上线部署工作
对模型进行定期监控与验证，验证范围包括投产前验证、持续监控以及投产后验证，验证内容包括但不限于模型准确性、稳定性及区分能力，应用方案有效性等
主导各个方向数据清洗、数据分析、数据挖掘等工作，能从业务端剖析数据背后的逻辑链条
对接资产数据分析工作，能够按照需求完成趋势分析、结构分析、对标分析数据和报告的产出
优先资格
具有银行、证券等金融行业风险管理部或者咨询机构量化风险管理和建模经验者优先
AI 洞察
优缺点分析
- 中国平安为行业巨头，平台资源丰富，职业稳定性高
- 岗位涉及风险模型全流程，技术深度和业务理解并重，技能积累扎实
- 金融风险领域需求持续，数字化转型推动岗位价值提升
- 模型验证和监控工作较为繁琐，需要高度细致和责任心
- 金融监管严格，模型需要符合合规要求，工作压力较大
- 需要持续学习新技术（如机器学习前沿算法），保持技术领先
- 适合具备数理背景、热爱数据分析和建模工作，希望在金融风控领域深耕的求职者
角色解读
- 可向高级风险模型专家方向发展，负责更复杂的模型体系设计
- 也可转向风险管理团队管理岗位，统筹模型策略与业务落地
- 在金融科技领域积累经验后，可跳槽至银行、消费金融公司或互联网金融平台
- 开发零售和小微业务的风险计量模型，包括数据清洗、变量衍生、模型训练与校准
- 负责模型的全生命周期监控，定期进行准确性、稳定性和区分能力验证
- 主导数据分析项目，从业务逻辑出发挖掘数据背后的规律，并产出趋势分析报告
- 熟练使用Python进行数据处理和建模，掌握逻辑回归、决策树、聚类等主流算法
- 具备扎实的统计学和数学基础，能独立完成模型开发与验证
- 熟悉金融信贷业务，了解风险模型在信贷审批、贷后管理中的应用
申请策略
- 提前了解平安集团的风险管理体系，面试中展现对业务的思考
- 准备一个完整的建模案例，从数据探索到模型评价的完整流程
- 突出风险模型开发或数据分析的项目经验，详细说明使用的算法和模型效果
- 强调Python编程能力，展示具体的数据处理、建模代码成果
- 如有金融行业背景，重点描述对信贷业务和数据逻辑的理解
- 补充学习主流机器学习模型（如XGBoost、随机森林）并实践
- 熟悉金融风控相关监管要求，如巴塞尔协议、个人征信管理办法
- 练习撰写专业分析报告，提升文字表达能力
面试指南
- 按照STAR法则（情境、任务、行动、结果）结构化回答项目经验
- 对于技术问题，先阐述原理，再结合实际应用场景说明优缺点
- 请描述一个你独立开发的风险模型项目，包括数据预处理、变量选择、模型评估等步骤
- 逻辑回归和决策树在风控模型中的应用场景有何不同？如何选择？
- 如何检验一个模型的稳定性？常用哪些指标？
- 如果模型监控发现区分能力下降，你会如何排查和解决？
- 请谈谈你对零售信贷风险管理的理解
- 复习经典统计模型和机器学习算法，尤其是逻辑回归、决策树、集成方法
匹配度报告
68
综合匹配度
大平台技术岗，技能成长快，薪资有竞争力，但办公方式传统且可能加班。
适合人群
适合追求技术深度和职业成长、对薪资和稳定性有一定要求，能接受一定工作压力的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利匹配
70中等
薪资未明确，但平安作为顶级金融集团，薪酬体系完善，年薪预计在35-55万之间，福利较好。
薪资信号未披露 (25K-40K/月)
成长发展匹配
85较高
岗位涉及前沿的风险建模技术，能够深度参与模型全流程，技能成长空间大，但未明确提及晋升路径。
技术前沿主流现代技术
技术栈Python、逻辑回归、决策树、朴素贝叶斯、聚类分析、神经网络
业务类型ambiguous
工作生活匹配
50较低
工作地点在上海，未提及弹性办公或远程，推测为常规办公室工作，金融行业通常加班较多。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
金融风险管理对社会经济稳定有积极意义，但JD未强调社会价值，创新水平中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs