中国平安
数据建模岗
数据建模岗
发布于 1 天前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
大数据
SAS
数据清洗
决策树
金融风控
风控模型
信用评分
自动授信
AI 估算 · 20k–35k
上海金融风控岗位，大厂平台，需要2年以上经验与技能，薪资处于市场中上水平。
职位详情
关于这个职位
该职位负责金融产品的风险数据分析，构建零售信贷风控评分模型，利用大数据和机器学习技术实现自动化授信
你将处理个人征信、行为及互联网数据，开发并优化模型，同时参与风险规则制定与策略部署
适合有风控建模经验、熟悉SAS/Python的数据科学家
最低要求
统计、数学、计量经济、金融工程、计算机专业等量化方向本科以上学历优先
熟悉或使用SAS、C/C++,Linux/Unix Shell,Python,PHP工具，了解决策树构建等软件
熟悉互联网金融风控特点，了解在线风控技术，对大数据征信和在线信用评审具有一定的关注和实践
汽车金融、融资租赁公司、信用卡中心、互联网金融公司或银行2年以上工作经验
工作职责
负责金融产品的风险数据分析，通过大数据管理，建立零售信贷业务风控评分模型，用于金融服务和信贷业务的发展
从个人征信数据、行为数据、互联网数据等出发，构建大数据金融模型用于贷款自动化授信
负责数据驱动模型立项、数据清洗及衍生、开发、督促布置上线等工作，监控场景及业务变化，及时发现问题推进模型修复迭代
负责风险相关规则的测算、删减，与其他相关部门规则的审核
模型、规则的实际策略应用、风险引擎策略流程的部署与运维
AI 洞察
优缺点分析
- 平台优势：平安作为金融科技巨头，提供丰富的内部数据和成熟的业务场景，技术实践价值高
- 技能积累：能够深入学习风控模型全流程，包括数据清洗、建模、部署和监控，专业能力提升快
- 行业前景：金融风控是金融科技核心领域，人才需求旺盛，薪资和职业稳定性好
- 团队环境：与优秀的风险分析师和数据工程师合作，能快速积累行业经验和人脉
- 工作强度可能较高，尤其在模型上线和迭代期，需要应对业务压力和紧急问题
- 风控模型对准确性和解释性要求高，技术难度大，需要持续跟踪前沿方法
- 金融行业监管严格，模型需要合规，工作流程可能较为繁琐
- 适合具备统计或计算机背景，对金融风控有热情，喜欢用数据解决实际业务问题，且能适应一定工作压力的求职者
角色解读
- 从风控模型师向高级模型专家或风控策略负责人发展，深入参与金融产品设计
- 积累丰富的风控实战经验后，可转型为数据科学家或机器学习工程师，拓展AI应用领域
- 在平安这样的大平台，有机会接触完整的金融科技生态，未来可向管理岗或业务岗延伸
- 负责信贷业务风控评分模型的开发与优化，使用大数据和机器学习技术实现自动化授信决策
- 从征信、行为、互联网等多源数据中提取特征，进行数据清洗和衍生，构建预测模型
- 监控模型上线后的表现，根据业务变化及时迭代修复，确保风险控制有效性
- 参与风险规则的测算与审核，推动策略在风险引擎中的部署与运维
- 精通SAS或Python进行数据分析和建模，熟悉决策树、逻辑回归等机器学习算法
- 具备金融风控领域知识，了解零售信贷业务流程和在线风控技术
- 有大数据处理经验，能处理海量数据并提取有效特征
- 扎实的统计学、数学或计量经济学背景，能设计严谨的模型验证方案
申请策略
- 面试前深入了解平安的金融产品线（如平安普惠、平安银行）和风控体系，展示对公司业务的兴趣
- 准备一个完整的风控模型案例，从数据探索到模型上线，清晰陈述你的贡献
- 突出风控建模项目经验，包括模型类型、数据规模、业务效果（如降低逾期率）
- 详细描述使用的技术栈，特别是SAS、Python、决策树、以及数据处理流程
- 强调对金融业务的理解，如信贷风险、征信数据、自动授信等
- 列出时间管理和跨部门合作经验，因为需要多部门沟通
- 如果SAS不熟练，建议提前学习SAS编程基础，并练习常见建模步骤
- 补充机器学习算法知识，如XGBoost、随机森林等，并了解其在风控中的应用
面试指南
- 对于项目经验题，采用STAR法则：背景（业务需求）-任务（目标）-行动（你的具体工作）-结果（量化收益）
- 评估模型的问题，要结合业务：区分度（KS、AUC）、稳定性（PSI）、排序性（Gini）等，并说明在不同阶段侧重点
- 问题定位时，要体现系统性思维：从数据质量、特征失效、环境变化、模型过拟合等角度分析
- 请描述一个你之前做过的风控模型项目，包括数据来源、特征工程、模型选择以及最终效果
- 如何评估一个风控模型的性能？常用的指标有哪些？
- 当模型在实际部署中发现效果下降时，你会如何定位问题和迭代？
- 你对现金流贷和场景贷的风控有什么不同的理解？
- 请解释一下WOE和IV在风控建模中的作用
匹配度报告
74
综合匹配度
大厂金融风控岗位，前沿技术栈，高成长性，但工作模式传统，WLB偏弱。
适合人群
适合重视技术成长和职业发展、能接受现场办公和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85
成长发展90
工作生活50
使命价值70
薪资福利匹配
85较高
该职位薪资处于市场中上水平，且平安作为上市巨头，福利完善，稳定性高，补偿性动机满足良好。
薪资信号未披露 (20K-35K/月)
成长发展匹配
90较高
岗位涉及前沿风控技术和大数据平台，能深度参与模型全生命周期，技能成长空间大，发展性动机强。
技术前沿前沿/新兴技术
技术栈SAS、Python、决策树、大数据、风控模型
业务类型profit_center
工作生活匹配
50较低
工作模式为现场办公，未提及弹性或远程，金融行业可能加班较多，生活化动机满足一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
风控岗位有助于金融行业风险管理，保护消费者利益，有一定社会意义，但主要服务于商业利润，意义感中等。
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