金融分析师如何开始运用数据技能

金融分析师的工作高度量化且以数据为核心。在一项麦肯锡调查中，87% 的受访者表示他们目前正面临或将在未来 5 年内面临技能缺口，其中 43% 的人认为数据相关岗位的缺口最大。随着 Gartner 预测 2021 年超过 80% 的金融服务机构将加大高级分析的使用，这些岗位在金融领域的重要性与日俱增。

财务团队应学习 R、Python、SQL 等“现代”数据工具或商业智能，以挖掘此前难以洞察的信息。除了产出更有价值的洞见外，根据 Robert Half 调查中 64% 参与者的意见，让分析师学习新的数据技能也对求职者极具吸引力。

本文将介绍 4 种数据科学用例，金融分析师今天就可以开始运用，以补充其专业领域知识。

金融分析师运用数据技能的四种方式

快速分析数据并传达洞见

金融分析师的一项关键职责是分析并从财务数据中提炼洞见。除 Excel 技能外，他们还可以借助 SQL、BI 工具以及 R、Python 等开源编程语言，让分析流程更高效、更有效。

这些工具在处理大型数据集的分析中特别有用。SQL 是一种用于与数据库交互以检索和组织数据的编程语言。它使分析师能够只获取所需的信息，从而加快分析流程。例如，如果一位分析师要构建模型来预测某个部门的现金流，他们可以在包含所有现金流的数据库中筛选出该部门的数据。迅速获取分析所需的精确数据，将显著提升工作效率。

在数据收集完成后，还可以通过 SQL 计算汇总统计量，快速得出洞见。比如，可以使用 SQL 的分组计算快速得到每个月现金流的平均值和标准差。

将分析洞见有效传达给相关方，是创造价值的关键。找到改善现金流的方法，只有在以促使决策者采取行动的方式有效传达时才有价值。这些洞见可以通过 BI 工具（如 Power BI 和 Tableau）或 Python、R 的开源库（如 Dash 和 Shiny）准确呈现。这些工具让分析师能够通过交互式仪表板快速展示结果。

通过时间序列预测做出更优决策

数据科学在金融分析中的另一个重要用例是分析时间序列数据。做出准确预测是金融分析师的常见任务，例如预测未来股价走势、客户流失、现金流或客户终身价值。这些预测需要可靠且准确，才能为决策流程创造价值。

在预测任务中利用历史数据，可以让预测更贴近现实并更有把握。季节性在许多预测任务中至关重要。企业活动会在一年中发生波动。尤其当像新冠疫情这样的突发事件影响到大多数机构的运营时更是如此。理解这些季节性波动有助于显著提升预测效果。R 中有许多开源工具以及 Python 工具，可简化时间序列分析，从而让预测更加灵活、动态。

用编程技能自动化业务流程

编程技能在任何领域的一个重要应用，都是能够自动化重复性任务。R 或 Python 脚本可以每天运行重复任务，为分析师节省时间，使其专注于其他职责。

一个常见的重复任务是，分析师需要整理前一天某行业表现最好的股票清单。分析师可以创建一个脚本，在收盘后每晚运行。该脚本可通过访问机构的数据 API 抓取所需数据，使用 Python 的数据类型和工具（如 pandas DataFrame 和 Jupyter notebook）高效清洗数据（以便更易使用），最后按以往手工录入的格式生成一份 Excel 电子表格文件。

第二天早上，分析师即可着手后续工作，比如撰写关于这些数据的报告。几周下来，由于不必每天早上手动制作这份表格，分析师能够完成的工作量将大幅提升。

用机器学习预测结果

机器学习在金融分析中扮演着不可或缺的角色。监督学习与无监督学习都可在金融领域得到运用，以提高文档分析、纸质文件数字化等任务的效率与效果。

监督学习（用“正确”标签训练模型，使其在未来无需提供标签即可执行任务）在金融任务中有诸多应用，包括将纸质文件转为电子文件、欺诈检测、最优投资组合管理以及未来股价预测。所有这些任务对金融分析师都至关重要。分析师可以利用手头大量数据，借助机器学习更高效地完成这些工作。关于机器学习在金融中的其他应用，请参见此处。

无监督学习（在没有任何预定义“正确”标签的情况下训练模型）也可用于上述任务。例如，可以构建一个模型，将新近数字化的文档按合适的文件结构进行整理，以便于访问。

通过构建这些模型来处理基础的文档处理与分析工作，分析师就能把更多时间投入到从这些因可得性不足而常被低估利用的数据中，提炼可付诸行动的洞见。

提升技能是前进的唯一途径

随着数据科学在金融行业的深入融合，金融分析师若要持续成功，并为机构充分释放其潜在价值，就必须掌握数据技能。正如前述四个用例所示，数据科学技能可通过自动化、组织化与数据可视化，显著提升生产力与工作质量。

最新调查显示，90% 的金融公司预计在未来一年内将增加数据消耗，其中 52% 的公司认为对这些数据进行有意义的分析是首要战略任务。鉴于数据人才的技能缺口，金融分析师唯有通过提升技能才能达成这些预期。