量化风控的核心是量化“安全边际”。“安全边际”这个名词来自价值投资领域，即投资品的市场价格和其真实价值之间的差额，差额越大，则盈利的可能性越大。股票可以看作是买入了看涨期权，而债券则是买入了看跌期权。那么贷款客户的违约率就和担保物（可以是实际的抵质押物、净资产或市值）价值与贷款额度的比值相关，这就是KMV的思想。传统信贷有两大特点：1）有抵质押物，公司贷款需要土地或厂房抵质押，个人贷款需要房产、车产抵质押；2）客户信息充分，便于做针对性的定价评估。而消费信贷面临抵质押物缺失和客户信息不充分或者评估人手不充足。因此需要依靠构建算法模型体系满足业务需求，本次分享旨在分享构建这个模型体系的构建。

分享内容： 1.企业数据分析架构与数据中台 2.企业运营数据指标体系建设 3.用户画像标签应用体系建设

分享内容：基础案例应用： 电商流量分析、零售销售情况监控、人员绩效分析、汽车行业报告撰写、快消行业进销存一体化分析

1. 项目实施概述 2. EDA探索性分析 3. 数据前处理之字段扩充 4. 构建模型和模型评估 5. Python & SPSS Modeler实操

分享内容：1.高流失率是怎样形成的？ 2.如何提升客户满意度和转化率？ 3.业务目标与工作指标的协同优化 4.如何让增长可持续？

分享内容： 1.联邦学习的应用案例 2.开源框架(FATE)介绍

分享内容：面试数据分析师需要准备的内容： 1.高质量简历：一份好的数据分析师的简历应该是什么样的，简历准备中有哪些雷区需要避开 2.夯实基础知识：概率论？数据统计？数据挖掘？模型知识？数据分析师需要掌握哪些方面的知识 3.一定的编程能力 ：数据分析师需要掌握Python吗，除了Python，还有哪些编程语言需要掌握 4.良好的业务理解：面试前需要针对于公司业务做怎样的了解，实习经历真的会加分吗

大纲内容： 1.用户全生命周期管理挖掘用户价值 2.注重用户每一个体验，提升产品迭代与优化 3.智能运营，打通用户最后一公里