银行业数字化转型正迈入深水区，技术与业务场景的融合将进一步加深，尤其在风险管理、精准营销、信用评估、金融产品创新等方面，银行需要通过模型进行快速及准确的业务分析和风险管理。为此，银行业亟需培养复合型数字化建模人才，以确保建立准确可信的金融大数据模型。

为了满足银行业对与数字化人才培养需求、提高岗位素质的需求，占融团队基于多年深耕银行场景建模领域的经验，以“四通八达”的教学理念为核心，为银行业客户提供数智建模培训服务。其中，“四通”是指通过贴合应用场景的课程设计、理论结合代码实操的教学方式、国内外金融行业领先的教师资源和阶梯式数智建模平台资源，构建数智建模培训体系，为银行业数字化转型工作培养复合型人才；而“八达”则指达成培训目标，即夯实建模基础、规范建模标准、精通建模方法、深化业务应用、拓宽业务思路、提升建模效率、精准用户刻画和契合业务需求。

一、 课程设计紧贴真实应用场景

为满足银行业对数字化人才培养和提高岗位素质的需求，占融设计的数智建模系列培训课程紧密围绕银行建模在真实场景中遇到的业务和技术痛点展开，覆盖模型构建的全生命周期，包括建模需求的目标和问题定义、数据探索和预处理、特征选择与模型设计、模型的训练与评估指标、模型的解释与实际应用、模型的迭代和监控指标等。

该课程不仅包括业内公认的技术方案，还融入了融360导师多年积累创建的国内外领先建模技术。以建模过程中特征分箱为例，传统的手动分箱方式需要考虑操作人员的业务经验和领域能力，难以保证最优结果。然而，融360首席模型导师易巨魁先生（Jack Yi）独创的特征精细平滑分享算法，可以在保留尽量多特征预测能力的前提下实现有效分箱，从而降低模型运算复杂度，提升模型运算的速度和鲁棒性。

二、 采纳理论结合代码实操的教学方式

为了培养学员的实操能力和解决实际问题的能力，占融数智建模系列培训课程采用多样化的教学方式和课程形式。除了传统的理论讲授和实际案例分析，还注重通过代码实践和典型项目模拟等方式进行教学。

在本地化/线上化教学授课的基础上，导师结合多年业务经验及当前金融行业痛点，设计多种银行业关注的项目主题，如贷前申请反欺诈场景、高价值客户挖掘场景、贷后催收场景等。在项目过程中，导师辅导及协助听课人员完成项目模拟及模型代码编写。

三、 集成国内外金融行业领先的教师资源

高质量的模型人才，需要涉及多项专业领域的知识技能以及深厚的银行业务背景和对业务逻辑的深入理解。集成国内外金融行业领先的教师资源是培养高质量模型人才的重要举措。

作为融360数智建模体系首席培训导师，易巨魁（Jack Yi）拥有超过20年的SAS编程与数据挖掘经验，擅长运用统计学等方法支持企业业务战略的发展。他是占融数科建模实验室创始人，曾先后在第一联合资本（Associates First Capital）、第一联合国家银行（First Union National Bank）及美国银行（Bank of America）担任信息管理及风险管理高级管理职位。

此外，易巨魁（Jack Yi）在建模及数据挖掘领域颇有建树，其建立的模型在金融服务、零售、医疗保健和电信等行业均有广泛应用，并曾多次受邀至麻省理工、斯坦福等国际著名大学做大数据专题讲座，也曾受邀至清华大学做大数据学术交流和数据挖掘系列讲座。

四、 配备阶梯式数智建模平台资源

通过建模平台等技术工具进行数据处理、特征提取、模型建立及模型管理，较手工建模具备显著优势，更加适合银行复杂、庞大、多维的数据处理及建模工作。这些平台和工具可进一步提升建模过程的智能化和自动化程度，提高数据分析结果的价值。

占融自主研发的模型监控及数智建模平台，配备模型统计分析工具及基于业务实践的专家模型库。统计分析模块支持建模过程全程追踪管理，并可在模型验证及监控阶段评估及展示模型各项指标；专家模型库覆盖客户生命周期各个业务场景，如理财营销、贷款营销、贷前准入、贷中监控、贷后催收、资产处置、存款流失预警等，得到国内外银行业的广泛应用和认可。

目前，占融数智建模体系课程已在多家银行展开培训，课程内容涵盖了诸多主题，如粗分箱与精细平滑分箱、拒绝推断、单/双变量快速分析、特征抽取等，这些课程帮助银行业务及建模人员快速掌握数智建模技能，提升业务场景建模能力，并提高所建模型的准确性及可靠性，得到银行业客户的认可及肯定。

对于数智建模培训课程，如有行业人士想进一步沟通探讨，欢迎联系010-62427046。

附件为课程清单：

课程主体

课程内容

粗分箱与精细平滑分箱

建模过程中通过变量分箱，降低模型运算复杂度，提升模型运算速度和鲁棒性。其中，独创的变量精细平滑分箱算法可以在保留尽量多特征预测能力的条件下实现有效分箱。

变量群体稳定与变量行为稳定

提供群体稳定性指标分析，判断不同客群的偏移程度，并在此基础上，进一步细化到对变量行为的稳定性分析，提供分析报告。

拒绝推断

为解决模型训练过程中存在的样本偏差问题，使用统计推断方法，加入已拒绝样本到模型训练中，修正建模样本和实际全量样本之间的差异。

拒绝理由

通过分析客户的模型特征表现，为经过模型后被拒绝的客户提供明确拒绝理由。

坏帐回收

通过比率模型进行坏账预测，帮助机构找到容易回款并且金额较大的资产，提高机构回款率。

单变量快速分析

快速准确地进行单变量的多指标分析，提供变量的预测能力及稳定性等十多种指标计算。

双变量快速分析

快速准确地进行变量间的多指标分析，进行变量间交叉分析，例如相关性、共线性、交叉分布等。

特征抽取

提供自动特征生成功能，在已有特征基础上，通过基础算法，特征交叉，以及文本抽取等方式，衍生成数以万计的新特征，并自动完成特征的筛选。

变量类型侦别

主动识别变量类型，并根据实际业务情况进行变量类型转换。

信息汇总报告

提供模型详细分析报告，包括模型分数的分布情况，roc曲线，ks曲线，lift提升，以及变量分箱情况等多项内容。