信息管理-银行科技岗
我学的是信息管理与信息系统。
说实话，这个专业听起来挺”杂”的——计算机、管理学、统计学都学一点，但都不精。我室友开玩笑说我们是”万金油”专业，什么都能干，但什么都不精。
高考填志愿的时候，我不知道该选什么专业。看到”信息管理”四个字，觉得挺高大上的——又是信息又是管理，以后肯定吃香。结果就被录取了。
上了大学我才知道——这个专业，需要自己找到方向。
从”万金油”到”数据分析师”
大学四年：迷茫中探索
说实话，信管专业的课程挺”杂”的。
计算机的课学了：C语言、数据库、数据结构……但不如CS专业学得深。室友小王是计算机学院的，我看他天天刷LeetCode，头发都快秃了。我呢，课程内容简单多了，考试也不难，但总感觉没学到什么真本事。
管理的课学了：管理学、市场营销、财务管理……但不如商学院学得透。期末考试背背书就能过，但考完就忘，感觉这些知识以后也用不上。
统计学倒是学了一些：概率论、数理统计、抽样技术……这块我还挺感兴趣的，当年高考数学我考了138分。
这种”杂”的感觉，让我很焦虑。
我记得大一下学期，跟一个已经工作的学长聊天。他说：“信管这个专业，关键看你自己想往哪个方向发展。专业只是给你一个框架，具体学什么、以后干什么，得自己规划。”
我问他：“那你们同学毕业后都干嘛去了？”
他说：“有去互联网的，有去银行的，有去企业的，有考研的……五花八门。最重要的是早点想清楚自己要走哪条路，然后自己补知识。”
那次聊天点醒了我。
第一次意识到差距
大三上学期，我参加了一次校园招聘会。
我信心满满地投了几份简历，都是互联网公司的数据分析岗位。结果呢？笔试就挂了两家，面试挂了一家，最后一家倒是给了面试机会，但面试官问的问题我一个都答不上来。
他问：“你用过Hive吗？”
我愣了一下：“Hive是什么？”
他笑了笑，说：“那你用过Spark吗？”
我更懵了。
那次面试回来，我深刻认识到：学校学的那些东西，跟企业需要的能力，差距太大了。
找到方向：数据分析
痛定思痛，我开始认真分析自己的情况：
- 数学还行（信管要学概率论、统计学，我成绩还不错）
- 会一点编程（C语言、Python都学过，但都只是入门水平）
- 对数据感兴趣（觉得从数据里发现问题很有意思）
我想，数据分析这个方向可能适合我。
于是我开始自学：
- Python数据分析：pandas、numpy、matplotlib……
- SQL：数据查询、统计分析……
- 可视化工具：Tableau、Power BI……
- 机器学习：sklearn、TensorFlow……
那时候每天泡图书馆，看视频教程、敲代码、跑数据。有时候一个bug卡半天，上网搜答案、问同学，折腾到半夜才解决。
还考了一个数据分析师证书（CPDA），虽然含金量不高，但学到了系统的知识。考证的过程逼迫我系统地学习了一遍数据分析的流程，从数据采集到清洗，从分析到可视化，从报告撰写到项目汇报。
第一次做数据分析项目
大三下学期，我自己做了一个小项目：分析某电商平台的销售数据。
那时候正好赶上天猫双十一，我就想：能不能爬取一些公开的销售数据，分析一下哪些品类卖得好、哪些时间段成交额最高、消费者的购买行为有什么规律？
说干就干。
我用Python的requests库爬取了数据，然后做数据清洗、可视化分析、预测模型……
数据清洗是最痛苦的环节。原始数据乱七八糟的，有些字段是缺失的，有些是重复的，有些是格式不统一的。我花了整整三天时间，才把数据整理干净。
最后写了一份分析报告，发在了知乎上。没想到阅读量还挺高——两天时间破了5000，有一百多条评论。好多人在评论区问我数据从哪来的、代码怎么写的、图表用什么工具做的。
还有人私信问我：“同学，你这报告做得不错，有兴趣来我们公司实习吗？”
那一刻，我特别有成就感。
第一次面试成功
大四秋招，我开始找工作。
海投了很多岗位：互联网公司的数据分析、传统企业的信息管理、银行的科技岗……
说实话，一开始挺受挫的。
很多互联网公司的面试都是算法题，我刷得不够多，有几家挂在笔试上。有一家公司的笔试题全是编程题，我挣扎了两个小时，最后一道都没做出来，交卷的时候心如死灰。
后来我调整了策略——多投银行、传统企业这些对算法要求不那么高的岗位。
银行科技岗的招聘流程一般是：网申→笔试（行测+计算机基础知识）→面试（半结构化面试）→体检→签约。
我仔细研究了银行科技岗的历年真题，发现笔试主要考行测和计算机基础知识，不考算法！于是我把复习重点放在了行测和计算机基础上。
笔试那天，我做得还挺顺利的。行测跟考公务员差不多，我刷过题库，不算难；计算机基础都是基本概念，操作系统、网络、数据库、编程语言……这些我都在学校学过。
一周后收到面试通知，我激动得差点跳起来。
面试那天，我穿上正装，提前半小时就到了银行大楼。面试官是个四十多岁的中年男人，看起来很和蔼。
他问了我几个问题：
“你为什么想进银行工作？” “你的数据分析项目是怎么做的？” “如果你发现数据有异常，你会怎么处理？” “你对金融科技有什么了解？”
我一一作答，把之前做的电商数据分析项目详细讲了一遍。面试官听得很认真，还问了不少细节问题。
最后他笑着说：“小伙子不错，有想法，也有实战经验。回去等通知吧。”
三天后，我收到offer了。
入职：国企的新人生活
现在我在银行科技部工作两年了。
工作内容包括：
- 系统运维：维护银行核心系统的正常运行
- 需求分析：对接业务部门的需求，转化为技术方案
- 数据报表：用SQL从数据库里提取数据，出各种分析报表
- 项目管理：参与一些小型项目的实施和管理
不是纯技术开发，但能接触到银行的各个业务系统——核心系统、信贷系统、理财系统、风险控制系统……
工作强度方面：比互联网轻松多了。
955的工作节奏基本能保证，早上八点半到下午五点半，中午休息两个小时。虽然偶尔也有加班，但不像互联网那样996。
有一次，一个互联网公司的HR给我打电话，说他们公司在招数据分析工程师，月薪两万多，问我有没有兴趣。我婉拒了。
不是不想挣钱，是觉得现在的工作性价比更高。银行虽然工资比不上互联网，但工作稳定，压力不大，不用担心35岁被裁员。
第一次参与银行项目
入职第二个月，我参与了一个信用卡业务数据分析项目。
项目内容是分析信用卡客户的消费行为，为精准营销提供数据支持。
我负责的是数据提取和初步分析。用SQL从数据仓库里提取数据，然后做数据清洗和分析，最后出分析报告。
说起来简单，做起来不容易。
银行的数据仓库结构很复杂，几十张表通过各种关联连在一起。我第一次写SQL的时候，光是搞清楚表结构和关联关系，就花了一周时间。
带我的师父姓陈，是部门里的数据专家。他教我怎么理解数据模型、怎么写高效的SQL、怎么发现数据质量问题。
有一次我写的SQL跑了一个小时都没出结果，他看了一眼，说：“你这个子查询嵌套太多了，数据仓库承受不住。换一种写法，用窗口函数试试。”
我按照他的建议改了，结果三分钟就跑完了。
经验和技巧，真的比知识更重要。
成长：从迷茫到清晰
刚入职的时候，我挺迷茫的。
银行的系统很老旧——很多还是几十年前的COBOL语言写的。我学的数据分析技能，在银行里用武之地不多。
而且银行的工作节奏很慢，一个项目可以拖几个月甚至半年。我在学校习惯了快节奏，有点不适应。
但后来我想通了：银行是金融科技的”潜力股”。
这几年银行在大力发展金融科技：大数据风控、智能客服、数字化转型……这些方向都需要数据分析人才。
于是我主动申请参与了一些数据相关项目，积累了不少经验。
有一次，信贷部门想做一个客户信用评分模型，需要数据分析支持。我主动请缨，跟着风控部门的同事一起做项目。
那是我第一次接触机器学习建模。虽然我在学校学过机器学习的基础知识，但真正应用到业务场景中，还是遇到了很多问题。
特征工程怎么做？模型选择哪个？怎么评估模型效果？业务部门能不能理解模型结果？
一个个问题接踵而来，我一边学一边做，查阅了大量资料，也请教了很多前辈。最后总算把模型做出来了，KS值达到了0.35，效果还不错。
风控部门的领导专门在部门例会上表扬了我，说我是”难得既懂技术又懂业务的年轻人”。
从那以后，我是部门里的”数据专家”——有什么数据分析的需求，大家都来找我。
第一次做数据分析报告
入职半年后，我接到了一个任务：分析银行客户的流失情况。
这是我第一次做完整的业务数据分析。
任务来源是客户管理部门。他们发现最近几个月，客户流失率有所上升，想知道是什么原因导致的。
我先跟客户管理部门的同事沟通，了解他们的业务背景和需求；然后从数据库里提取客户数据，包括基本信息、交易数据、行为数据……
数据量很大，有几十万条。我花了一周时间做数据清洗和分析。
分析发现：流失客户主要有三个特征——
- 年龄集中在25-35岁
- 持有产品数量少（平均只有1.2个）
- 最近三个月没有登录过手机银行
我把分析结果整理成了一份报告，提出了几点建议：
- 针对25-35岁客户推出专属理财产品
- 引导客户开通更多产品，提高粘性
- 对长期不活跃客户发送营销短信，激活沉睡用户
报告交上去之后，部门主任很满意。他说：“小张，你这个分析做得不错，有几个建议很有价值。回头我跟客户部的人开个会，讨论一下怎么落地。”
那一刻，我特别有成就感。
收入情况
银行的待遇确实不错，这是我能坚持下来的重要原因：
- 基本工资：8000元/月（试用期6600）
- 绩效奖金：季度发放，每季度8000-15000不等，平均下来每月2000-5000
- 五险一金：按12%交，公积金每月1900多
- 其他福利：餐补每月500、交通补每月300、通讯补每月100、节日费每年约5000
综合下来，年收入大概18-22万。
在一线城市不算高，但工作稳定，压力不大，性价比还不错。
而且银行的各种福利很实在：食堂三餐便宜又卫生、节日发礼品、每年体检、工会活动……算下来省了不少钱。
未来规划
我的规划是：
- 继续积累银行数据领域的经验
- 考数据分析师或者金融分析师相关的证书
- 以后看看有没有机会转行到金融科技公司
银行是一个”围城”——外面的人觉得稳定，里面的人觉得没发展。
但我觉得：关键看你自己想要什么。
如果你想要高薪、高成长，互联网更好。我有个同学在字节跳动做数据分析，月薪三万多，但每天加班到八九点，周末也经常要处理工作。
如果你想要稳定、生活平衡，银行是不错的选择。我每天五点半准时下班，周末从来不加班，有大把时间学习、陪家人、发展兴趣爱好。
没有最好的选择，只有最适合的选择。
考证计划
工作之余，我也在准备一些证书：
- 数据分析师证书（已经考过了CPDA，正在考BDA）
- 金融分析师（CFA，正在准备一级）
- 项目管理（PMP，准备明年考）
这些证书对评职称和晋升都有帮助。虽然不是立竿见影，但长期来看，是有用的筹码。
碎碎念
信管这个专业，就业方向要找准。
不要被”万金油”的专业定位迷惑，要找到自己的核心竞争力。
几点建议：
1. 早点确定方向
信管的选择很多：技术、管理、数据……找到适合自己的方向，提前准备。不要什么都学一点，最后什么都没学精。
我建议在大二的时候就开始思考：我想往哪个方向发展？技术路线、管理路线、还是数据路线？然后有针对性地学习。
2. 数据分析是个好方向
信管的课程里有一些统计和编程的基础，转数据分析师相对容易。数据分析是现在的热门岗位，需求量大，薪资也不错。
但要注意：数据分析不只是会写SQL、会用Python，更重要的是理解业务。能用数据解决业务问题的分析师，才是有价值的分析师。
3. 银行科技岗是性价比选择
稳定、待遇还行，适合追求稳定生活的人。但银行升职比较慢，论资排辈严重，要做好心理准备。
4. 证书有帮助
CPDA、数据分析师、BDA……这些证书能证明你的能力。虽然不是决定性因素，但有总比没有好。
5. 持续学习
不管是技术还是业务，都要不断学习，才能不被淘汰。
技术更新很快，SQL、Python只是基础，后面还有Spark、Hive、Flink……业务知识也要不断积累，了解金融、电商、零售等行业的运作模式。
6. 实习很重要
有机会的话，多去企业实习。实习不仅能学到实战技能，还能帮助你找到真正适合自己的方向。
我当年就是通过实习，才确定了自己想做数据分析。
最后，送信管同学一句话：专业只是起点，能力才是终点。找到方向，持续学习，你一定能找到自己的路。
加油！
附录：我的技能清单
技术技能：
- SQL（熟练）：数据查询、数据清洗、复杂报表
- Python（熟悉）：pandas、numpy、matplotlib、sklearn
- Excel（熟练）：数据透视表、函数、VBA
- Tableau/Power BI（熟悉）：数据可视化
业务技能：
- 数据分析：描述性分析、诊断性分析、预测性分析
- 需求分析：业务需求转化为技术方案
- 报告撰写：数据分析报告、业务分析报告
证书：
- CPDA数据分析师（已考）
- BDA数据分析师（备考中）
- 英语六级（CET-6）
给想进银行的学弟学妹：
银行科技岗的招聘流程一般是：网申→笔试→面试→体检→签约。
笔试主要考行测和计算机基础，可以提前准备。
面试一般是半结构化，问的问题比较常规：为什么想进银行、有什么优势、职业规划……提前准备一下就好。
入职之后，要做好心理准备：银行的工作节奏比较慢，流程比较多，可能跟你想象中的”科技公司”不一样。
但好处是稳定、福利好、不用担心被裁员。
鱼和熊掌不可兼得，想清楚自己要什么最重要。
关联阅读
- 案例索引 0000_1001案例总索引
- 知识库总索引 0000浪尖大学四年知识库_总索引