银行是大数据相关专业毕业生的重要去向之一：稳定、体系完善、数据量大、业务场景成熟。但很多同学对银行数据岗的认识停留在“考行测、拼学历”，对它具体招什么人、进去以后做什么并不清楚。

这篇文章分三部分：先用年报和公开招聘信息看银行在招什么样的数据人；再结合我们为多家城商行、农商行设计的数据人才训练营、项目孵化与风控建模课程，还原入职后的真实工作；最后给出能力准备和笔面试建议。

01  先看需求：银行为什么在招数据人

▎科技投入持续加码，AI应用进入规模化阶段

据新华网对2025年年报的梳理，13家代表性上市银行的金融科技总投入超过1800亿元，其中工商银行达285.88亿元。人员结构上，中信银行研发人员占比13.88%，交通银行9.99%，招商银行9.09%。大模型应用也已铺开：工行披露的应用场景500余个，招行856个，交行的AI智能体助手超过2500个。

图1  2025年部分上市银行金融科技投入（亿元）

这组数据背后是一个清晰的信号：银行的数据工作已经从“出报表”走向“做模型、做产品、做智能应用”，对数据人才的需求既在总行科技条线，也下沉到分行和业务部门。

▎招聘信息里的具体要求

从2026届公开的校招公告看，中国银行的数字资产运营中心单独设置数据分析岗，负责“集团数据运营、数据分析、数据应用及前沿技术”，审计分部也招聘审计数据分析员；招商银行信用卡中心往年的数据分析岗分为“风险量化”和“业务策略”两个方向，且不限专业。

考法上，面经信息显示：交通银行金融科技岗笔试包含“行测+金融基础知识+技术专业知识”，机试以SQL为重点，强调多表关联和分组统计；中国平安数据分析师技术面要求现场写SQL，窗口函数、子查询被视为“入场券”，并会追问逻辑回归、XGBoost等模型的原理而不只是调用。结合公开报道中对70余条数据分析岗JD的统计（68条要求SQL），SQL是银行数据岗跨不过去的第一道门槛。

银行的数据岗大致分四类：

图2  银行四类数据岗的能力侧重

岗位	常见部门	应届生准备重点
业务数据分析	零售、公司、信用卡业务部门，分行管理部	指标体系、SQL取数、分析报告
风控建模/策略	风险管理部、信用卡中心、消费金融公司	统计学、评分卡与机器学习、特征工程
BI/报表工程师	数据管理部、科技部	SQL、Power BI/FineBI、看板设计
数据开发工程师	软件开发中心、数据中心、金融科技子公司	数仓、Hive/Spark、国产数据库

02  入职后在做什么：从 CDA 数据分析师的银行内训看真实工作

银行给在职员工开什么课，基本就是新人入职后要承担的工作。下面结合 CDA 数据分析师为银行设计的几类培训与辅导项目展开。

▎业务数据分析：看板、指标与分析报告

在 CDA 数据分析师面向零售金融条线的数字化人才训练营中，课程包括：用Power Query实现数据处理自动化、Excel动态图表与Power BI制作银行网点经营看板、搭建业务指标体系、运用漏斗、帕累托、A/B测试、同期群等方法做金融产品复购转化分析，以及业务分析报告撰写和根因诊断。这几乎就是分行和业务部门数据岗的日常：周报月报自动化、网点与客户经理业绩看板、产品转化与客户经营分析。

▎数据应用项目：从取数需求到客户名单

越来越多的银行会组织行内数据应用竞赛或项目孵化，新员工往往会被编入专题小组。CDA 数据分析师为多家城商行、农商行设计的项目辅导方案，基本遵循下图的周期。其中一家城商行的方案，计划在4个月内孵化约20个项目，由专家分阶段辅导。

图3  银行数据应用项目的一个完整周期

这里有两个细节值得应届生注意：一是“取数需求”要写清样本范围、目标变量定义和加工逻辑，这是数据人与业务、科技部门协作的基本功；二是模型产出要能落地，例如“客户经理采用模型输出的前5%客户名单开展针对性营销”，再回收效果做复盘。

▎风控建模：特征工程决定上限

在 CDA 数据分析师金融风控建模的内训案例中，学员需要基于企业的工商、年报、税务、变更、新闻等7张关联表，预测企业是否存在非法集资风险。这个案例几乎浓缩了银行风控建模岗的日常难点：多表聚合、特征构造、样本不均衡、评估指标选择。

图4  风控建模内训案例拆解

▎技术条线：国产化技术栈与持续认证

某省农商联合银行的科技子公司曾公开招标采购“大数据卓越专家认证体系”，覆盖云计算、大数据、数据分析（数据治理方向）、数据建模/BI、项目管理等领域，涉及阿里云ADB、Hologres、Flink、DataV，星环TDH、ArgoDB等组件，以及DAMA数据治理认证。这说明两件事：银行的技术栈正在向国产化、云原生演进；入职后的学习和内部认证会持续进行，而不是止于校招。

小结：银行数据岗的“入职第一年” 前3个月：熟悉数据字典、指标口径和取数流程，掌握行内数据平台与合规要求 3—6个月：承担固定报表与看板，参与专题分析 6—12个月：进入数据应用项目或模型开发小组，形成自己的业务方向

03  能力准备：银行最看重的四件事

金融业务理解：存贷汇、零售与对公、信用卡生命周期（获客—激活—分期—催收）、AUM、不良率、逾期率（M1、M2）、KS与AUC等基本概念。这是银行面试区分度最高的部分。

SQL与数据处理：多表关联、窗口函数、宽表构建；能用Python完成清洗与批量处理。

统计与建模：假设检验、回归、逻辑回归与评分卡、树模型；理解为什么风控场景强调模型可解释性。

合规意识：个人金融信息保护、数据分级分类、模型风险管理。面试中能主动提到“数据不出行”“敏感字段脱敏”，会明显加分。

04  简历与笔面试：用金融的语言讲你的能力

▎简历三条建议

1. 做一个金融场景项目。公开的信用卡违约、银行营销响应、贷款违约等数据集都可以用，重点是讲清业务问题、特征思路和模型评估，而不是只报一个AUC。

2. 突出“可落地”。例如“基于客户交易行为构建流失预警模型，按风险分层输出前10%名单并给出挽留策略建议”。

3. 别忽略笔试。银行笔试普遍包含行测与金融经济知识，数据岗再加专业题，需单独安排时间准备。

▎面试会怎么考

环节	常见形式	银行场景示例
笔试/机试	行测 + 金融知识 + SQL/编程	统计每位客户近3个月月均AUM；找出连续两期逾期的客户
技术面	项目深挖 + 原理追问	逻辑回归为何适合做评分卡；样本不均衡怎么处理；KS怎么算
业务面	开放式场景题	“信用卡分期转化率下降，你怎么分析？”“如何识别潜在流失客户？”
终面	动机与稳定性	为什么选银行；能否接受分行轮岗

场景题可按“确认口径 → 拆解维度（客群、渠道、产品、地区）→ 定位环节（触达、申请、审批、放款/使用）→ 内外因排查（政策、利率、竞品 vs 策略、系统、风控收紧）”四步回答，最后落到可执行的建议。

图5  银行秋招的典型节奏

需要提醒的是，不少银行的网申会在10月中旬前后截止。如果你还没投，优先投递，边投边准备笔试，SQL和金融基础知识是性价比最高的两项。

05  关于证书：银行相对重视

银行体系对 CDA 数据分析师证书的认可度高于很多行业，内部也常有自己的认证体系。但在校招筛选中，学历、实习、笔试成绩仍是主要依据，CDA 证书只是加分项。

数据方向的同学如果希望系统梳理分析知识，可以考虑 CDA 数据分析师认证（Level I），CDA 大纲覆盖分析方法、统计分析、SQL应用、指标体系构建等内容，与业务数据分析岗的要求较为贴合；有志于风控建模的同学，可在此基础上进一步学习建模相关内容。建议把 CDA 证书当作查漏补缺的学习路径。

06  写在最后

银行的数据岗节奏比互联网稳，但门槛并不低：它要求你既会写SQL、懂模型，又理解金融业务和监管边界。先选准方向——业务分析、风控建模、BI还是数据开发——再有针对性地准备，秋招会少走很多弯路。

参考资料

· 新华网：《1800亿元加码金融科技 13家上市银行大模型应用爆发式增长》（2026-04）

· 中国银行：2026年全球校园招聘公告（2025-09-05）

· 力扣社区：招商银行信用卡中心数据分析岗（风险量化/业务策略）招聘信息

· 超级简历：交通银行2026届金融科技岗面试经验；中国平安2026届数据分析师校招面经

· CDA 银行业内训与项目资料（零售金融数字化人才训练营、数据应用项目辅导方案、风控建模案例等）

· CDA 数据分析师为农商联合银行科技子公司“大数据卓越专家认证体系”采购招标文件（2023）