从德勤到大华银行，金融背景的她选择转型做数据分析

傅晓(Aileen Fu)是NUS商学院工商管理本科毕业生。大学期间，她主修会计和金融。大四期间，傅晓获得进入“四大”德勤的实习机会，2018年商学院毕业后，她顺利加入德勤，从事风控分析。2020年，她加入大华银行，继续运用专业的数据分析能力，成为一名数据分析师。

毕业三年时间，从四大到银行，两份令人称羡的工作，从事的还是自己最熟悉且擅长的数据分析工作，傅晓如何看待自己的职业发展？新国大商学院的知识积累为她提供了哪些优势？

傅晓与母校NUSBIZ进行了一次对话，分享个人的读书和工作体验。

校友简介

Aileen Fu | 傅晓

大华银行(新加坡)

人工智能、自动化、数据分析经理

新加坡国立大学商学院

工商管理(会计及金融)BBA2018届

1 从“四大”到银行

Q1 在大华银行担任数据分析师，你现在的工作日常是怎样的？

傅晓：我在大华银行主要从事合规和数据分析工作。合规方面主要是管控与银行相关的反洗钱风险和反恐融资风险(AML/CFT)。在调查期间，我们需要利用数据分析和金融知识来分析犯罪分子如何转移资金。

我的工作时间通常是朝九晚六，除非遇上特殊情况需要我和团队紧急处理。

在工作中我们主要使用SQL、R语言、Power BI(微软一款数据分析工具)和Qlik Sense(新一代自助式数据可视化工具)制作数据仪表盘，当然有时候也少不了用Excel。

Q2 在你看来，具备哪些能力在工作中会更有价值？

傅晓：构建人脉的能力——知道如何给人留下深刻的印象，并且展示自己。这一点其实是我进入德勤风险分析部门获得实习机会的关键。

此外，能够与人合作也是一项重要能力，这也是我在NUS商学院所学到的，很感谢母校。比如，在一些课程模块中，你无法选择队友，所以必须学习如何与不同的人合作。这对于我现在的工作很有帮助，因为我经常要与跨职能、跨部门的同事一起工作。

Q3 当年在德勤实习，毕业后获得全职的工作offer。能否分享一下你的实习经验，以及这段经验是如何为你铺垫后续职业发展的？

傅晓：刚进入德勤风险分析部门实习时，我还是一名数据分析领域的新手，但我还想试一试，为此还特别向学校申请了休学假。正是这次实习让我发掘了自己对数据分析的热爱，从而走上了现在的职业道路。

在这一点上，我想鼓励大家要大胆选择一份自己感兴趣的工作，不要做那种看似更安全的后备选择。

实习大多不要求工作经验，但最好通过相关课程获取一些背景知识。一定要抓住一切机会学习新知！当然，也不要贸然选择不感兴趣的工作。

Q4 为什么会加入大华银行？

傅晓：进入大华银行之前，我曾在德勤实习，并获得了德勤风险分析的全职工作。风险分析涉及非常广泛的领域，包含信用风险、市场风险和内部控制风险等，我们团队负责管理涉及数据分析的相关风险。

在德勤，风险分析部门更偏向咨询服务，这让我对风险管理有了更深入的了解，我还参与了德勤咨询项目的开发和实施。

在德勤两年后，我确定了自己希望精进的领域以及需要进一步提升的技能。因此我选择进入大华银行，在银行内部系统学习，进一步扩展在金融犯罪和数据分析综合领域的知识。

2 金融背景转型数据分析

Q5 对目前的工作，你最喜欢哪个部分？

傅晓：我非常热爱数据分析工作。工作能让我乐在其中，也能够让我深化自己在技术和商业领域的知识。

我并非计算机科学或统计学专业出身，所以在工作中能够从同事那里学到很多IT和软件开发的知识。同时，我也可以贡献自己在商业和金融方面的观点，这是我的专业领域。

Q6 从会计、金融专业向数据分析转型，你有没有遇到挑战？

傅晓：一开始，我觉得自己所学专业和数据分析相去甚远，但后来随着我接触到的项目越来越多，我也越来越感到适应。

程式语言的结构大多相同——大多数语言都有“for”循环或“if-else”条件判断句，他们只是语法不同，实际上都很相似。

不同的人学习方式也不同，有些人喜欢上网课，有些人喜欢在工作中、从同事身上学习，我属于后者。

当遇到一段代码时，我会试着去理解它、了解它如何运行，碰到问题或错误时，也会去谷歌上搜寻答案。

我认识的大多数程序员都会在浏览器上打开一个谷歌主页的标签，以便出现问题时进行故障排除。可见，善用网络搜索也是一项重要技能。

3 转型、入行，小提示

Q7 如果给希望从事数据分析这一行的同龄人一些建议，你觉得哪些能力比较重要？

傅晓：如果对这一行感兴趣，我建议先去实习。

实习期间，经常问自己一些重要的问题——如何增加价值和优化流程？例如，给你一个Excel表格，让你合并某些数据，你是否会选择手动计算?那么以后遇到同样的任务还要再重复吗?如果是这样，就有必要简化这个过程，避免重复。

概念验证也非常重要，因为它提供了实践经验和磨练技能的机会。

Q8 关于行业的未来机遇和挑战，你有什么看法？

傅晓：未来，数据分析师很有可能会被淘汰，只要设计出自动运行的数据分析软件，今后就能一劳永逸。

当前，数据清理对数据分析很重要，但随着数据输入质量的提高，今后它的工作量有望减少。数据分析师角色可能会朝着高级分析和数据科学方向发展，比如机器学习(ML)和人工智能(AI)，这些领域仍需人工团队来构建模型，并确定输入模型的数据。

对于刚接触编程和程式语言的人来说，第一步仍是学习基础分析，思考怎样利用它来改善日常分析流程。与此同时也要跟进最新趋势，未来的数据分析将会超越SQL或仪表板，即使如此，我也仍然需要向同行学习。

文章英文版首发于新加坡国立大学商学院官网BizBeat

原文标题为Alumni Spotlight Stories: Aileen Fu