建议具备「AI 熟练工」称号再学习,未达到时内容可能无法转化为行动,可先回能力进阶层补齐对应能力点。
AI 赋能金融数据分析全链路
- ✓掌握金融数据分析框架(数据在哪/怎么清洗/怎么看指标/怎么可视化/怎么下结论)。
- ✓会用 AI 搭四条工作流(数据清洗/指标拆解/可视化/分析框架)。
- ✓理解「AI 出图出表、人定口径下结论」在金融数据分析中的落点。
- ✓交付一套「金融数据分析学习成果包」。
第 1 章 · 金融数据分析框架:数据在哪、怎么用
先立分析的地图
1.1 金融数据分析的骨架
金融数据分析五步:①数据在哪(行情/财报/宏观数据的来源);②怎么清洗(处理缺失/异常/格式);③看什么指标(关键比率与趋势);④怎么可视化(图表呈现);⑤下什么结论(人解读判断)。前四步 AI 能大幅提速,第五步结论归人。
行情/财报数据以官方/权威数据源为准;课堂演示用教学模拟数据,明确标注,不冒充统计。
红线:数据清洗与解读中,口径(统计期间、是否剔除、空值处理)归人定;结论归人下——AI 只出清洗步骤、图表与指标。
我是金融数据分析学员,请帮我生成数据分析框架知识树: 1. 按「数据获取→清洗→财报拆解→行情可视化→解读结论」分级展开。 2. 每个节点给出关键动作、常见错误、口径判断归人提示。 3. 标注每个节点与我的目标(清洗记录 + 解读报告)的关系。 4. 输出为 Markdown 结构树,只依据教材通识,不得编造,不确定处标「待核」。
第 2 章 · 数据获取与清洗
脏数据进,干净数据出
2.1 清洗是什么:让数据可用的第一步
原始数据常是脏的:空值、文本数字混排、单位不统一、异常值。清洗=处理这些问题的过程,让数据「可用、可比、可算」。清洗前必须先定口径(期间、是否剔除、空值怎么处理),否则两种清洗两种结果。
哪些行要删(异常/重复)?哪些空值怎么补(0/删除/均值)?单位统一到什么?——口径先定,再让 AI 执行。
2.2 工作流①:数据清洗流程(AI 给步骤、人定口径)
三步走:①把表结构(列含义/格式问题)给 AI;②AI 给清洗步骤(去空值/统一单位/格式转换);③人核口径(是否含退款/期间/空值规则)后执行,抽验 3 行。
我是数据分析助手,我的表 A 列=日期、B 列=金额(含「元」与空格)、C 列=类型。请给清洗步骤:①去空格与文本格式统一成数字;②空值处理规则(按我口径:缺失按 0);③标出需要人工确认的异常值。**清洗口径由我先定,你给步骤,我核后执行并抽验。**
真实客户/个人信息禁止上传外网 AI,只用本地脱敏样本;空值/剔除规则人定。
第 3 章 · 财报数据与关键指标拆解
从三张表里读出经营密码
3.1 三张表与关键指标
财报核心三张表:利润表(盈利)、资产负债表(家底)、现金流量表(真金白银)。关键指标:盈利能力(毛利率/净利率/ROE)、偿债能力(流动比率/资产负债率)、成长性(收入/利润同比)、营运效率(周转率)。
先看你要回答的问题(赚钱吗?稳吗?成长吗?),再选对应指标。AI 能快速拆解指标,但「看哪个指标回答什么问题」的判断归你。
3.2 工作流②:指标拆解表(AI 拆、人定口径与解读)
三步走:①把财报摘要给 AI;②AI 按【盈利/偿债/成长/营运】拆关键指标并标口径;③人核指标计算口径、解读数字含义。
你是财报指标助手。请根据我提供的财报摘要,拆解关键指标:①按【盈利能力/偿债能力/成长性/营运效率】四组列指标;②每个指标给公式、数值、期间;③对口径不明确处列「待确认清单」。**指标选择与解读由我判断,你只做拆解。**
第 4 章 · 行情数据与趋势可视化
让数据会说话
4.1 可视化:图是数据的翻译
可视化把数字变成一眼能懂的形状:趋势用折线,对比用柱状,占比用饼图,分布用散点。选对图比画得漂亮重要——图要回答「你要给人看什么」。
坐标轴截断放大差异、把相关当因果、双轴误导。AI 能快速生成图表,但「图对不对、有没有误导」的核验归人。
4.2 工作流③:可视化图表(AI 出图、人核与选型)
三步走:①把数据与看什么目标给 AI;②AI 生成图表与说明;③人核坐标轴/口径/图型是否合适,必要时调整。
我是数据分析助手,我有月度行情数据(日期/收盘价)。请生成图表:①趋势折线图(标注最高/最低点);②月度涨跌柱状图;③说明每张图适合回答什么问题。**图型选择与图表核验由我,你的图只做初稿。**
第 5 章 · 数据解读与结论(判断归人)
数字背后的判断,只能是你
5.1 从数据到结论:判断归人
数据给的是事实,结论给的是判断:这个增长是真好还是季节性?这个下跌是风险还是机会?——同样一组数字,不同人会有不同结论,因为结论里带着「背景、目标、判断标准」。AI 能描述数据,但不能替你做判断。
①这个数字在什么背景下?(同比/环比/季节性);②异常点是真的还是数据错误?③与我的目标有关吗?④结论有没有过度推断?(相关≠因果)
5.2 工作流④:分析框架(AI 列框架、人下结论)
三步走:①把数据与你的分析目标给 AI;②AI 按【背景/趋势/异常/关联】列分析框架与要点;③人逐条核验后下最终结论。
我是数据分析助手,请根据我提供的行情/财报数据与目标,按【背景/趋势/异常/关联】列分析框架:每部分列事实要点(标数据与期间),不要替我下结论;对异常点列出需人工核验项。**最终结论与判断由我下,你只列事实框架。**
第 6 章 · 整合 + 学习成果包大作业 + 数据底线
交付你的数据分析起点
6.1 本章整合:四条工作流串成一套分析流程
本课四条工作流:数据清洗(ch2)、指标拆解(ch3)、可视化(ch4)、分析框架(ch5)。它们共用同一个内核——AI 做清洗/拆解/出图/列框架的机械环节,人定口径、核图表、下结论。
拿数据 → 定口径(期间/剔除/空值)→ AI 清洗 → 拆指标 → 出图 → 核异常 → 人下结论。每一步都标「AI 做/人定/人核」,你就有了可复用的分析流程。
数据底线:金融数据分析的核心是「口径归人、结论归人」。AI 可以算得快、画得美,但「怎么算、图对不对、结论是什么」是人的判断——真实客户数据禁止上传外网 AI,只用脱敏样本。
结业指引:完成 ch1~ch5 学习后,进入「金融数据分析学习成果包」大作业(6 维评分,≥85 分结业)。大作业交付物=数据分析框架知识树、数据清洗记录、可视化图表集、数据解读报告(含结论与核验记录)、岗位 AI 能力自评、钱景卡占位。结业测验 10 题(单选 6 + 多选 4)通过 ≥85 发放结业证书,结业认证会记录到你的学习档案。
我是金融数据分析学员,已完成学习成果包,请帮我做交付前自检: 1. 按成果包构成(框架知识树/清洗记录/图表集/解读报告)逐项对照我的产物给出达标自检表。 2. 对每条红线(AI 代答/数据造假/口径错误)逐项排查并给出自检结论。 3. 输出「待补强」清单与修改建议。 4. 输出为 Markdown 表格,只依据教材通识,不确定处标「待核」;最终交付判断归我。 [粘贴你的学习成果包]
课程大作业 · 交付「金融数据分析学习成果包」
围绕金融数据分析五步,交付一套完整的「金融数据分析学习成果包」:数据分析框架知识树、数据清洗记录、可视化图表集、数据解读报告、岗位 AI 能力自评。目标:证明你掌握了「AI 赋能金融数据分析」方法论,并有一份可直接投入分析工作的成果。
| 展示维度 | 说明 |
|---|---|
| 分析框架完整度 | 五步全流程覆盖、步骤清晰,标注「我梳理、AI 辅助」。 |
| 清洗与指标准确 | 清洗口径明确、指标公式正确、单位与期间规范。 |
| 结论归人 | 「AI 出图出表、人定口径下结论」记录真实;结论外包零容忍。 |
| 核验完整性 | 图表核验、异常回核记录完整。 |
| 完整可复用 | 交付物完整、可复核、可进作品集。 |
| 风险红线 | 无 AI 编造数据/结论外包;真实客户数据不上传外网 AI(零容忍项)。 |