✍️ [ 5 個你可以記住的執行數據分析專案的關鍵步驟 ]
這與是不是技術人員無關，只要你做的事情需要透過 #數據驅動成果，那你就需要了解這個流程。
-
如果你剛好是以下的角色，那讀完肯定對你有幫助：
-
🧑🦰數據分析專案經理
➡️ 你可能需要理解所謂的數據分析產品與服務要經過哪些流程，以便於拆解管理專案工作計畫與專案時程，並找到合適職能的工作者一起來完成這個專案。
👩🦰參與數據分析專案的數位行銷人
➡️ 我在猜已經不少數位行銷的人已不知不覺跨界到數據分析領域了，不論你是用 google sheet/Excel ，或是已經開始學習商業智慧報表工具 (Data Studio/Tableau/PowerBI)，那你就更方便可以完成數據分析題目，因為使用商業智慧工具的操作過程也需要有數據分析流程的 mindset 喔。
🧑🦱參與數據分析專案的技術人
➡️ 那就更不用說了，你要開始用大局的角度思考數據分析專案，要知道你演算法跑到天荒地老到底是在解決什麼問題，讓你花的心力可以真正跟老闆或其他 stakeholder 看得懂的成效成正比。
👧你還沒工作，或想要開始轉換到數據分析領域，需要一些經歷來證明自己
➡️ 很多人都會問我，我都沒相關工作經驗那怎麼辦？我要如何走向數據分析領域？
✔️這就是最好的解答 - 「#累積數據作品集」，不要責怪周遭沒有真實的數據，現在已經有太多外部的公開數據可以使用，只要拿到你有興趣的數據，你就可以試著站在這些流程來做成作品集，切記，「定義商業問題」很重要！就算你下載的數據本身沒告訴你他的 #商業痛點 是什麼，你也可以 #試著自己想像商業痛點，並針對商業痛點對症下藥，那即使你沒有任何相關工作經驗，你也有機會讓面試官知道你有很紮實的數據分析思維與技術了。
-
如果還有其他更想知道的內容，歡迎留言或私訊我喔🙌
#資料科學知識 #資料科學 #AI #機器學習 #數據思維 #行銷科技 #預測 #資料科學與我們日常有關 #martech #數據分析流程 #數位足跡 #客戶生命週期 #ltv #成長行銷 #職涯建議
ltv法是什麼 在 [心得] 高成數房貸可能完蛋的不動產授信資本- 看板home-sale 的推薦與評價
今年12月底之後 不少銀行的房貸會改用新的
不動產授信風險新制 （簡稱LTV)
下面我簡單說明 保證讓你看得懂 這個房貸授信
新制會帶來什麼改變
—
計算銀行的資本適足率時，風險權數愈高，銀行須計提的資本愈多
補充 ：計算銀行的資本適足率時，風險權數愈高，銀行須計提的資本愈多，反之則愈少 ,
之前金管會在某年（確定時間忘了）為配合政府穩定房價政策，
一度將非自用住宅貸款的風險權數，從45%提高到現在的100%，以打擊炒房的投資客。
—
目前的 從不動產授信計提資本的風險權數非常簡單 只有
自用35%、非自用75% 兩種算法
簡單說 不管你房貸幾成，對銀行的風險權數是一樣的 ， 所以銀行會力推高成數房貸來放
款
—
最新的（LTV法）則是依貸款成數高低計算，
以住宅貸款為例，自用風險權數依序
是20%（貸款成數低於5成）、
25%（5~6成）、
30%（6~8成）、
40%（8~9成） 、
50%（9~10成）、
70%（10成以上）；
非自用是
30%、35%、45%、60%、75%、105% ，
平均來說 （實際算法非常複雜）
七成五以下，風險權數為35%；高於七成五
時，風險權數則提高到75%。
白話來說 ，只要你房貸超過七成五 ，銀行的計
提資本就會高於 舊的非自用風險權數一律75%
算法
—
不止房貸，土地建築融資計提資本規定也大幅變動，
新規定可避免銀行承作高成數房貸，因成數愈高，銀行計提資本愈多，相對不利。
--
Sent from my iPhone 7 Plus
○ PiTT // PHJCI
--
像以齒焚，犀以角斃；猩以血刺，熊以掌亡。
貂以毛誅，蛇以珠剖；狐以腋損，獐以臍傷。
匹夫何辜，懷璧其罪；只為冤魂，安然受戮。
是大丈夫，慷慨赴死；將這人間，留給俗流。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.136.142.124 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/home-sale/M.1607216610.A.C4C.html
... <看更多>