1樓：Zero
網際網路企業非金融領域，從事資料分析工作。你說的幾個python+sql 是個比較完美的資料分析組合方案，sql用來取資料, python後期對資料清洗，視覺化，寫自動化指令碼或做爬蟲爬資料都比較方便。
2樓：鍵人
我從經驗角度來分享一下。
相關背景
城商行信用卡中心-資料部門-資料分析師
外資銀行-催收部-催收策略分析師
拿過大型信用卡中心風險政策經理offer
拿過互金公司風險政策經理offer
在信用卡中心工作時，風險部是主要對接部門之一，單純從技術來說，主要是SAS+SQL+Excel+PPT。
面試過的信用卡中心也是給出相同的說法，使用類似的技術。互金公司因為資料架構比較新，用的是HQL+Python+Excel+PPT。
目前所在的外資銀行的資料架構可能稍微落後，使用SAS+Excel+Access+PPT。由於資料是全集團共用，風險部大概率使用同樣資料。
總結一下，我接觸過的銀行機構基本都是基於SAS，互金等非銀金融機構比較傾向於開源的Python。
3樓：胖大山
從你提到的幾個軟體，我猜應該是做資料處理和分析方面的工作。
對於乙個新手，掌握python的語法大概需要兩周左右。
然後，再花兩周左右學習pandas和numpy等庫。可以參考python資料分析這本書。
然後，再花一周時間，可以學會sql的基礎知識。參考sql基礎教程這本書。
在python已經掌握的情況下，再花一周基本學會vba。參考楊洋老師的網課和深入學習vba一書。
然後，變練邊查，做幾個活以後，再把上面的書看一遍。基本上就掌握了。
所以說，上面這些軟體並不是相互排斥的。相反，學會了乙個再去學另乙個就會感覺輕車熟路，而且有助於你融會貫通。
4樓：KevinZhang
瀉藥。SAS：昂貴，主要用於風險管理建模
Python：萬金油，可以靈活搭建需要的應用VBA：主要是Excel做函式擴充套件或者自動化
5樓：dali chen
sas一年1000多美元，大點的公司不敢用盜版的一般就不用了。vba和python差不多，你要是pandas不能滿足你的使用需求就用xlrt之類的庫，一般的自動化文件編輯的活也能做。sql的話，如果不是私募要你自己搭乙個資料庫的話，其實大部分資料分析的活也能用pandas做。
建模用的最多的就是matlab和python，看團隊喜好。sas建模的我還是真沒聽說過，這玩意太硬核了，一般是銀行和藥廠用的多。軟體（除了sas）其實這些上手都不是特別難的，給兩個專案練練上手快的很。
還是把數學學學好，會計金融知識搞搞牢，這些是基礎。
6樓：發明者量化
既然樓主已經會用了一些Python,就再深入一些, 除了常用的資料處理庫之外, 也可以看看畫圖的相關庫, 畢竟資料展示也是重要的一部分。深入的方法是做一些資料處理的專案練習，網上開源的專案和教程很多。
另外資料庫的知識當然也要了解一些，其實會了程式設計之後都是相通的，並不會花太多時間。
另外如同其他答主所說，excel也是需要熟練的（excel很強大，特別是資料處理功能）。
既然想找風控相關的工作，各種風險管理的模型，Var，風險矩陣能專業知識還是要多了解。
純商科背景如何入門量化交易？
純商科背景如何入門量化交易？
作為一名金融學的研究生，如果從零基礎開始學量化投資，需要學哪些東西，做哪些東西？作為一名金融學的研究生，如果從零基礎開始學量化投資，需要學哪些東西，做哪些東西？
作為一名金融學的研究生，如果從零基礎開始學量化投資，需要學哪些東西，做哪些東西？
7樓：騎驢的小胖頭
從事金融風控工作還是具體要看目標崗位，不同的崗位對技能的要求都有所不同，個人覺得SQL是基礎技能還是需要掌握，python 和 SAS 建模崗位會有要求，具體使用什麼要看公司的要求，python的應用面會更廣，學習成本也是最高。
建議：
1.掌握基於 HIVE 和 MYSQL 的基礎SQL語法2.使用Python實操一遍評分卡的全流程，熟悉業務流程，掌握使用到的python包
3.SAS了解下基礎功能和適用範圍應用範圍：
SQL : 資料分析、結合excel的報表SAS：視覺化的建模
Python： 資料分析，建模
學習成本：
python > SAS > SQL
崗位需求：
建模崗位python/SAS
資料分析/策略：SQL
8樓：朱祺
都有用，python用來做資料探勘和資料視覺化，SAS集中於資料統計分析，SQL可能結合你的領域用的較少，主要作用在資料的提取，整合和清洗方面
9樓：
Excel最有用，屬於必備技能。其他都是選配技能而已。
非要三選一的話，應該是SQL重要些。不過也要看崗位。對於某些崗位可能很常用，但對於絕大多數崗位來說，可能永遠都用不上。
一般會計方向需要涉及一些SQL，但會計最主要是學做賬，學ERP。
語言方面，可以學學VBA。學Python完全沒用，浪費時間。至於所謂「Python強大的資料分析能力」，其實用Excel非常輕鬆就能實現。無論效果還是效率，雙雙碾壓。
SAS以後說不定會有用，但至少目前，沒見過有誰用。
10樓：堂吉可德
首先是資料庫，金融一般是oracle。
金融比較保守，然後系統也比較封閉，自己能發揮的不多，所以象python這種靈活的語言沒多大用處。
多了解通訊協議方面有好處，第三方tcp通訊會多些。
金融業衰落了嗎
簡短的回答是 是的。比較長的回答 金融業發展的根源是資源的不對稱，還有的是資源的壟斷和資訊的不對稱。資源的壟斷方面，搜一下Libra，未來金融業C2C可能會逐漸跳過傳統的金融業。資訊不對稱方面，資訊化 大資料 量化交易的影響也是越來越大。有什麼是永恆不變的呢？ 金融民工信託 結論是沒有衰落！中國金融...
金融業前景如何？
當前還在衰退期，未來必然有回公升期，和繁榮期以歷史經驗來說這兩個週期各10年左右。所以嘛青年可以一直乾到中年 中年還可以爆發下然後退休，或者提前退休也可以。金錢永不眠，所以金融這個行業會永遠存在。只是週期性會非常的強烈，特別是資本主義國家，08年美國金融危機，金融行業大規模裁員，但是其他行業不也是如...
金融業的GDP是如何計算的，金融業看似沒有實際產出，為什麼也創造了GDP？
許撩撩 銀行貸款1億元給某企業，利率為7 一年後企業還本付息1億700萬，盈餘100萬元。其中，700萬利息就是金融業創造的GDP。本質上講，利息是貨幣資本在資本主義生產過程中分配到的剩餘價值。如你所說，金融業看似沒有實際產出，這種表述其實就是馬克思在 資本論 中所說的 剩餘價值是生產領域的工人創造...