Finance Data Analysis

Provides AI-driven financial data analysis including KPI tracking, financial statement evaluation, data visualization, and automated reporting for decision s...

Financial Industry Data Analysis Expert / 金融数据分析专家

⚠️ SECURITY NOTICE

• Type: Educational reference / analytical framework ONLY
• 技能本身不包含可执行代码，文中 Python / SQL 片段均为教学示例，不会被本技能自动运行
• No persistent storage and no background execution — 本技能不创建、不写入、不读取任何文件
• No credential collection, no PII processing, no system access — 不接触数据库连接串、账号口令或生产数据
• All outputs require human review before real-world application
• NOT financial, legal, or insurance advice

⚠️ 数据安全警告

• 本技能仅提供金融数据分析的方法论参考框架，不执行任何代码或脚本
• 文中提到的市场数据查询、资金流向分析为教学方法论展示，不涉及实际的 API 调用或数据采集
• 使用者如将示例代码落地，须自行完成数据脱敏、权限审批与留痕，不得将客户身份信息、账户信息带入分析环境
• 所有分析结果仅供参考，不构成投资建议或审计意见

English: AI-powered financial data analysis — covers financial statements, KPIs, visualization, and automated reporting.

中文: 金融数据分析——覆盖财务报表、KPI、可视化、自动化报告。

适用范围与执行边界

项目	内容
属于本技能范围	指标口径设计、数据质量校验方法、归因与可视化选型、经营分析报告与看板结构
不属于本技能范围	投资建议与个股判断、代替业务系统自动取数、生产库直连操作、审计意见出具
数据最小化	只讨论完成分析必需的字段与粒度；不采集客户身份、账户、联系方式等个人信息
保存动作	报告、看板脚本、口径表等产出如需写入文件，必须先向用户预览并取得确认后再落盘
代码性质	文中 Python / SQL 为教学示例，供用户在自己的受控环境中运行；本技能不连接任何数据库、不执行代码、不读写文件
输出性质	方法论与模板，分析结论须经业务方与财务方复核后方可使用，不构成投资或审计意见

语言与适用辖区声明：以中文为主、关键术语保留英文，与主要适用辖区（中国内地持牌金融机构）的口径体系一致；本技能不覆盖境外监管统计口径。

---

金融监管与行业动态（截至 2026-10-13）

动态类型	内容摘要	对分析工作的影响	应对动作
监管合规	数据安全与个人信息保护要求在金融业持续压实，"最小必要"原则成为分析取数的默认前提	取数环节须可溯源、可解释；分析底稿需记录数据来源与使用范围	取数前填写用途与字段清单，交付时附来源与版本
监管合规	金融"五篇大文章"（科技、绿色、普惠、养老、数字金融）统计口径逐步细化	KPI 体系需与监管口径对齐，避免同一指标多口径并存	建立监管口径对照表，标注每个指标的统计来源
监管合规	反洗钱与可疑交易监控的数据要求持续加强	客户维度分析需区分"分析用"与"报送用"两套口径与授权	分析用与报送用分库分权，交付物标注用途限制
监管合规	理财与保险产品信息披露透明度要求提高	产品类经营分析需同时满足内部分析与对外披露两类口径	同一产品维护内部分析与对外披露两套字段集
行业趋势	经营分析从"报表解读"转向"指标归因 + 前瞻预测"	分析交付物需包含归因链条与情景假设，而非仅同比环比	交付物增加归因链条与情景假设两节
行业趋势	数据中台与指标体系治理成为金融机构标准动作	指标定义、口径、责任人需成体系管理，避免"同名不同义"	指标字典上线并指定唯一责任人
行业趋势	大模型辅助取数、解读与报告生成进入实用阶段	生成结果必须人工复核，数字与结论不得直接对外使用	生成结果标注「机器生成，待复核」后再进入复核流程
技术演进	湖仓一体与流批一体降低"日终批量"分析的时延	日频分析可向准实时演进，但对账与口径一致性要求同步提高	准实时指标增加对账环节与时点标记
监管合规	数据分类分级与出境评估要求在集团化机构内部传导（以官方最新发布为准）	跨主体共享分析底稿需先确认分级与授权	交付前核对数据分级标签与共享范围
行业趋势	分析资产（指标、口径、看板）开始纳入内部治理台账管理	分析交付物本身成为被治理对象	为看板与报表建立台账与变更记录

数据截止: 2026-10-13 | 来源：国家金融监督管理总局、中国人民银行、中国证监会、中国证券业协会、行业公开研究 本版补充：新增两条动态，其余条目随每轮复核；政策与口径以官方最新发布为准。 声明: 以上动态供参考，政策与口径以官方最新发布为准

---

Industry Pain Points / 行业痛点

Pain Point / 痛点	Impact / 影响	Solution / 本Skill解决方案	典型症状（用于自检）
数据分散	数据源多、系统异构，整合耗时且口径不一	统一数据模型与指标字典	同一指标在三张报表里三个值
手工报表多	月报/季报重复劳动，易出错、难追溯	报告模板化 + 生成流程标准化	月报制作占用分析师过半工时且难以复用
分析浅	只看表面数字，缺归因与前瞻	三层归因分析框架	报告只有同比环比，被追问原因时无答案
可视化差	图表不直观，管理层读不出结论	图表选型对照表	管理层看完图表仍问「所以呢」
口径打架	同一指标各部门定义不同	指标口径与责任人矩阵	会议上一个指标争论十分钟
合规风险	取数越界、留痕缺失	数据使用纪律与留痕清单	说不清某份底稿是谁在什么时候取的
交付即过期	报告发出时数据已更新，结论被推翻	交付物标注数据截止时点与版本，并给出有效期	同一指标在不同日期的报告中数值不一致

---

Trigger Keywords / 触发关键词

English Triggers: build a KPI dashboard for a financial institution; design metric ' 'definitions and calibre for financial reporting; perform variance attribution on operating ' 'metrics; review data-quality checks for a financial dataset

English Non-Triggers: generic database administration, web/app analytics for consumer ' 'products, stock picking or trading signals

中文触发词（须落在金融机构的经营分析任务上才触发）：金融机构经营分析 / 财务分析口径设计 / KPI 追踪与看板搭建 / 指标归因与量价拆解 / 报表模板与自动化报告 / 数据质量校验规则 / 监管统计口径对齐 / 同比环比与预算差异分析

不触发清单

场景	不触发原因
只提到「数据」「分析」等泛化词	未落在金融机构经营分析任务上
消费互联网的埋点与用户增长分析	行业与口径体系不同
股票、基金标的的买卖判断	属投资建议，超出本技能边界
要求直接连接生产库把数据跑出来	本技能不执行取数，只给方法与校验规则

---

Core Capabilities / 核心能力

1. Financial Analysis Templates / 财务分析模板

示例代码（仅供学习参考，非本技能自动执行）：

python

class FinancialAnalyzer:
    """财务分析引擎（教学示例骨架）"""

    def income_statement_analysis(self, data: dict) -> dict:
        """损益表分析：趋势 + 结构 + 质量"""
        return {
            "收入趋势": self._trend_analysis(data["revenue"]),
            "毛利率分析": self._gross_margin_analysis(data),
            "费用结构": self._expense_breakdown(data),
            "利润质量": self._profit_quality_analysis(data),
        }

    def ratio_analysis(self, financial_data: dict) -> dict:
        """比率分析：三大类核心比率"""
        return {
            "盈利能力": {
                "毛利率": financial_data["gross_profit"] / financial_data["revenue"],
                "净利率": financial_data["net_profit"] / financial_data["revenue"],
                "ROE": financial_data["net_profit"] / financial_data["equity"],
            },
            "运营效率": {
                "存货周转": financial_data["cogs"] / financial_data["inventory"],
                "应收账款周转": financial_data["revenue"] / financial_data["ar"],
            },
            "偿债能力": {
                "流动比率": financial_data["current_assets"] / financial_data["current_liabilities"],
                "资产负债率": financial_data["total_liabilities"] / financial_data["total_assets"],
            },
        }

sql

-- 示例：月度经营指标口径对齐查询（教学示例，未连接任何真实库）
SELECT 月份,
       业务线,
       SUM(保费收入)                     AS 保费收入,
       SUM(已赚保费)                     AS 已赚保费,
       SUM(赔付支出)                     AS 赔付支出,
       ROUND(SUM(赔付支出) / NULLIF(SUM(已赚保费), 0), 4) AS 综合赔付率
FROM   dwd_经营明细
WHERE  月份 BETWEEN '2026-06' AND '2026-08'
  AND  数据版本 = '月结最终版'          -- 口径冻结标记，避免"月中数"混入
GROUP  BY 月份, 业务线
ORDER  BY 月份, 业务线;

要点三条（实操最常踩）：

1. 先锁口径再取数——同一个"保费收入"可能是签单口径、承保口径或已赚口径，务必在取数前书面确认。
2. 区分时点表与时期表——资产负债表项目是时点值（期末），损益表项目是时期值（区间），混算必错。
3. 比率分母不得为零或负——用 NULLIF 或显式判断兜底，否则报表会出现 inf 或符号颠倒。

调用示例（示意，仅演示返回结构）

text

分析对象：某寿险公司 2026 年 8 月经营数据（月结最终版）
输出结构：
  收入趋势     → 近 12 个月序列 + 同比 + 环比
  毛利率分析   → 分业务线毛利率与同比变动
  费用结构     → 费用率拆分（固定/变动）与占比
  利润质量     → 经营性利润占比、一次性损益剔除前后对比
  比率分析     → 盈利能力 / 运营效率 / 偿债能力三组
复核要求：上述四项均须由业务方与财务方各复核一次，并留存复核记录

第二条 SQL 示例：同比环比与分母兜底（教学示例，未连接任何真实库）

sql

-- 分母为空时返回 NULL，避免出现除零或 inf
SELECT 月份,
       业务线,
       SUM(保费收入)                                             AS 本期,
       LAG(SUM(保费收入)) OVER (PARTITION BY 业务线 ORDER BY 月份) AS 上期,
       ROUND(SUM(保费收入) / NULLIF(LAG(SUM(保费收入))
             OVER (PARTITION BY 业务线 ORDER BY 月份), 0) - 1, 4) AS 环比
FROM   dwd_经营明细
WHERE  数据版本 = '月结最终版'
GROUP  BY 月份, 业务线;

2. Dashboard Templates / 数据看板模板

python

DASHBOARD_TEMPLATES = {
    "CFO驾驶舱": {
        "audience": "董事会 / 经营班子",
        "refresh": "月度为主，关键指标日频",
        "widgets": [
            {"type": "kpi_card",  "metrics": ["营收", "利润", "ROE"]},
            {"type": "line_chart", "data": "收入趋势"},
            {"type": "bar_chart", "data": "各业务线收入"},
            {"type": "waterfall", "data": "利润变动归因"},
            {"type": "gauge",     "data": "KPI完成率"},
        ],
    },
    "业务分析看板": {
        "audience": "业务条线负责人",
        "refresh": "周度 / 日频",
        "widgets": [
            {"type": "funnel",    "data": "转化漏斗"},
            {"type": "heat_map",  "data": "客户活跃度"},
            {"type": "pie_chart", "data": "客户分布"},
            {"type": "trend",     "data": "关键指标趋势"},
        ],
    },
    "风险与合规看板": {
        "audience": "风控 / 合规负责人",
        "refresh": "日频，关键阈值实时告警",
        "widgets": [
            {"type": "kpi_card",  "metrics": ["超阈指标数", "待处置事项"]},
            {"type": "trend",     "data": "关键风险指标趋势"},
            {"type": "bar_chart", "data": "各条线合规事项分布"},
            {"type": "table",     "data": "超阈明细与处置状态"},
        ],
    },
}

看板配置要点与示例

要点	说明	示例
先定受众再定刷新频率	董事会看月频，业务线看周/日频	CFO 驾驶舱月度为主、关键指标日频
每张图回答一个问题	一图多义会让管理层读不出结论	利润变动只用瀑布图表达加减关系
指标卡必须带目标值	无参照的数字无法判断好坏	KPI 完成率用仪表盘而非纯数字
超阈事项给出处置入口	看板应指向下一步动作	风险看板附超阈明细与处置状态表

3. 指标体系与口径矩阵

分析层级	典型指标	口径要点	责任部门	常见口径冲突
规模	保费收入、资产总额、客户数	时点 vs 时期；含税 vs 不含税	财务 / 业务	签单口径 vs 承保口径 vs 已赚口径
效益	综合成本率、费用率、ROE	分子分母同口径、同期间	财务 / 精算	综合成本率分子是否含再保摊回
质量	退保率、继续率、赔付率	分母统一为已赚口径	精算 / 业务	退保率分母用期初还是平均
效率	人均产能、单均成本、周转天数	人力口径需与 HR 系统一致	人力资源 / 财务	人均产能是否含外包与实习生
结构	产品结构、渠道结构、区域结构	占比之和须为 100%（含"其他"）	业务 / 战略	占比之和是否含「其他」项
前瞻	准备金、剩余边际、隐含价值	需注明精算假设版本	精算	精算假设版本是否标注
合规	报送及时率、数据质量得分、整改完成率	以监管统计口径为准，内部口径不得替代	合规 / 数据管理	内部管理口径与监管报送口径混用

口径管理三条铁律：

1. 每个指标有且只有一个口径定义书，含公式、数据源、更新频率、责任人。
2. 口径变更必须版本化并在报表脚注标注生效月份，避免前后不可比。
3. 同名不同义的指标必须改名（如"新单保费（签单口径）"），不得靠口头解释。

4. 数据质量校验维度

维度	检查内容	典型校验规则	处理动作	实现方式（示意）
完整性	是否有缺失记录/空值	主键非空、日切分区齐全	回溯补数或标注"数据不全"	分区行数与预期行数比对；非空率统计
唯一性	是否有重复	主键唯一、去重前后行数比对	定位重复源，去重留痕	主键 count(distinct) 与总行数比对
准确性	数值是否落在合理区间	比率在 0–1、金额非负	异常值单独列出，不静默剔除	区间断言与符号断言
一致性	跨表/跨系统是否一致	总分核对、明细汇总对总账	差异挂账，注明待查	总分核对：明细汇总 = 总账
及时性	是否在约定时间到位	分区更新时间戳检查	标注数据版本与截止时点	分区时间戳与 SLA 比对
有效性	是否符合业务约束	日期不外溢、枚举值在字典内	剔除或映射，并记录映射表	字典表关联与日期边界断言
可比性	跨期是否可比	口径版本一致、无跨版本混算	标注口径变更月份，必要时重述历史	比较两期的口径版本号是否一致

5. 归因分析框架（三层下钻）

层级	问题	方法	输出
第一层：是什么	指标变了多少？	同比 / 环比 / 预算差异	差异金额与差异率
第二层：为什么	变化由哪些因素构成？	量价拆解、结构拆解、贡献度分析	各因素贡献额与贡献占比
第三层：怎么办	哪些因素可控？	可控/不可控分离、敏感性测算	建议动作与预期影响区间

量价拆解示例（教学口径）：

• 收入变动 = 量变动贡献 + 价变动贡献 + 结构变动贡献 + 交叉项
• 量价交叉项必须单独列示，不得并入任一项，否则贡献度之和会失真。

量价拆解数字示例（教学口径，数字为示意）

text

上期：件数 10,000 件 × 件均 1,000 元 = 1,000 万元
本期：件数 12,000 件 × 件均 1,050 元 = 1,260 万元
变动：+260 万元

量贡献 = (12,000 - 10,000) × 1,000 = +200 万元
价贡献 = (1,050 - 1,000) × 10,000 = +50 万元
交叉项 = (12,000 - 10,000) × (1,050 - 1,000) = +10 万元
校验：200 + 50 + 10 = 260 万元 ✓

常见错误：把交叉项并入量贡献，导致「量贡献 210 万、价贡献 50 万」，两项之和虽仍为 260 万，但量价各自的解释力失真，归因结论会误导资源配置。

6. 可视化选型对照表

分析目的	推荐图表	不推荐	原因
看趋势	折线图、面积图	饼图	饼图无法表达时间维度
看结构	堆叠柱、条形图	3D 饼图	3D 扭曲比例感知
看对比	分组柱、子弹图	雷达图（超 5 维）	维度多则不可读
看归因	瀑布图、桥图	折线图	折线无法表达加减关系
看分布	箱线图、直方图	均值单点	均值掩盖分布与长尾
看相关性	散点图、气泡图	双轴折线（量纲差异大时）	双轴易造成虚假相关
看达成	仪表盘、进度条	纯数字	缺少目标参照
看排名	排序条形图	饼图	扇区角度难以比较相近名次
看构成随时间变化	堆叠面积图	多张饼图并列	无法连续比较多个时点
看完成进度	子弹图	双仪表盘并列	双表盘占用空间且难以对齐目标线

---

Reference Workflows / 参考工作流

Workflow A：月度经营分析报告（标准路径）

1. 明确问题——本次要回答哪 3 个问题？避免"什么都写"。
2. 锁定口径与数据版本——书面确认指标定义、数据截止时点、版本标记。
3. 数据校验——按第 4 节六维度过一遍，输出校验清单。
4. 分析——先第一层差异，再第二层归因，最后第三层建议。
5. 成文——结论先行，图表附后，口径与数据源在脚注写明。
6. 复核——由业务方与财务方各复核一次，留存复核记录。

示例：本次要回答的三个问题（示意）

text

Q1：8 月保费收入同比下滑，是量的问题还是价的问题？
Q2：综合成本率上升，主要来自赔付端还是费用端？
Q3：若维持当前趋势，全年达成率的缺口有多大？
对应动作：Q1 走量价拆解，Q2 走结构拆解，Q3 走情景假设（给出区间而非单点）

Workflow B：指标体系搭建（从零开始）

步骤	动作	交付物	常见卡点与对策
1	梳理管理层最常问的 10 个问题	问题清单	问题过散 → 收敛到 10 个问题并按决策频率排序
2	把问题翻译成指标	候选指标池	指标重复 → 合并同义指标，保留使用率最高者
3	为每个指标写口径定义书	指标字典	口径书写不完整 → 强制包含公式、数据源、频率、责任人四要素
4	指定数据源与责任人	数据源映射表	数据源责任人不明 → 每个指标只指定一个责任人
5	试跑并核对历史数据	历史回溯验证报告	历史数据缺失 → 先回溯可回溯区间，其余标注不可回溯
6	上线并建立变更流程	口径变更登记机制	变更无记录 → 建立变更登记与生效月份标注

Workflow C：临时取数请求处理

1. 确认请求方权限与用途（是否涉及客户信息）。
2. 确认口径与时间范围，避免反复返工。
3. 优先复用既有指标，不新建口径。
4. 交付时附数据说明（口径、截止时点、已知局限）。
5. 涉及敏感字段时脱敏或聚合，必要时走审批流程。

示例场景（示意）

text

请求：业务部要一份「近三个月高净值客户的产品持有明细」
处理：
  1. 确认用途为内部经营分析，非营销外呼 → 可行
  2. 确认是否需客户身份信息 → 否，改为按客户分层聚合
  3. 交付形式：分层聚合表 + 口径说明 + 数据截止时点
  4. 交付物标注：仅限本次分析用途，不得用于外呼与二次加工

---

常见误用与纠偏

误用	后果	正确做法
拿"月中数"当"月结数"	结论反复推翻	明确数据版本，只用冻结版本出结论
用同比解释结构性变化	误判为经营波动	结构变化优先做结构拆解
比率分母为零未兜底	报表出现 inf / 符号颠倒	分母加 NULLIF 或显式判断
时点值与时期值混算	逻辑错误且难发现	明确标注时点/时期，分别处理
异常值直接剔除	掩盖真实问题	单独列示并说明处置理由
只报均值不报分布	管理层误判风险	关键指标给均值 + 分位数
图表追求美观牺牲准确	误导决策	坐标轴从零起（柱图），标注口径
把模型输出当结论	合规与准确性风险	人工复核后方可对外使用
口径变更不重述历史	趋势线断裂误判为经营波动	变更生效月标注，必要时按新口径重述历史
看板指标越多越好	关键信号被淹没	每屏只保留一个核心指标与三个支撑指标

---

数据使用纪律（合规底线）

• 最小必要：只取完成分析所必需的字段，不"顺手"拉全表。
• 可溯源：每次交付附数据来源、口径、截止时点与版本。
• 不落地敏感数据：客户身份、账户、联系方式等不得导出至非受控环境。
• 脱敏优先：能聚合不取明细，能脱敏不取原始。
• 留痕：取数请求、审批、交付物留存记录，以备审计回溯。
• 不用于非申报用途：分析结果不得用于未经授权的营销外呼、二次加工或对外发布。
• 交付物落盘前的两步确认：先把报告/看板全文预览给用户，说明数据范围与已知局限；取得用户明确确认后再写入文件或导出，避免把未经复核的中间结果留在共享目录。
• 中间结果留存期限：临时抽取的数据与中间表应设留存期限，到期清理；确需长期保存的应纳入机构的数据资产登记。

本节为方法学提示，具体授权范围、审批层级与留存要求以所在机构制度为准。

---

Disclaimer

This skill provides data analysis methodology for educational purposes. 文中代码与查询均为教学示例，不含任何真实数据源、连接信息或执行能力；所有分析结论在用于决策前须经人工复核。