本书以金融数据分析师、金融数据产品经理岗位内容为基础，以金融数据处理全流程为框架，从金融数据自动化采集、数据清洗、数据存储、数据分析四个方面构建课程体系。主要面向职业专科、应用本科的经济、金融和大数据相关专业学生，同时适用学习金融数据处理相关知识的社会人员，培养宽视野、专技能的应用型人才。
全书共分为5个项目，15个任务。
项目1介绍了自动化数据采集及清洗的相关知识，包括应用程序接口采集数据的原理与规范、Python数据清洗、文本数据采集及自动化处理等。各任务章节以金融案例为背景，为从事金融数据处理的工作者打下坚实基础。
项目2以金融数据产品的设计、构建为主线，依次介绍了数据存储技术、数据库设计、数据整理存储和数据查询四个方面的内容。通过本项目，读者可系统地把握金融数据产品生产的主要过程。
项目3到项目5以金融数据分析为主题，分别从证券业、银行业、用户特征分析等角度，介绍了几种典型数据分析方法的应用，包括股票数据的统计性描述、时间序列分析、相关性分析，银行经营数据的线性回归分析、个人信贷违约数据的逻辑回归预测，用户行为数据的RFM模型和K-means分析模型。旨在帮助读者掌握金融机构中常见的分析方法，为读者将来步入相关行业打好基础。

项目1 AI自动化数据采集及清洗
任务1.1 数据接口的原理与规范
任务1.2 接口数据采集
任务1.3 结构化数据处理
任务1.4 文本数据处理
项目2 金融数据库搭建及使用
任务2.1 数据存储技术概述
任务2.2 数据库设计
任务2.3 数据存储
任务2.4 数据查询
项目3 证券业数据分析
任务3.1 收益率的描述性统计分析
任务3.2 金融数据时间序列分析
任务3.3 投资组合相关性分析
项目4 银行业数据分析
任务4.1 银行经营绩效的线性回归分析
任务4.2 银行信贷风险的逻辑回归分析
项目5 大数据用户特征分析
任务5.1 用户特征的RFM分析
任务5.2 用户特征的K-Means分析
附录 初识Python
参考文献