招商银行股份有限公司校招科技岗面试经验——求职精灵（finsight.work）

科技岗的自我介绍要同时证明两件事：技术能干活，对金融有兴趣。

第一段，技术背景。学校、专业、主攻方向，一句话说清；接着讲一个最能代表能力的项目，说明你负责的模块、技术栈和结果。

第二段，金融兴趣。不要只说「我是招行用户」，要给出证据：做过金融风控课题、分析过银行业务数据、读过招行年报都可以。重点是说明这段经历让你对哪个业务场景产生了兴趣。

第三段，为什么是招行。给三个具体理由：科技投入在同业中领先、零售业务有丰富的数据和场景、科技岗有业务轮岗和培养体系。每个理由一句话，别展开成赞美。

最后收口：说明你能在哪个方向快速上手，比如后端开发、数据分析或风控建模。全程控制在两分钟内。

我的理解是：数字化转型不是把业务搬到线上，而是把「以网点和人工为核心」的模式，改成「以数据和 App 为核心」的模式。

从用户侧看，招行的两大 App 已经把还款、消费分析、理财购买等高频场景线上化，用户不必去网点。这一步拼的是产品体验和流量运营。

从风控与运营侧看，价值更深。传统授信依赖抵押物和征信报告，数字化之后可以用交易流水、消费行为等多维数据建模，实现快速审批的同时控制不良率。这一步拼的是数据质量和模型能力。

从 IT 架构侧看，是去 IOE、上分布式和云。核心目的是降成本、提弹性，让系统能扛住大促和峰值交易。

我认为最难的不是技术，而是组织和文化：让传统业务条线接受数据驱动的决策方式，比开发一个 App 难得多。招行的优势恰恰是管理层到一线对科技有共识。

银行风控主要面对三类风险，我会分类说，再讲技术能做什么。

信用风险是核心，指借款方无力或不愿偿还。传统手段是查征信、核收入、要抵押；技术手段是用交易流水、消费行为等多维特征做评分卡，用逻辑回归或梯度提升树预测违约概率，再根据风险定价。

操作风险来自内部欺诈、系统故障和流程失误。技术手段包括行为生物识别区分人机、实时交易监控做毫秒级判断、知识图谱识别团伙骗贷。

市场风险是利率、汇率波动带来的资产价值变化，通常由风险管理部门用 VaR 等模型量化。

最后补一句判断：技术提升了风控的实时性和覆盖面，但数据质量和模型可解释性仍是瓶颈。监管要求模型可解释，纯黑箱在银行场景会受限，这也是科技岗要理解业务的原因。

我会按「安抚—定位—解决—反馈」四步处理，核心是先解决客户的问题，再解决产品的问题。

第一步安抚。先真诚道歉，让客户感到我在认真听，而不是急着解释。请他具体说是在做什么操作时卡住，最好当面复现一遍。

第二步定位。区分是操作不熟悉、功能找不到，还是系统 BUG。操作问题当场演示一遍，告诉他每一步和有没有快捷入口；如果是 BUG，说明这是已知问题、正在修复，并给一个临时的替代方案。

第三步解决。能当场解决的当场解决；不能解决的给明确时间点，并承诺回访。不要让客户带着「不确定什么时候能好」离开。

第四步反馈。把问题通过内部渠道记录并转给产品团队，附上机型、版本和操作路径，推动真正的迭代。

最后感谢客户愿意反馈——愿意说出来的客户，比沉默流失的客户更有价值。

核心系统是银行最底层的业务处理系统，负责账户、存贷款、清算、利息计算等账务处理。手机银行、柜面、风控这些系统最终都要读写核心系统的数据，所以它对稳定性的要求极高。

传统 IOE 架构指 IBM 小型机、Oracle 数据库、EMC 存储。优点是成熟稳定，问题是成本高、扩展只能纵向加机器，扩容成本呈指数上升，而且技术受制于人。

去 IOE 的本质是用大量 x86 服务器、分布式数据库和开源中间件，把纵向扩展换成水平扩展：不够就加节点，而不是换更大的机器。这样既能降成本，也能提升弹性。

对银行的意义在于三点：一是支撑高并发，大促和峰值交易不再靠单机硬扛；二是降低长期 IT 成本；三是自主可控，减少对单一厂商的依赖。当然，分布式也带来一致性和运维复杂度的挑战，核心系统迁移通常要分步做，不会一次切完。

思路：这是完全背包变体，每种硬币可用无限次。dp[i] 表示凑出金额 i 的最少硬币数，转移为 dp[i] = min(dp[i], dp[i-coin] + 1)，dp[0] = 0，其余初始化为 amount + 1 作为不可能值。

int[] dp = new int[amount + 1];
Arrays.fill(dp, amount + 1);
dp[0] = 0;
for (int i = 1; i <= amount; i++)
    for (int coin : coins)
        if (coin <= i) dp[i] = Math.min(dp[i], dp[i - coin] + 1);
return dp[amount] > amount ? -1 : dp[amount];

复杂度 O(amount × 硬币种类数)，空间 O(amount)。边界：amount 为 0 返回 0；硬币为空或含 0 属于非法输入，需先和面试官确认约束。

我理解招行的金融科技战略有两个关键词：开放和智能。开放是把银行能力通过 API 输出到外部场景，智能是用数据和模型改造内部流程。

AI 应用有三个典型方向。智能投顾根据风险偏好和市场数据生成资产配置建议，底层是量化模型加机器学习；智能客服处理大量常见咨询，用 NLP 识别意图并自动回复，能显著降低人工压力；智能风控在交易和信贷环节做实时评估，响应时间要求到毫秒级。

大数据应用主要在三块。客户画像是整合存款、贷款、消费、理财数据做分层，支撑精准营销；反欺诈用图计算识别账户之间的关联异常，发现团伙欺诈；运营分析则用行为数据找流程断点，指导产品和体验优化。

最后补一句判断：银行做 AI 的约束比互联网多，模型要可解释、数据要合规、决策要留痕，所以工程能力和业务理解同样重要。

答题原则是：优势真实且与岗位相关，不足可信但不致命，改进有具体行动。

优势我选执行力。习惯在动手前把任务拆成可验证的小目标，明确完成标准，所以面对复杂任务不容易迷失，也能及时向团队同步进展。可以配一个例子：某个项目周期紧，我先把需求拆成必须上线和可以延后两部分，保证核心链路按时交付。

不足我选过度追求完美。时间充裕时会反复打磨细节，时间紧张时反而影响交付效率。意识到之后，我开始在每个任务开始时先定「够好」的标准，区分核心功能和锦上添花的部分，先保证核心完成，再考虑优化。

最后补一句：这个习惯还在改，但现在遇到硬截止时间，我会主动和协作方对齐优先级，而不是自己憋着打磨。

注意别选「我太追求完美」这种假缺点，也别选沟通能力差这类岗位硬伤。

这题的重点是「主动」：没人安排你，你自己发现了问题并推动解决。按 STAR 讲。

情境：实习期间，我发现公司的报销系统有一个漏洞——单据提交后超过 7 天未审批，系统会自动标记为通过并打款，但审批人可能只是忘了，不是真的同意。

发现与分析：我拉了 3 个月数据，发现每月约 3%～5% 的单据属于这种「被动通过」，其中一部分缺发票或金额异常，估算每月带来数万元的不必要支出。

行动：我没有直接上报领导增加流程，而是先做了一份分析报告，给两个方案——到期前一天自动提醒，或超时默认拒绝。我建议先做提醒，因为改动最小、阻力最低，并说明了预期效果。

结果：领导采纳，产品排期两周上线，被动通过比例从 3% 降到 0.3%，每月节省约两万元。

收尾点一句：主动不是越权，而是先把问题量化，再给出可执行的选项。

我会先承认对手的优势，再讲差异化，避免答成「招行更安全」这种空话。

承认事实：支付宝和微信支付在支付笔数、场景覆盖和用户习惯上有明显先发优势，日常小额支付基本被它们占据。

招行的优势在三个维度。第一，金融服务的深度。支付工具解决的是收付款，银行 App 管理的是财富——存款、理财、基金、保险、贷款、信用卡。招行在零售 AUM 上的积累，不是支付工具短期能追上的。

第二，信任与安全。银行有存款保险和国家信用背书，在大额转账、企业结算、长期理财这些高风险敏感场景，客户更愿意选银行。

第三，线下服务能力。网点加客户经理，能提供面对面的财富管理和复杂产品解释，这是纯线上平台缺的。

最后给判断：两者不是零和。用户在招行管大额资产，在支付工具里放零钱，长期会共存。招行的策略是守住财富管理这个高价值阵地，同时把支付体验补齐。