在过去的十年里，随着自动化技术的出现，科技
终成为jie出的金融机构，银行，保险和投资公司，股票交易公司，对冲基金，券商等公司的一部分。根据2013年的Crosman
报告，与2013年相比，银行和金融公司2014年在科技上的花费要高出4.2%。预计在2020年，一年的金融服务的技术成本将达到5亿美元。正值系统需要维护和不断升级的时候，一些着名的银行雇佣一些开发者是很正常的事情。
那么Python用在哪里呢?
Python的语法很容易实现那些金融算法和数学计算，每个数学语句都能转变成一行Python代码，每行允许超过十万的计算量。
没有其他语言能像Python这样适用于数学，Python精通于计算，以及数学和科学中的排列组合问题。Python的第二个特性是表示数字，序列和算法。比如SciPy库，很适合用来做技术领域和科学领域的计算，SicPy库被很多工程师，科学家和分析人员使用。NumPy，也是Python的一个扩展，它可以很好地处理数学函数，数组和矩阵。同时，Python也支持严格的编码模式，因此，使它成为一个平衡的选择，或者说方法。
使用更少的人达到相同的结果以及实现其他编程语言不能实现的事，是Python首要的优点。Python语法的jingque和简洁，以及它大量宝贵的第三方工具使它成为处理金融行业的错综复杂的事务的
可靠的选择。
Cititec(英格兰伦敦的职业介绍所)的技术招聘经理Stephen
Grant说：跨市场风险管理和交易系统都在使用Python(有时会混合使用c++)，很多银行从建立银行的前端到资产风险系统都会选择使用Python。使用Python的金融公司包括荷兰银行，德国证券交易所集团，Bellco信用社，摩根大通以及阿尔蒂斯投资管理。
Business Analyst
1.投行的金融或者技术部门
比如 Goldman Sachs、Barclays、JP Morgan等：
投行的数据分析师通常会处理金融交易数据，包括外汇、股票、大宗贸易数据，你需要和贸易方、销售、风控师、运营和银行打交道。
它的好处是很容易转到利润导向的前台部门，身边的同事通常也很聪明。它的缺点是压力很大，你需要长时间的工作。比如很多投行的数据分析师需要很频繁的开国际会议以顺应时差。
2.保险公司的数据科学部
比如AIG、METLIFE、CIGNA等：
通常这个岗位的工作是利用机械学习的技术以及统计模型简历估值模型。
它的好处是，保险公司普遍福利好，工作和生活能够比较好的平衡，不太需要过强的软实力。而弊病就是工作可能比较封闭，需要长时间的坐办公室。
3.四大的咨询部
四大的咨询是需要和客户沟通的，你需要去用数据来帮他们解决具体的问题。
如果你在四大工作的话，你会得到很好的项目管理锻炼，显着提升你的多任务推动能力以及快速累积不同行业的相关知识。比如一年里三个月学到健康行业，另外三个月学科技行业等。薪水一般也在行业平均水准以上。但是它的项目和客户是不定期的，所以时间将会
的紧凑。
4.基金公司的金融数据分析岗
通常需要做很多的量化工作：
数据分析在它们中的工作包括会计、客户管理、风控、业务方面的数据，它取决于你的具体业务，同时还包括数据研究，以及提供解决方案等。
在这里从事数据分析的好处是，他有更加灵活的时间，同时一般情况下都是大牛，福利也特别棒。但是，如果你想进去的话，你必须要有足够的投资管理知识和过硬的技术。
5.技术公司的数据分析岗位
比如Google的数据分析和金融公司相比，就会更加注重于用户的行为数据分析，包括聚类、分类分析，去解析用户的行为习惯。
它的好处是工作会很灵活，公司时刻都能接触到
的技术，不过会希望你有很好的技术，灵活运用各类数据库。