求職意向
數(shù)據(jù)分析 廣東深圳 薪資面議 隨時到崗
教育背景
2020.x -2020x 錘子簡歷大學(xué) 計算機(jī)科學(xué)與技術(shù)
曾擔(dān)任校心協(xié)副主席一年，榮獲“校優(yōu)秀團(tuán)員”等榮譽(yù)稱號
工作經(jīng)驗
2020.x -2020x 前海人壽互聯(lián)網(wǎng)金融業(yè)務(wù)中心 數(shù)據(jù)分析
工作內(nèi)容：
- 負(fù)責(zé)日常運(yùn)營指標(biāo)的整理和監(jiān)控，制訂細(xì)分的運(yùn)營策略：負(fù)責(zé)部門用戶數(shù)據(jù)指標(biāo)，根據(jù)商城用戶數(shù)據(jù)制作相關(guān)項目分析報告，包括數(shù)據(jù)日報、周報、月度分析報告，以圖表、PPT方式展示，并針對用戶新增、注冊、轉(zhuǎn)化、留存等流程提出可執(zhí)行性運(yùn)營策略；
- 完成13次增粉專題活動分析及5次銷售專題分析，優(yōu)化專題活動運(yùn)營方案：進(jìn)行各種數(shù)據(jù)分析處理，針對運(yùn)營表現(xiàn)較差的板塊加工有用信息為活動組開展增粉活動提供活動優(yōu)化依據(jù)，活動組采納后，提升活動增粉數(shù)提升5%-10%；
- 響應(yīng)業(yè)務(wù)方數(shù)據(jù)數(shù)據(jù)需求，完善數(shù)據(jù)統(tǒng)計平臺：發(fā)現(xiàn)數(shù)據(jù)需求，與相關(guān)同事溝通數(shù)據(jù)采集及數(shù)據(jù)展示報表開發(fā)工作，撰寫數(shù)據(jù)報表開發(fā)需求文檔，溝通確保報表按期上線，現(xiàn)已上線9張數(shù)據(jù)展示報表。
項目經(jīng)驗
2020.x -2020x 提升支付成功率專題分析
- 項目目標(biāo)：尋找訂單支付成功率低的原因并尋找方法提升支付成功率；
- 項目背景：微信商城在長期停售之后新上線了意外險產(chǎn)品，但產(chǎn)品訂單支付成功率較低；
- 工作內(nèi)容：系統(tǒng)報表提數(shù)和向產(chǎn)品運(yùn)營同事了解銷售情況，向IT同事提取訂單客戶數(shù)據(jù)及頁面瀏覽訪客信息后，針對轉(zhuǎn)化較差的兩個板塊加工有用信息并向典型客戶進(jìn)行電話調(diào)研；
- 項目成果：1.尋找到無法使用微信支付、產(chǎn)品本身吸引力有欠缺及支付流程存在多余步驟等原因，撰寫專題分析報告反饋產(chǎn)品組同事；2.經(jīng)產(chǎn)品組綜合討論，決定加快微信支付功能上線并減去職業(yè)選擇等多余環(huán)節(jié)，并將保障自駕游等用戶需求放入下期意外險開發(fā)內(nèi)容之中；3.首期改版后訂單支付成功率提升了20%-25%，微信支付功能上線后訂單支付成功率提升50%；
- 本人負(fù)責(zé)：訂單轉(zhuǎn)化數(shù)據(jù)及流量數(shù)據(jù)研究與分析，針對轉(zhuǎn)化較差的信息填寫及支付流程進(jìn)行用戶調(diào)研，支付成功率最終提升50%，本人較好完成了分析任務(wù)。
2020.x -2020x 前海人壽錦繡江南門店訪談
- 項目目標(biāo)：通過與門店人員、小區(qū)工作人員訪談，周邊環(huán)境觀察，了解門店周邊人群的生活習(xí)慣、財產(chǎn)及保險相關(guān)理念，以及門店相關(guān)運(yùn)營策略；
- 工作步驟：1.與門店及小區(qū)人員約定好訪談時間并通知相關(guān)人員；2.收集好門店、小區(qū)資料并整理好問題；3.與門店及小區(qū)人員訪談；4.觀察小區(qū)周邊環(huán)境并交流意見；5.撰寫訪談總結(jié)并發(fā)送相關(guān)同事。
- 個人負(fù)責(zé)：訪談時間及地點(diǎn)的確定，訪談總結(jié)的撰寫。
2020.x -2020x 4月商城用戶行為分析報告
1.項目背景：在18年4月份微商城銷售不力及新品上線的情況下，本次報告研究流量數(shù)據(jù)，分析商城流量趨勢規(guī)律及產(chǎn)品轉(zhuǎn)化情況；
2.項目思路：從商城流量、訂單的整體趨勢探尋保單銷售規(guī)律，從購買流程漏斗圖找出主要問題關(guān)鍵點(diǎn)，并尋找解決方案，針對數(shù)據(jù)缺失部分（購買流程體驗、產(chǎn)品需求）抽取部分用戶進(jìn)行電話回訪；
3.項目成果：制作PPT并郵件發(fā)送相關(guān)同事及領(lǐng)導(dǎo)，相關(guān)建議均被采納。
2020.x -2020x 錘子簡歷信息技術(shù)有限公司
1.項目思路：本項目目標(biāo)是客戶價值識別，通過RFM模型和聚類算法來對客戶進(jìn)行細(xì)分；考慮到航空票價受距離和倉位影響較大，故本項目以會員注冊時間、最近一次乘坐飛機(jī)月數(shù)、次數(shù)、累計路程、折扣系數(shù)平均值五個角度對客戶進(jìn)行聚類劃分；
2.數(shù)據(jù)處理： （1）數(shù)據(jù)探索：發(fā)現(xiàn)原始數(shù)據(jù)存在票價為空值，票價為0、折扣率最小值為0、總飛行數(shù)大于0情況，占比僅為1%；（2）數(shù)據(jù)預(yù)處理：1.丟棄票價為空的數(shù)據(jù)；2.丟棄票價為0、平均折扣率和總飛行公里數(shù)不同時為0的數(shù)據(jù)；（3）屬性規(guī)約：刪除會員卡號等無關(guān)信息；（4）數(shù)據(jù)變換：對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理（該數(shù)據(jù)與平均值的差除以標(biāo)準(zhǔn)差）；
3.模型搭建：采用K-Means聚類算法對客戶進(jìn)行分群操作，分為5類，將折扣率較低、時間低、次數(shù)和里程都高的數(shù)據(jù)歸為重要保持客戶，將折扣率較高、時間低、次數(shù)和里程也低的數(shù)據(jù)歸為重要發(fā)展客戶，將折扣率較高，時間高或次數(shù)少的客戶歸為重要挽留客戶，折扣率低、時間高、次數(shù)及里程低客戶歸為一般客戶；
4.此項目為個人學(xué)習(xí)項目，從數(shù)據(jù)處理到模型搭建都為個人完成項目。
2020.x -2020x 金融反欺詐模型訓(xùn)練
1.數(shù)據(jù)來源：Lending Club平臺下載的2016年第四季度貸款數(shù)據(jù)文件，共75M，數(shù)據(jù)存在缺失比例較大，樣本不平衡情況； 2.數(shù)據(jù)預(yù)處理：刪除缺失比例超過40%和無意義變量，用unknown填充分類型變量缺失值，用均值插補(bǔ)的方法填充數(shù)值型變量； 3.特征工程： (1)特征衍生：使用月負(fù)貸和年收入兩個變量生成新變量：月還款比； (2)特征抽象：a.把貸款狀態(tài)編碼為違約=-1，正常=0；b.對多值有序變量工作年限和職級進(jìn)行編碼；c.用get_dummies()對多值無序變量進(jìn)行獨(dú)熱編碼； (3)特征縮放：選用標(biāo)準(zhǔn)法； (4)特征選擇:a.通過遞歸特征消除方法選擇30個與目標(biāo)變量相關(guān)性最強(qiáng)的特征；b.通過皮爾森相關(guān)性圖譜找出相關(guān)性較低特征并刪除至9個變量; 4.模型訓(xùn)練: (1)使用SMOTE過采樣方法處理樣本不平衡情況； (2)通過交叉驗證和grid_search對GBDT模型選擇最佳參數(shù)為：'C'=1000, L2和'min_samples_split':100, 'n_estimators':100,'learning_rate':0.1,'max_depth':3; (3)使用GBDT模型訓(xùn)練兵預(yù)估數(shù)據(jù)； 5.測試集準(zhǔn)確率為：86.25%，符合預(yù)期； 6.此項目為個人學(xué)習(xí)時練習(xí)的項目，從數(shù)據(jù)的預(yù)處理、模型調(diào)參到模型評估都為個人完成項目。
自我評價
- 熱愛金融行業(yè)，對銀行工作感興趣并有相關(guān)實習(xí)經(jīng)驗，有一定的市場敏感度，能夠為銀行提供相關(guān)的金融服務(wù)分析以及投資策略的建議。
- 對客戶心理有一定的洞察力，能夠及時反饋客戶意見，把握市場動向，與公司內(nèi)部各部門密切溝通，積極推進(jìn)公司的金融產(chǎn)品業(yè)務(wù)推廣活動。
- 良好的服務(wù)意識，能夠有效協(xié)助業(yè)務(wù)部門完成銀行相關(guān)數(shù)據(jù)收集、整理、分析與利用，并及時提供支持方面的業(yè)務(wù)。
- 良好的數(shù)據(jù)分析能力、規(guī)律分析能力，善于利用Excel建模。
內(nèi)容來源說明：本文章來自網(wǎng)絡(luò)收集，如侵犯了你的權(quán)益，請聯(lián)系QQ:2772182309進(jìn)行刪除。
http://90xin.cn/article/65119.html
