求職意向
數(shù)據(jù)分析師 浙江杭州 薪資面議 隨時(shí)到崗
教育背景
2020.x -2020x 錘子簡(jiǎn)歷大學(xué) 數(shù)學(xué)與應(yīng)用數(shù)學(xué)
工作經(jīng)驗(yàn)
2020.x -2020x 錘子簡(jiǎn)歷信息技術(shù)有限公司 數(shù)據(jù)分析
工作描述：
● 負(fù)責(zé)貸后數(shù)據(jù)分析，每日整體用戶逾期率，新老用戶逾期率，催回率及用戶資損率等各指標(biāo)同比監(jiān)控，以異常分析。
● 貸后數(shù)據(jù)分析：針對(duì)各委外催回率高低，可從催記數(shù)據(jù)得出分析結(jié)論，本人聯(lián)系率，三方聯(lián)系率以及本人、三方
聯(lián)系的間隙度等指標(biāo)，把這些數(shù)據(jù)指標(biāo)分析處理，可以得到一套貸后用戶的催收方法。比如聯(lián)系本人時(shí)候，我們聯(lián)系的頻率是怎樣，本人一天不能過(guò)多聯(lián)系，我們?nèi)绾魏煤美眠@一頻率，再是我們當(dāng)本人失聯(lián)時(shí)候，我們什么時(shí)候去聯(lián)系用戶三方，以及在聯(lián)系用戶本人及三方時(shí)我們?cè)撟⒁獾降脑捫g(shù)，這些都是催記數(shù)據(jù)中得出來(lái)的可借鑒催收技巧。在此過(guò)程中，我們匯總出一套催收指標(biāo)，如全失聯(lián)率，半失聯(lián)率，跳票率，承諾率，全失聯(lián)還款率，半失聯(lián)還款率，跳票還款率及承諾還款率。每天對(duì)這些數(shù)據(jù)進(jìn)行定時(shí)查看，可以預(yù)測(cè)出當(dāng)天回收數(shù)據(jù)的基本情況。
● 對(duì)貸后員工的績(jī)效考核：每個(gè)月初都會(huì)按照貸后回收數(shù)據(jù)進(jìn)行考核，考核的數(shù)據(jù)標(biāo)準(zhǔn)，按照計(jì)件、金額進(jìn)行求平均考核，單單計(jì)件會(huì)有新老用戶區(qū)別，單單金額也受金額大小影響，所以取兩指標(biāo)平均值。
● 對(duì)于貸前數(shù)據(jù)，要區(qū)分各渠道，從其注冊(cè)進(jìn)來(lái)，用戶注冊(cè)每一流程轉(zhuǎn)化率情況，定時(shí)每分鐘監(jiān)控，以防系統(tǒng)bug防止用戶流失，以及貸后數(shù)據(jù)指標(biāo)，從各渠道的每一流程的轉(zhuǎn)化率，逾期率，回收率，資損率等分析各渠道質(zhì)量好壞，便于風(fēng)控及時(shí)做調(diào)整。
● 協(xié)助每日財(cái)務(wù)數(shù)據(jù)核查：每日打款，回款數(shù)據(jù)匯總核查以及每單打款，每單回款明細(xì)核查；再是對(duì)于調(diào)整，減免的賬單數(shù)據(jù)核查。
● 從大量的用戶短信中分析出有效關(guān)鍵字，作為決策特征參考以及如何在大量短信中找取價(jià)值用戶，以提高回收率降低資損。
● 從用戶還款數(shù)據(jù)中，了解用戶還款高峰期，以及用戶復(fù)貸率，若其中出現(xiàn)異常及時(shí)跟進(jìn)分析異常點(diǎn)緣由。
2020.x -2020x 錘子簡(jiǎn)歷信息技術(shù)有限公司 數(shù)據(jù)分析師
工作職責(zé)：數(shù)據(jù)分析
工作描述：
● 對(duì)APP數(shù)據(jù)，利用SQL抽取數(shù)據(jù)，結(jié)合Excel制作每日?qǐng)?bào)表模型，以Excel表格和圖形形式展示日、周、月、年度的發(fā)展趨勢(shì)和人群分析
● 對(duì)產(chǎn)品運(yùn)營(yíng)，活動(dòng)運(yùn)營(yíng)等數(shù)據(jù)進(jìn)行數(shù)據(jù)監(jiān)控，進(jìn)行分析統(tǒng)計(jì)。產(chǎn)品的迭代，活動(dòng)前后等形成數(shù)據(jù)監(jiān)控閉環(huán)，從數(shù)據(jù)層面給出反饋及后期營(yíng)銷策略。
● 對(duì)APP用戶行為數(shù)據(jù)，運(yùn)用數(shù)據(jù)分析思維并結(jié)合業(yè)務(wù)，挖掘出平臺(tái)高價(jià)值用戶，給業(yè)務(wù)部門進(jìn)行回訪，后期并對(duì)回訪數(shù)據(jù)進(jìn)行調(diào)研收集。
● 負(fù)責(zé)構(gòu)建用戶數(shù)據(jù)模型。如從用戶屬性，用戶愛(ài)好及用戶瀏覽路徑等層面，為個(gè)性化產(chǎn)品推薦提供數(shù)據(jù)層面支持。
2020.x -2020x 錘子簡(jiǎn)歷信息技術(shù)有限公司 數(shù)據(jù)分析專員
工作描述：
●
負(fù)責(zé)同花順手機(jī)炒股APP運(yùn)營(yíng)數(shù)據(jù)的分析工作，為運(yùn)營(yíng)和產(chǎn)品提供數(shù)據(jù)支持
。
● 負(fù)責(zé)國(guó)內(nèi)外上市公司、股票、基金、債券、外匯、期貨、宏觀、行業(yè)等各類金融相關(guān)數(shù)據(jù)的收集、整理、分類、加工。
● 負(fù)責(zé)金融數(shù)據(jù)終端產(chǎn)品數(shù)據(jù)庫(kù)的維護(hù)與更新，從事金融證券相關(guān)數(shù)據(jù)的加工和編輯。
項(xiàng)目經(jīng)驗(yàn)
2020.x -2020x 流失用戶回訪
項(xiàng)目描述：APP存在流失用戶，用數(shù)據(jù)對(duì)流失用戶進(jìn)行定義，對(duì)這些具有特定的用戶進(jìn)行用戶調(diào)研，回訪。
責(zé)任描述：對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行提取，把庫(kù)里用戶進(jìn)行定義標(biāo)簽
技術(shù)要點(diǎn)：
1、把SQL與Python進(jìn)行結(jié)合使用，利用Python實(shí)現(xiàn)數(shù)據(jù)清洗，可視化分析。
2、不同緯度的隊(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行提取，拆分等。
3、流失用戶的參調(diào)工作。
2020.x -2020x 數(shù)據(jù)挖掘 數(shù)據(jù)處理，分析
項(xiàng)目描述：對(duì)平臺(tái)上已加盟的商家店鋪，在美團(tuán)，餓了么等網(wǎng)上數(shù)據(jù)的展示，利用python抓取其在美團(tuán)的評(píng)分、評(píng)論數(shù)量，店鋪地址等數(shù)據(jù)，把相關(guān)數(shù)據(jù)以及變動(dòng)情況展示在app上面，使用戶更好體驗(yàn)。
責(zé)任描述：對(duì)美團(tuán)網(wǎng)站數(shù)據(jù)進(jìn)行爬蟲(chóng)，結(jié)合APP品牌數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，數(shù)據(jù)清洗， 最終模型的成型。
技術(shù)描述：
1、利用基礎(chǔ)python，對(duì)美團(tuán)數(shù)據(jù)進(jìn)行爬蟲(chóng)，獲取相關(guān)品牌數(shù)據(jù)。
2、用SQL對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)以及爬取的數(shù)據(jù)進(jìn)行預(yù)加工。
3、python和SQL結(jié)合，形成模型，給技術(shù)支撐，最終數(shù)據(jù)效果展示在APP頁(yè)面。
自我評(píng)價(jià)
◆ 對(duì)數(shù)據(jù)敏感，有良好的數(shù)據(jù)分析意識(shí)，業(yè)余時(shí)間積極參與數(shù)據(jù)算法的鉆研并運(yùn)用工作中，使在海量數(shù)據(jù)中挖掘有價(jià)值的數(shù)據(jù)規(guī)律。
內(nèi)容來(lái)源說(shuō)明：本文章來(lái)自網(wǎng)絡(luò)收集，如侵犯了你的權(quán)益，請(qǐng)聯(lián)系QQ:2772182309進(jìn)行刪除。
http://www.90xin.cn/article/315563.html
