久久精品国产一区二区电影,久久精品国产亚洲av瑜伽,精品无人区一码卡二卡三,久草热8精品视频在线观看 ,久久99精品久久久久麻豆

簡(jiǎn)歷不僅是個(gè)人經(jīng)歷.技能和資質(zhì)的展示板，更是獲得實(shí)習(xí)機(jī)會(huì)的重要媒介。為了幫助大家更好地撰寫數(shù)據(jù)分析實(shí)習(xí)生簡(jiǎn)歷獲得實(shí)習(xí)機(jī)會(huì)，以下是我們整理的一篇數(shù)據(jù)分析實(shí)習(xí)生的簡(jiǎn)歷案例，歡迎大家參考收藏。

數(shù)據(jù)分析實(shí)習(xí)生簡(jiǎn)歷參考：

求職意向

求職類型：全職   

意向崗位：數(shù)據(jù)分析   

意向城市：廣東廣州   

薪資要求：面議   

求職狀態(tài)：隨時(shí)到崗   

教育背景

時(shí)間：201X.9-201X.6   

學(xué)校名稱：錘子簡(jiǎn)歷大學(xué)   

專業(yè)名稱：會(huì)計(jì)（本科）   

GPA：3.8/4.0 （專業(yè)排名前5%）

學(xué)術(shù)獎(jiǎng)學(xué)金：連續(xù)三年獲得校級(jí)一等獎(jiǎng)學(xué)金

校內(nèi)活動(dòng)：曾任學(xué)生會(huì)財(cái)務(wù)部部長，組織并成功策劃了兩次校內(nèi)財(cái)務(wù)知識(shí)競(jìng)賽

榮譽(yù)：被評(píng)為“優(yōu)秀學(xué)生干部”.“校園活動(dòng)積極分子”

主修課程：相關(guān)課程包括線性代數(shù).微積分.概率論.貨幣銀行學(xué).統(tǒng)計(jì)學(xué).財(cái)務(wù)會(huì)計(jì)學(xué).高級(jí)財(cái)務(wù)會(huì)計(jì).宏觀經(jīng)濟(jì)學(xué).證券投資學(xué).財(cái)務(wù)管理.經(jīng)濟(jì)法.計(jì)量經(jīng)濟(jì)學(xué).計(jì)算機(jī)應(yīng)用等。

工作經(jīng)驗(yàn)

時(shí)間：201X.7-至今   

公司名稱：錘子簡(jiǎn)歷工作經(jīng)驗(yàn)案例（1）   

職位名稱：數(shù)據(jù)分析師   

對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行日常監(jiān)控，構(gòu)建了包含30+指標(biāo)的業(yè)務(wù)指標(biāo)體系，實(shí)現(xiàn)了業(yè)務(wù)數(shù)據(jù)的實(shí)時(shí)反饋，成功提升了數(shù)據(jù)管理效率30%。

設(shè)計(jì)并實(shí)施了10+業(yè)務(wù)數(shù)據(jù)報(bào)表，滿足了業(yè)務(wù)部門的多樣化需求，業(yè)務(wù)數(shù)據(jù)產(chǎn)品化率提升至80%。

基于業(yè)務(wù)數(shù)據(jù)，完成了5次大型的業(yè)務(wù)探索性分析，為業(yè)務(wù)策略調(diào)整提供了有力的數(shù)據(jù)支持，其中3次建議被采納并實(shí)施。

協(xié)同3個(gè)部門，統(tǒng)一了數(shù)據(jù)指標(biāo)與口徑，推動(dòng)了業(yè)務(wù)部門的數(shù)據(jù)化運(yùn)營，使得業(yè)務(wù)部門能夠獨(dú)立運(yùn)用數(shù)據(jù)產(chǎn)品查看業(yè)務(wù)現(xiàn)狀。

構(gòu)建并迭代了線索評(píng)分卡模型，通過邏輯回歸模型篩選高意向線索，提升了線索轉(zhuǎn)化率20%。

根據(jù)資源庫數(shù)據(jù)，構(gòu)建了用戶畫像，為銷售團(tuán)隊(duì)提供了5類高意向客戶畫像，輔助銷售決策，提高了銷售轉(zhuǎn)化率15%。

時(shí)間：201X.9-201X.7   

公司名稱：錘子簡(jiǎn)歷工作經(jīng)驗(yàn)案例（2）   

職位名稱：數(shù)據(jù)分析師   

成功搭建并維護(hù)了本地DB2數(shù)據(jù)庫，運(yùn)用SQL.EXCEL.Python等工具，完成了10TB+的數(shù)據(jù)清洗和分析。

負(fù)責(zé)輸出了200+份業(yè)務(wù)分析報(bào)告，為業(yè)務(wù)團(tuán)隊(duì)提供了及時(shí).準(zhǔn)確的數(shù)據(jù)支持。

設(shè)定了5種合規(guī)模型進(jìn)行業(yè)務(wù)風(fēng)險(xiǎn)監(jiān)控，成功識(shí)別并處理了100+風(fēng)險(xiǎn)事件，減少了公司損失。

對(duì)銀聯(lián)業(yè)務(wù)進(jìn)行了深入運(yùn)營分析，包括業(yè)務(wù)異動(dòng).商戶入網(wǎng)審核時(shí)效等方面，提升了業(yè)務(wù)運(yùn)營效率10%。

完成了信用卡套現(xiàn).行業(yè)標(biāo)桿等研究項(xiàng)目，為公司提供了有價(jià)值的市場(chǎng)洞察。

通過永洪可視化系統(tǒng)，實(shí)現(xiàn)了業(yè)務(wù)異動(dòng)的T+1實(shí)時(shí)監(jiān)控，提高了風(fēng)險(xiǎn)應(yīng)對(duì)速度。

制作了10+自動(dòng)化報(bào)表，通過vba.python等工具連接本地庫，提升了周期性工作效率20%。

時(shí)間：201X.11-201X.8   

公司名稱：錘子簡(jiǎn)歷工作經(jīng)驗(yàn)案例（3）   

職位名稱：數(shù)據(jù)分析專員   

收集了公司產(chǎn)品相關(guān)數(shù)據(jù)，確立了完善的報(bào)表分析體系和數(shù)據(jù)分析模板，提升了數(shù)據(jù)分析效率。

建立了各車型安全庫存預(yù)警機(jī)制，指導(dǎo)制定了50+周生產(chǎn)滾動(dòng)計(jì)劃，確保了生產(chǎn)計(jì)劃的準(zhǔn)確性和及時(shí)性。

對(duì)各車型毛利情況進(jìn)行了跟蹤分析，為不同客戶制定了10+策略方案，提升了客戶滿意度和公司利潤。

通過時(shí)間序列分析，幫助公司合理選擇了5家供應(yīng)商，增加了議價(jià)空間，降低了采購成本5%。

項(xiàng)目經(jīng)驗(yàn)

時(shí)間：201X.6-至今   

項(xiàng)目名稱：錘子簡(jiǎn)歷（1）項(xiàng)目案例   

項(xiàng)目角色：主要負(fù)責(zé)人   

項(xiàng)目背景：銷售自拓線索缺乏目標(biāo)性，對(duì)高意向成單客戶的共性缺乏清晰的認(rèn)知，且需要通過用戶畫像和用戶特性對(duì)推廣投放側(cè)提供建議。

項(xiàng)目情況：根據(jù)銷售跟進(jìn)商機(jī)的轉(zhuǎn)化情況，對(duì)成單客戶的行業(yè).購買產(chǎn)品.解決方案需求.所在地區(qū)行業(yè)規(guī)模等商機(jī)信息通過聚類分析，給直銷城市的銷售提高TOP成單用戶的畫像和潛在成單用戶的畫像。

項(xiàng)目過程：根據(jù)業(yè)務(wù)線和商機(jī)客保情況選定數(shù)據(jù)集，依照現(xiàn)有的商機(jī)數(shù)據(jù)特征，結(jié)合業(yè)務(wù)經(jīng)驗(yàn)設(shè)定基礎(chǔ)屬性類標(biāo)簽，客戶行為類標(biāo)簽，客戶需求類標(biāo)簽等，結(jié)合成單商機(jī)的標(biāo)簽組合最終細(xì)分選定32類用戶畫像，結(jié)合各業(yè)務(wù)線自身情況最終選取TOP10轉(zhuǎn)化的用戶畫像；并結(jié)合成交商機(jī)的用戶畫像在未成單商機(jī)中再次尋找可以二次跟進(jìn)高成交概率的用戶，參照成交用戶畫像對(duì)應(yīng)的銷售話術(shù)，對(duì)于不同的用戶畫像提煉有利于于成單轉(zhuǎn)化的話術(shù)；

項(xiàng)目結(jié)果：已經(jīng)對(duì)直銷的城市提供了可二次跟進(jìn)的高意向的客戶和各用戶畫像成交概率較高的銷售話術(shù)，根據(jù)OS端銷售反饋整體商機(jī)轉(zhuǎn)化率在7%，高于預(yù)期的商機(jī)轉(zhuǎn)化率5%；且因公司新開發(fā)的解決方案在不斷新增，該項(xiàng)目依然在持續(xù)跟進(jìn)；

時(shí)間：201X.1-201X.12   

項(xiàng)目名稱：錘子簡(jiǎn)歷（2）項(xiàng)目案例   

項(xiàng)目角色：數(shù)據(jù)挖掘   

項(xiàng)目背景：線索庫中歷史沉淀的待清洗線索較多，銷售隨機(jī)清洗歷史線索挖掘有效線索的效率較低，現(xiàn)通過線索的特征進(jìn)行數(shù)據(jù)建模對(duì)每一條線索給出相應(yīng)的意向度評(píng)分

項(xiàng)目情況：根據(jù)線索庫中已有的線索特征，結(jié)合外部匹配的工商信息，對(duì)線索的價(jià)值評(píng)估打分，提升線索到有效線索的轉(zhuǎn)化率；

項(xiàng)目過程：根據(jù)業(yè)務(wù)線和線索時(shí)間選定數(shù)據(jù)集，通過已有的線索數(shù)據(jù)特征，結(jié)合業(yè)務(wù)經(jīng)驗(yàn)增加衍生特征，統(tǒng)計(jì)特征，異常數(shù)據(jù)清洗，對(duì)類別特征WOE編碼轉(zhuǎn)化，特征分箱處理，通過IV值篩選重要程度較高的特征，建立邏輯回歸模型，調(diào)整參數(shù)，結(jié)合混淆矩陣根據(jù)模型的精確率對(duì)模型進(jìn)行評(píng)估，最后根據(jù)概率進(jìn)行分值轉(zhuǎn)換，依照人員的線索清洗工作量，篩選出意向度大于60分的線索給到銷售跟進(jìn)；

項(xiàng)目結(jié)果：通過數(shù)據(jù)建模對(duì)于歷史線索再次分配，最終線索的線索轉(zhuǎn)化率從0.5%提升至2.7%；根據(jù)最近不同時(shí)間段的線索數(shù)據(jù)對(duì)模型進(jìn)行迭代，模型輸出線索的轉(zhuǎn)化率不斷提升；

時(shí)間：201X.2-201X.7   

項(xiàng)目名稱：錘子簡(jiǎn)歷（3）項(xiàng)目案例   

項(xiàng)目角色：主要負(fù)責(zé)人   

項(xiàng)目背景：為確保全國各分公司能及時(shí)對(duì)所屬片區(qū)機(jī)構(gòu)提交的商戶進(jìn)行審核，需要對(duì)各分公司的審核時(shí)效性進(jìn)行評(píng)估，并對(duì)審核超期的商戶進(jìn)行跟蹤分析，長期觀察分公司的審核時(shí)效是否有進(jìn)一步提升。

實(shí)現(xiàn)方式：通過編寫shell和sql腳本向上海信息總部提取一段時(shí)間的商戶入網(wǎng)數(shù)據(jù)，通過hive函數(shù)lateral view和explode及str_to_map取出機(jī)構(gòu)最終審核時(shí)間.分公司最終審核時(shí)間.總公司最后審核時(shí)間，通過unix_timestamp和from_unixtime等時(shí)間函數(shù)計(jì)算機(jī)構(gòu)審核時(shí)長.分公司審核時(shí)長，通過導(dǎo)入工作日的參數(shù)表對(duì)非工作日的審核時(shí)長進(jìn)行剔除，最終通過時(shí)效達(dá)成率，應(yīng)評(píng)估完成率.分公司平均審核時(shí)長等指標(biāo)對(duì)分公司審核時(shí)效進(jìn)行監(jiān)控。

輸出方式：數(shù)據(jù)廚房聯(lián)通永洪BI進(jìn)行可視化以周報(bào)的形式定期反饋，根據(jù)業(yè)務(wù)方的反饋對(duì)審核超期的商戶進(jìn)一步跟蹤分析。

時(shí)間：201X.9-201X.7   

項(xiàng)目名稱：錘子簡(jiǎn)歷（4）項(xiàng)目案例   

項(xiàng)目角色：主要負(fù)責(zé)人   

項(xiàng)目背景：為了規(guī)避新入網(wǎng)商戶存在違規(guī)交易風(fēng)險(xiǎn)，需事前建立一套評(píng)分模型系統(tǒng)用于對(duì)可能存在違規(guī)交易風(fēng)險(xiǎn)較大的入網(wǎng)商戶進(jìn)行限制。

主要負(fù)責(zé)事項(xiàng)：

根據(jù)業(yè)務(wù)方的需求和自身業(yè)務(wù)理解設(shè)定模型特征，由于細(xì)分維度較多，為了對(duì)入網(wǎng)商戶進(jìn)行更好的劃分分值權(quán)重，新增一個(gè)將商戶行業(yè)屬性和商戶所屬機(jī)構(gòu)和業(yè)務(wù)類型聚合的屬性。通過業(yè)務(wù)理解設(shè)計(jì)了模型特征，其中包括長期無交易商戶數(shù).直間聯(lián)交易占比.線上線下交易占比.觸發(fā)規(guī)則漏斗的商戶數(shù).入網(wǎng)通過的商戶數(shù).大商戶模式的商戶數(shù).違規(guī)刪除白名單的商戶數(shù).近期是否被限制等指標(biāo)，通過隨機(jī)森林對(duì)以上指標(biāo)的重要程度進(jìn)行降序分析，結(jié)合業(yè)務(wù)方給出的重要程度采用專家評(píng)分法確定權(quán)重。并設(shè)計(jì)紅線指標(biāo)，如疑似博彩商戶數(shù)量.近期是否被限制.機(jī)構(gòu)評(píng)級(jí)等指標(biāo)增加懲罰力度。通過匯總不同維度的相關(guān)商戶交易信息表生成最后用于輸出模型評(píng)分的大寬表。根據(jù)模型結(jié)果預(yù)測(cè)值和業(yè)務(wù)方的反饋對(duì)限制商戶的評(píng)分閾值進(jìn)行調(diào)整。

目前進(jìn)度：已將規(guī)則落實(shí)在規(guī)則引擎上，通過永洪可視化平臺(tái)以月報(bào)的形式進(jìn)行輸出，根據(jù)各部門的反饋再重新調(diào)節(jié)特征權(quán)重的相關(guān)問題。

自我評(píng)價(jià)

工具掌握 ：熟練掌握SQL(DB2,Mysql,sql server).Excel.Power BI.Python.Hive，能夠獨(dú)立完成數(shù)據(jù)分析報(bào)告撰寫的全流程工作，包括從數(shù)據(jù)提取.數(shù)據(jù)清洗.指標(biāo)設(shè)計(jì)到數(shù)據(jù)分析及可視化展示；熟悉hive常用函數(shù)，了解大數(shù)據(jù)平臺(tái)基本原理。

理論知識(shí)：理論知識(shí)掌握數(shù)理統(tǒng)計(jì)和數(shù)據(jù)挖掘相關(guān)知識(shí)，了解數(shù)據(jù)結(jié)構(gòu)與算法基礎(chǔ)，熟悉統(tǒng)計(jì)學(xué)概念及機(jī)器學(xué)習(xí)常見算法，包括隨機(jī)森林.K-Means.邏輯回歸.XGBoost.LightGBM.嶺回歸等，使用Sklearn進(jìn)行機(jī)器學(xué)習(xí)分類.回歸.聚類.降維分析等。熟悉信用評(píng)分卡模型.用戶價(jià)值分層模型.時(shí)間序列預(yù)測(cè)模型。

文/錘子簡(jiǎn)歷

精美簡(jiǎn)歷模板，來自錘子簡(jiǎn)歷:www.90xin.cn

錘子簡(jiǎn)歷(100chui.com)，專業(yè)簡(jiǎn)歷制作

著作權(quán)歸作者所有，轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)。