Megan Zhang

2020年08月 — 3000年01月

技术,数据,数据分析师

通过深入的客户细分分析，挖掘出公司在销售运营方面的商业机会。直接影响公司最高层更新公寓租赁流程。将客户流失率降低14%，避免了200万美元的空置损失并为公司减少50万美元的广告花销。(numpy, pandas, matplotlib, seaborn, snowflake) 创建统一的客户档案以更好地了解用户租赁行为并改善用户体验。在一个主流的线下销售渠道实现转化率30%提高，并促成1500万美元的销售增量。(BigQuery, Google Analytics, selenium, pandas, matplotlib, Microsoft SQL Server) 构思并向公司高层发布多个数字仪表盘，为各业务部门提供关键见解，包括营销支出优化，租赁合同管理，销售和运营流程优化，以及培训提升。(Power BI, DAX, pandas, matplotlib, seaborn) 通过整合关键的收入、运营效率、预算和客户满意度等指标，评估全国的销售和运营团队年度奖金。 提供方便易懂的仪表盘，实时反映团队绩效奖金变动情况，鼓励团队之间的良性竞争，并精准的为销售团队指出可以带来高回报率的的机会领域。(Power BI, DAX) 评估广告追踪的准确性及追踪过程。与市场和IT部门合作，部署广告追踪的数据管理方案，建立可靠的广告跟踪机制。(numpy, Microsoft SQL Server)

2018年06月 — 2020年02月

技术,人工智能,自然语言处理算法工程师

使用分类和聚类算法以及自然语言处理（NLP）为客户定期提供行业流行话题。该数据产品为公司平台带来了20倍的潜在用户增长。(Beautifulsoup, spaCy, NLTK, Scikit-learn, Redshift) 利用余弦相似度和大量的特征工程（包括主题建模）建立社交媒体文案推荐引擎。(Beautifulsoup, spaCy, gensim, NLTK, Athena, S3) 创建交互式数据可视化工具，帮助产品经理浏览来自主要社交媒体平台的10K多个深度嵌套的业务类别。(numpy, perl) 在数据科学团队的工作流程中引入单元测试流程。(unittest)

2012年07月 — 2018年05月

技术,数据,数据分析师

通过NLP和分类模型实现异常值的自动识别，并简化异常值修正流程，使整个研发团队生产力得到提高。将异常值从识别到修正的耗时从几周缩短到1小时。(dplyr, wordcloud, tm, caret, e1071, ggplot2 ) 应用贝叶斯回归模型对邮局国际邮件的收入进行估计，该模型进一步降低了小样本（n<5）带来的不确定性。(SAS, Mainframe) 使用统计功效分析决定分层抽样的样本量。(SAS) 通过VBA和Bash脚本实现月度报告的自动化。(Bash) 将静态的月度和季度报告转化为动态交互仪表盘，供财务和定价部门使用。(dplyr, plotly, ggplot2, Shiny) 指导初级分析师和统计师。