职业经历
工作经历
2023年06月 — 2023年10月
技术,数据,数据分析师
用户留存分析： 提取平台用户行为数据，搭建留存分析模型，分层分析用户生命周期，识别流失用户的关键行为特征和主要流失原因，形成分析报告并向团队汇报，帮助产品团队制定数据驱动的优化策略； 预测模型搭建：基于随机森林、SVM等分类预测模型对用户流失进行预警，负责建模特征的选取、模型优化，模型效果指标达到97%，根据分析结果，与产品经理和算法团队合作设计干预方案； 策略效果评估：通过AB实验评估策略效果，独立负责AB测试分组方案、指标设计和结果分析，确保实验方案科学合理。
2022年06月 — 2022年08月
技术,数据,数据分析师
整合大数据集：通过合并和标准化超过50000条数据，运用Excel和python，有效解决采购部门面临的数据复杂性和分散性问题，优化减少20%的数据集，确保更快的计算速度； 数据清洗： 通过筛查重复值、处理异常值、分析相似数据以填补缺失值，数据的质量提升15%；使用SQL和PowerQuery对数据进行分类和筛选，节省团队20%的工作时间； 图表定量分析：使用MATLAB对图表进行拟合以提取数据并分析，提供了关于收入增长模式的见解，支持更高效的采购决策和供应链管理。
教育经历
数学
2022年08月 — 2024年05月
项目经历
2024年04月 — 2024年06月
项目背景：预测银行客户流失对金融机构保持盈利能力和提升客户满意度至关重要。识别潜在的流失客户使银行能够主动应对问题、挽留重要客户并优化营销工作。该项目旨在通过分析影响客户流失的因素，建立数学模型，预测潜在的流失客户。 探索性数据分析：通过删除不相关的列和使用Pandas处理缺失值来清洗数据；使用 Matplotlib 和 PowerBI 创建可视化，用于探索性分析； 特征处理：利用相关分析和卡方检验进行特征选择，降低维数，防止过拟合；通过 One-hot Encoding 将特征转换为所需格式，并进行规范化； 模型构建：使用 Scikit-learn 和 GridSearchCV 实现 KNN，逻辑回归，随机森林 和 梯度增强 等算法； 最终成果：开发了一个召回率为73%的最优模型，能够预测潜在的客户流失，减少公司损失。
TA 的技能服务
该人才共 1 项技能服务，可在 技能服务 中搜索「Elaine」查看。