职业经历
工作经历
2018年11月 — 2020年07月
技术,人工智能,风控算法工程师
1.对大数据及各类征信数据进行分析，挖掘各类用户特征，基于用户数据做好用户行为异常分析，实现对用户不良行为的自动识别； 2.同风控业务团队保持密切联系，沟通确定工作流程、时间安排、定期汇报、代码规范等细节，基于业务需求和反馈完成贷前评分卡模型搭建，关键指标监控和定期迭代优化； 3.探索内外部数据，应用先进的统计建模，数据挖掘，为后续模型或策略的工作提供基础；
2020年08月 — 2022年10月
技术,数据,数据分析师
1.分析部分： （1)库存分析：对公司库存指标进行分析，如售卖比、动销率等，检测产品流转情况，避免库存积压，制定销售计划，并上报相关领导； (2)日常公司营销指标检测和完善分析：如每日销售明细表、每日产品库存明细表、每日退货明细表、每日回款明细表、每日逾期回款客户明细表等，每月每季度每年对明细表进行聚合分析，每月对公司整体运营情况、销售情况、财务情况做出分析，相关数据报表的开发，为数据分析提供必要的数据支持； 2.建模部分：负责线上和线下日常业务数据的采集，包括通过SQL从数据仓库里提取数据并统计,参与产销平衡评审会议，了解营销端和生产端需求，包括销售基础指标监控的BI看板开发，基于集成学习（随机森林、极限树、Adaboost）预测客户需货预测、备货预测（下一个月的生产计划和再后面两个月的滚动计划）、客户回款金额预测等；
2017年02月 — 2018年10月
其他职位,其他职位,其他职位
1.通过公司提供的直播室和网络推广的客户资源，利用电话，网络与客户进行有效沟通，寻找销售机会想客户 推荐公司的股票产品并完成销售业绩； 2.维护老客户的业务，挖掘客户的最大潜力 ； 3.遵循证监会的规定，定期与合作客户进行沟通，建立良好的长期合作关系。
教育经历
国际经济与贸易
2011年09月 — 2015年08月
项目经历
2023年01月 — 2023年03月
项目背景： 公司在业务上想通过评分模型的迭代和优化解决以下问题： 1、优化流程。简化审批流程，提高审批时效,逐步提高审批自动化率，对客户的贷款体验也有提高. 2、风控管理的加强。通过用模型来实现对客户信用风险的有效评估，在保持通过率稳定的情况下尽可能降低违约率, 或者在违约率一定的前提下提高客户通过率,优化风控指标表现。 技术要点：SQL、Python、WOE、IV、决策树、逻辑回归 项目步骤： 1、使用SQL从公司数据仓库中获取原始数据，主要包含有公司内部数据以及第三方数据服务商百融数据（客户基础信息、黑名单信息、小额贷款机构的贷款信息和还款信息）等 2、接下来完成对表现期和好坏标签的定义（根据滚动率，用户在一段时候后（3个月后）出现了是否有变化/变好的转折点来最终确定好坏客户的定义），根据定义后的标准进行模样本的筛选，得到好样本数、坏样本数及总样本数，从而计算出好坏样本占比 3、一般根据业务经验，可以用SQL提取近1年的数据，在大部分数据入模训练的同时，还要保留一小部分时间外的样本（训练数据集前一个月和训练集后一个月），验证模型的效果（OOT） 4、数据特征的呈现（总共700多个维度、900万行的数据） 5、利用toad进行EDA探索性数据分析，发现有一部分特征存在一部分的缺失值，利用pandas进行数据预处理，后经过跟公司市场部、部门领导讨论达成共识，对上述特征的缺失值填充（覆盖率分析） 6、实例化toad.transform.Combiner()对象，基于决策树对每个特征进行分箱训练和手动调整分箱处理使得变量呈现单调趋势后，分别进行相关系数检验和自相关检验，保证入模变量满足相关要求 7、实例化toad.quality()对象得出IV值，通过IV值和相关性分析筛选出最终入模的变量 8、实例化toad.transform.WOETransformer()对象，通过WOE值对分箱后的每组进行计算，需要对原始变量值通过分箱映射成woe值 9、用toad.selection.stepwise进行逐步逻辑回归进行特征筛选，然后再验证
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「姜怀」查看。