项目职责：内容: 预测2020年各渠道新开店量，以帮助业务部制定开店计划。主要负责: 1、 整理新开店量数据，及与新增店量相关的渠道数据，如投资品牌、投资店量、投资金额等。 2、 分别采用时间序列模型、回归模型、增长率模型预测新增店量。 3、 根据业务部反馈调整模型，优化预测结果。 业绩: 1、基于店量变化整体趋势预测的模型，比之前人工预测的准确率提升15%。 2、实现分析结果程序化，更加快速、高效得出结果。

项目职责：内容: 本项目协助集团内融资租赁业务进行经销商贷前准入的自动化和线上化。主要负责: 1、熟悉业务背景，沟通业务方的建模需求。 2、模型搭建: 确定好坏客户标签；构建指标池；数据准备及预处理；清洗，特征加工、衍生，计算变量IV值、相关系数等 筛选特征变量；使用LR算法搭建模型；确认评分卡和评分结果；根据评分分布及违约概率制定主标尺和评级规则。 3、协助业务方进行模型部署和上线。 4、跟进业务方的业务数据校验。 5、对模型进行周期性监控和维护。 业绩: 1、通过多维度的数据分析制定的更为科学、准确的量化评分卡，取代之前易受主观因素干扰的专家卡。 2、通过对经销商的评级划分，风控部可以对经销商的分级管理，有助于公司降本增效。

项目职责：内容: 通过人群基本属性和历史交易情况，应用机型学习算法构建购买预测模型，定位潜力目标客群，实现精准营销。个人职责: 1. 根据业务需求进行数据分析，设定模型逻辑，圈定潜在分析变量； 2. 提取目标变量和特征数据，含用户基本属性、消费能力、浏览、搜索、加购等高意向行为，并进行数据清洗； 3. 根据计算变量的 IV 值和相关性，筛选输入变量； 4. 采用 Logistic 回归、随机森林、GBDT 等多种算法搭建模型，根据 AUC、F1等评估指标选出最佳模型并测试应用； 5. 根据测试效果反馈调整优化模型。 业绩: 1.模型人群 ROI 高于同规则下的非模型人群的30%。

项目职责：内容: vivo X90手机新品上市期间的广告投放策略规划，确保达成目标。个人职责: 1）投前洞察: 根据目标 GMV 和前代品4A人群规模及流转情况，预估完成目标所需触达的用户人数，对新品前代品进行人 货场洞察，输出新品人群投放策略； 2）投中监控: 分别在预约/预售/首销期设定对应的监控指标，及时发现问题并输出策略调整建议； 3）投后复盘: 对新品的目标完成情况，4A人群规模及流转效率、已购用户特征、竞品及流失用户分析、广告及分渠道人群 效果进行复盘，输出新品上市复盘报告及后续建议分析报告数据分析经验 业绩: 1.X90新品销量台数超前代品20%，浏览转化率提升13%。

项目职责：内容: 构建商品购买的关联规则模型，分析商品之间的关联性，并根据模型结果给出销售策略。 个人职责: 1.对原始数据进行探索性分析，分析商品的热销情况与商品结构。 2.对原始数据进行数据处理，转换数据格式。 3.采用 Apriori 关联规则算法调整模型的输入参数，完成商品的关联性分析。 4.结合实际业务对模型结果进行分析，输出关联规则的结果。 5.在关联规则的结果上，进一步叠加人群特征标签，输出高效的跨类目拉新人群策略。 使用工具: pyspark 业绩: 小度学生平板流量环比提升30%+。