君莫笑
高级数据分析师
瑞和数智科技控股有限公司 · 10年经验
日薪：
￥600/8h
地点：
北京 海淀
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
综合能力：
具有较丰富的数据分析、建模经验，擅长银行零售、传统零售、互联网电商等领域相关数据分析工作
具有较强的逻辑思维能力及数据敏感度，对业务理解能力强；深入了解大数据生态和数据体系化
熟悉指标/标签体系搭建，熟悉路径归因、多维分析、预测分析及ABtest等常见分析方法
包容开放，具较强沟通协调及团队协助能力；良好的自我驱动能力，抗压能力强
软件技能：
熟悉使用Python/PySpark进行数据处理和分析；掌握国产大模型（百度问心、阿里通义）的接口调用
熟悉使用逻辑回归、XGBoost等传统ML算法进行数据挖掘，掌握深度学习CNN、RNN神经网络的使用
熟悉使用HiveSQL、MySQL等处理日常数据工作；掌握ES、MongoDB相关数据需求的处理方法
熟悉Linux常用命令，熟悉Windows、Mac系统操作使用；掌握Java语言的基本使用
熟悉数据结果可视化以及相关工具的使用（如Matplotlib、Tableau、Kibana等）
业务主题：
熟悉会员/客户数据分析：价值度分析、活跃度分析、流失预测分析、营销响应预测分析等
熟悉商品/销售数据分析：销售预测分析、商品价格敏感度分析、商品关联推荐等
熟悉流量/广告数据分析：流量转化效果分析、流量波动检测、个性化推荐分析等
具有较丰富的数据分析、建模经验，擅长银行零售、传统零售、互联网电商等领域相关数据分析工作
具有较强的逻辑思维能力及数据敏感度，对业务理解能力强；深入了解大数据生态和数据体系化
熟悉指标/标签体系搭建，熟悉路径归因、多维分析、预测分析及ABtest等常见分析方法
包容开放，具较强沟通协调及团队协助能力；良好的自我驱动能力，抗压能力强
软件技能：
熟悉使用Python/PySpark进行数据处理和分析；掌握国产大模型（百度问心、阿里通义）的接口调用
熟悉使用逻辑回归、XGBoost等传统ML算法进行数据挖掘，掌握深度学习CNN、RNN神经网络的使用
熟悉使用HiveSQL、MySQL等处理日常数据工作；掌握ES、MongoDB相关数据需求的处理方法
熟悉Linux常用命令，熟悉Windows、Mac系统操作使用；掌握Java语言的基本使用
熟悉数据结果可视化以及相关工具的使用（如Matplotlib、Tableau、Kibana等）
业务主题：
熟悉会员/客户数据分析：价值度分析、活跃度分析、流失预测分析、营销响应预测分析等
熟悉商品/销售数据分析：销售预测分析、商品价格敏感度分析、商品关联推荐等
熟悉流量/广告数据分析：流量转化效果分析、流量波动检测、个性化推荐分析等
项目经验
（一）YC-营销中心销售多维分析看板 2021年2月-2021年3月
项目描述：
公司主营业务为saas软件，营销中心为公司渠道业务的前线，在组织架构上划分分公司、大区等多个维度。管理层在推行相关业务战略时，遇到各层级的销售数据混乱不统一，以至于无法及时有效管理的问题。经与管理层及营销中心管理人员沟通，通过梳理并搭建营销中心部门指标体系，开发多维度数据分析看板，以提提升管理效率，让公司战略及时有效落地。
项目职责：
1、与管理层以及营销中心管理人员会议沟通现有的数据内容、形式等，梳理并搭建分析指标体系；
2、确定指标数据的业务口径，收集线下手工、线上（业务库）数据，编写Python脚本清洗处理数据；
3、设计多维数据表结构，与业务同事验证数据质量，编写Python脚本将数据定时同步到ES；
4、在Kibana设计并发布多维看板，撰写看板使用说明文档，提供数据分析报告。
项目成果：
1、在预定时间节点顺利完成看板发布，输出订单数、签单金额及转化率等指标，及时提供数据分析支持；
2、提高部门管理工作效率，减轻业务管理人员工作量（节约30%时间成本）。
（二）ZLplatform客户流失分析模型 2022年3月
项目描述：
ZLplatform基于用户对客户营销响应、流失预测等个性化回检分析需求，提供名单上传接口并按期返回预测数据。根据用户对流失预测回检需求，建立客户流失预测模型，帮助用户分析客户流失原因。
项目职责：
1、对接业务用户的流失预测回检需求，确认流失预测的目标和相关数据源；
2、评估用户提供的数据源，确认相关表的特征变量的业务含义、值域等重要信息；
3、处理客户名单等相关表数据，对数据进行建模分析，评估和优化预测结果；
4、根据特征重要性分析客户流失可能原因，提供用户流失预测名单。
优化方向：
1、Pipeline管道封装预处理数据及特征；
2、GridSearchCV网格搜索坐标下降法，对随机森林、XGBoost参数调优；
3、VoteClassifier采用软投票组合（逻辑回归、随机森林、XGBoost）并交叉检验。
项目成果：
1、模型效果recall分数0.89，AUC分数0.88，提供可靠的客户流失名单，减轻用户筛选客户压力及降低筛客耗时；
2、协同用户分析客户流失可能原因，提供用户有关客户流失处理的建议。
项目描述：
公司主营业务为saas软件，营销中心为公司渠道业务的前线，在组织架构上划分分公司、大区等多个维度。管理层在推行相关业务战略时，遇到各层级的销售数据混乱不统一，以至于无法及时有效管理的问题。经与管理层及营销中心管理人员沟通，通过梳理并搭建营销中心部门指标体系，开发多维度数据分析看板，以提提升管理效率，让公司战略及时有效落地。
项目职责：
1、与管理层以及营销中心管理人员会议沟通现有的数据内容、形式等，梳理并搭建分析指标体系；
2、确定指标数据的业务口径，收集线下手工、线上（业务库）数据，编写Python脚本清洗处理数据；
3、设计多维数据表结构，与业务同事验证数据质量，编写Python脚本将数据定时同步到ES；
4、在Kibana设计并发布多维看板，撰写看板使用说明文档，提供数据分析报告。
项目成果：
1、在预定时间节点顺利完成看板发布，输出订单数、签单金额及转化率等指标，及时提供数据分析支持；
2、提高部门管理工作效率，减轻业务管理人员工作量（节约30%时间成本）。
（二）ZLplatform客户流失分析模型 2022年3月
项目描述：
ZLplatform基于用户对客户营销响应、流失预测等个性化回检分析需求，提供名单上传接口并按期返回预测数据。根据用户对流失预测回检需求，建立客户流失预测模型，帮助用户分析客户流失原因。
项目职责：
1、对接业务用户的流失预测回检需求，确认流失预测的目标和相关数据源；
2、评估用户提供的数据源，确认相关表的特征变量的业务含义、值域等重要信息；
3、处理客户名单等相关表数据，对数据进行建模分析，评估和优化预测结果；
4、根据特征重要性分析客户流失可能原因，提供用户流失预测名单。
优化方向：
1、Pipeline管道封装预处理数据及特征；
2、GridSearchCV网格搜索坐标下降法，对随机森林、XGBoost参数调优；
3、VoteClassifier采用软投票组合（逻辑回归、随机森林、XGBoost）并交叉检验。
项目成果：
1、模型效果recall分数0.89，AUC分数0.88，提供可靠的客户流失名单，减轻用户筛选客户压力及降低筛客耗时；
2、协同用户分析客户流失可能原因，提供用户有关客户流失处理的建议。
君莫笑
高级数据分析师 · 10年经验 · 瑞和数智科技控股有限公司
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
综合能力：
具有较丰富的数据分析、建模经验，擅长银行零售、传统零售、互联网电商等领域相关数据分析工作
具有较强的逻辑思维能力及数据敏感度，对业务理解能力强；深入了解大数据生态和数据体系化
熟悉指标/标签体系搭建，熟悉路径归因、多维分析、预测分析及ABtest等常见分析方法
包容开放，具较强沟通协调及团队协助能力；良好的自我驱动能力，抗压能力强
软件技能：
熟悉使用Python/PySpark进行数据处理和分析；掌握国产大模型（百度问心、阿里通义）的接口调用
熟悉使用逻辑回归、XGBoost等传统ML算法进行数据挖掘，掌握深度学习CNN、RNN神经网络的使用
熟悉使用HiveSQL、MySQL等处理日常数据工作；掌握ES、MongoDB相关数据需求的处理方法
熟悉Linux常用命令，熟悉Windows、Mac系统操作使用；掌握Java语言的基本使用
熟悉数据结果可视化以及相关工具的使用（如Matplotlib、Tableau、Kibana等）
业务主题：
熟悉会员/客户数据分析：价值度分析、活跃度分析、流失预测分析、营销响应预测分析等
熟悉商品/销售数据分析：销售预测分析、商品价格敏感度分析、商品关联推荐等
熟悉流量/广告数据分析：流量转化效果分析、流量波动检测、个性化推荐分析等
具有较丰富的数据分析、建模经验，擅长银行零售、传统零售、互联网电商等领域相关数据分析工作
具有较强的逻辑思维能力及数据敏感度，对业务理解能力强；深入了解大数据生态和数据体系化
熟悉指标/标签体系搭建，熟悉路径归因、多维分析、预测分析及ABtest等常见分析方法
包容开放，具较强沟通协调及团队协助能力；良好的自我驱动能力，抗压能力强
软件技能：
熟悉使用Python/PySpark进行数据处理和分析；掌握国产大模型（百度问心、阿里通义）的接口调用
熟悉使用逻辑回归、XGBoost等传统ML算法进行数据挖掘，掌握深度学习CNN、RNN神经网络的使用
熟悉使用HiveSQL、MySQL等处理日常数据工作；掌握ES、MongoDB相关数据需求的处理方法
熟悉Linux常用命令，熟悉Windows、Mac系统操作使用；掌握Java语言的基本使用
熟悉数据结果可视化以及相关工具的使用（如Matplotlib、Tableau、Kibana等）
业务主题：
熟悉会员/客户数据分析：价值度分析、活跃度分析、流失预测分析、营销响应预测分析等
熟悉商品/销售数据分析：销售预测分析、商品价格敏感度分析、商品关联推荐等
熟悉流量/广告数据分析：流量转化效果分析、流量波动检测、个性化推荐分析等
项目经验
（一）YC-营销中心销售多维分析看板 2021年2月-2021年3月
项目描述：
公司主营业务为saas软件，营销中心为公司渠道业务的前线，在组织架构上划分分公司、大区等多个维度。管理层在推行相关业务战略时，遇到各层级的销售数据混乱不统一，以至于无法及时有效管理的问题。经与管理层及营销中心管理人员沟通，通过梳理并搭建营销中心部门指标体系，开发多维度数据分析看板，以提提升管理效率，让公司战略及时有效落地。
项目职责：
1、与管理层以及营销中心管理人员会议沟通现有的数据内容、形式等，梳理并搭建分析指标体系；
2、确定指标数据的业务口径，收集线下手工、线上（业务库）数据，编写Python脚本清洗处理数据；
3、设计多维数据表结构，与业务同事验证数据质量，编写Python脚本将数据定时同步到ES；
4、在Kibana设计并发布多维看板，撰写看板使用说明文档，提供数据分析报告。
项目成果：
1、在预定时间节点顺利完成看板发布，输出订单数、签单金额及转化率等指标，及时提供数据分析支持；
2、提高部门管理工作效率，减轻业务管理人员工作量（节约30%时间成本）。
（二）ZLplatform客户流失分析模型 2022年3月
项目描述：
ZLplatform基于用户对客户营销响应、流失预测等个性化回检分析需求，提供名单上传接口并按期返回预测数据。根据用户对流失预测回检需求，建立客户流失预测模型，帮助用户分析客户流失原因。
项目职责：
1、对接业务用户的流失预测回检需求，确认流失预测的目标和相关数据源；
2、评估用户提供的数据源，确认相关表的特征变量的业务含义、值域等重要信息；
3、处理客户名单等相关表数据，对数据进行建模分析，评估和优化预测结果；
4、根据特征重要性分析客户流失可能原因，提供用户流失预测名单。
优化方向：
1、Pipeline管道封装预处理数据及特征；
2、GridSearchCV网格搜索坐标下降法，对随机森林、XGBoost参数调优；
3、VoteClassifier采用软投票组合（逻辑回归、随机森林、XGBoost）并交叉检验。
项目成果：
1、模型效果recall分数0.89，AUC分数0.88，提供可靠的客户流失名单，减轻用户筛选客户压力及降低筛客耗时；
2、协同用户分析客户流失可能原因，提供用户有关客户流失处理的建议。
项目描述：
公司主营业务为saas软件，营销中心为公司渠道业务的前线，在组织架构上划分分公司、大区等多个维度。管理层在推行相关业务战略时，遇到各层级的销售数据混乱不统一，以至于无法及时有效管理的问题。经与管理层及营销中心管理人员沟通，通过梳理并搭建营销中心部门指标体系，开发多维度数据分析看板，以提提升管理效率，让公司战略及时有效落地。
项目职责：
1、与管理层以及营销中心管理人员会议沟通现有的数据内容、形式等，梳理并搭建分析指标体系；
2、确定指标数据的业务口径，收集线下手工、线上（业务库）数据，编写Python脚本清洗处理数据；
3、设计多维数据表结构，与业务同事验证数据质量，编写Python脚本将数据定时同步到ES；
4、在Kibana设计并发布多维看板，撰写看板使用说明文档，提供数据分析报告。
项目成果：
1、在预定时间节点顺利完成看板发布，输出订单数、签单金额及转化率等指标，及时提供数据分析支持；
2、提高部门管理工作效率，减轻业务管理人员工作量（节约30%时间成本）。
（二）ZLplatform客户流失分析模型 2022年3月
项目描述：
ZLplatform基于用户对客户营销响应、流失预测等个性化回检分析需求，提供名单上传接口并按期返回预测数据。根据用户对流失预测回检需求，建立客户流失预测模型，帮助用户分析客户流失原因。
项目职责：
1、对接业务用户的流失预测回检需求，确认流失预测的目标和相关数据源；
2、评估用户提供的数据源，确认相关表的特征变量的业务含义、值域等重要信息；
3、处理客户名单等相关表数据，对数据进行建模分析，评估和优化预测结果；
4、根据特征重要性分析客户流失可能原因，提供用户流失预测名单。
优化方向：
1、Pipeline管道封装预处理数据及特征；
2、GridSearchCV网格搜索坐标下降法，对随机森林、XGBoost参数调优；
3、VoteClassifier采用软投票组合（逻辑回归、随机森林、XGBoost）并交叉检验。
项目成果：
1、模型效果recall分数0.89，AUC分数0.88，提供可靠的客户流失名单，减轻用户筛选客户压力及降低筛客耗时；
2、协同用户分析客户流失可能原因，提供用户有关客户流失处理的建议。
立即沟通
