工作经历
义乌美事达仓储有限公司
2026.06 — 至今
数据分析师 · 运营与技术支持
- 每日报表体系建设：负责多维度日报/周报制作，整合国内外系统数据（ERP、WMS），缩短报表产出时间 40%，为管理层提供实时经营决策依据。
- 自动化流程开发：使用 Python + SQL 对重复性数据提取、清洗、汇总流程进行脚本化改造，减少人工操作约 60%，显著降低出错率。
- 物流集装箱排期优化：基于历史装箱数据建立预测模型，辅助物流团队进行集装箱资源调配，提升装箱利用率约 15%，降低空箱成本。
- 国内外系统数据同步：负责国内系统与海外业务系统的数据对接，处理字段映射、时区转换、异常数据校验，保障跨境数据一致性与准确率 ≥99%。
- 国外技术支持：以英文与海外团队进行系统问题排查、需求沟通及方案确认，独立完成 3 项海外系统接口改造需求的需求文档与验收跟踪。
- 业务部门对接：统筹销售、采购、仓储等多部门数据需求，制作《业务数据对接手册》，统一数据口径，减少跨部门沟通摩擦。
贵州民惠老味鲜食品有限公司
2025.09 — 2026.03
数据分析师
- 营运数据洞察体系：作为公司首位数据分析师，独立搭建覆盖全渠道业务的数据统计分析框架，建立包含客户、商品、门店、竞品的多维度经营数据动态分析体系。
- 数据清洗与指标搭建：使用 SQL / Python 完成原始数据提取与清洗，规范化处理商品 SKU、用户转化、复购等指标，构建异常数据源定位机制。
- 营销活动数据支持：对各类促销投放效果、商品销售旺季及用户消费行为进行分析，通过漏斗、RFM 分层模型定位高价值用户群，支撑营销方案优化、商品上架与营销策略调优。
- 可视化与复盘报告：使用 Power BI / Excel 制作营销分析及新/老客户业务趋势看板，直观呈现各业务线商品销售额及投放 ROI，为运营团队提供选品定价及广告投放的数据决策支撑。
苏州梭仪科技有限公司
2025.03 — 2025.07
数据分析师
- 数据监控与异常预警：通过 SQL 编写调度脚本，监控各类设备、业务系统运行状态，识别并推动异常问题闭环处理，为业务系统稳定运行提供数据支撑，同时辅助团队持续优化运营。
- 系统指标优化：针对业务系统指标异常（营品牌、业务设备更换高频率、结算中断/转化延迟点），进行底层数据分析与优化，成功降低 20% 异常率，提升业务系统运行效率、用户体验及运营成本。
- 可视化看板应用：使用 FineBI / Tableau 构建系统指标、运营效率可视化图表和看板，支持运营人员日常运营，直观呈现系统优化效果，为运营团队的运营策略提供数据依据。
重庆缜准信息科技有限公司
2024.07 — 2024.10
风控实习生（数据分析方向）
- 模型构建与系统优化：参与构建用户行为画像模型（站内 1 月＋用户数据），深度学习识别潜在消费准客户，优化漏斗节点10%，辅助完善数据分析系统准确度体系。
- 跨部门数据协同：配合运营团队，制定多平台方案统一数据输出协议，协调数据标准执行中所遇问题，提升系统有效转化。
- 高压场景应对：在高峰活动场景下，快速响应并处理异常问题，通过数据分析定位问题源头，推动系统故障识别更准确。
项目经历
AI 大模型测评与 Prompt 工程项目
AI 测评
项目目标：对 1+3 架构模型（1 个基础模型 + 3 个垂直方向微调模型）的输出质量进行系统性评测，建立可量化的评分标准体系，辅助模型迭代优化方向决策。
- Prompt 工程设计：根据任务类型（问答、摘要、代码生成、逻辑推理、数据分析等）设计涵盖多场景、多难度梯度的结构化 Prompt 集，通过系统提示词与少样本示例（Few-shot）组合，最大化激发模型能力边界，单类 Prompt 组覆盖至少 30 条测试用例。
- 多维度测评标准制定：建立包含准确性、连贯性、指令遵循度、创意性与安全合规性五个维度的评分量表（1–5 分制），结合 ROUGE、BLEU 等自动指标与人工标注进行双轨评测，提升评分客观性与可复现性。
- 模型横向对比测试：对 1+3 模型在相同 Prompt 集下进行批量推理，整理输出结果并进行对比分析，输出《模型能力全景对比报告》，明确各垂直模型的优势领域与待改进项，为后续微调提供数据依据。
- 测评结论与落地建议：识别模型在特定任务类型（如长文本理解、数字计算、指令复杂度提升）下的性能衰退规律，提出 Prompt 优化策略 5 条及模型调参建议 3 项，推动测试版本间综合评分提升 约 12%。
业务数据分析师项目（数据分析方向）
数据分析
项目目标：基于电商平台数据，识别业务用户使用情况的漏斗缺口，通过运营优化提升营运规范化效率，降低营运成本。
- 构建完整数据管道，抓取抖音、拼多多等平台 GTA 社区数据，清洗用户行为和基础信息数据（处理缺失值、异常值、精确归类过滤），确保数据分析基底的准确性。同时使用逻辑框架：分析用户消费行为路径，识别转化瓶颈（核心留存点），精准定位各漏斗段用户群体，为不同群体定制个性化运营优化方案，提升用户转化率和留存报告。
- 使用 Power BI / Excel 构建运营效率、活跃指标可视化看板，支持运营人员日常，直接支撑业务规范优化、平台功能的发展方向，直接支持业务决策。
全球客户运营端客户分析项目
数据分析
项目目标：整合全球化业务分析、客户状态预测 — 客户流失一体化模型，解决全局数据不准确和客户流失压力问题，提升全球客户的转化率标准化流程。
- 实时项目数据管理：监控关键销售额、LTV、ROI 等关键业务指标实时数据模型，快速加快营销转化率，实现关键转化目标。
- 数据质量管理：整合全球化数据不准确异常特征精准优化，打包和项目客户数据保障，确保整体营销统计的转化率标准流程，使客户流失率下降 20%、营收 ROI 提升 15%，流程规范落地。
- 使用 Power BI / Excel 对全球化营销数据进行清洗分析，采用客户漏斗模型及 ROI 为运营营销团队选品定价、营销投放提供精准数据决策支撑，为运营营品上架策略优化运营质量提供数据闭环决策能力。