1) 分析、挖掘海量数据，建立数据挖掘模型，形成专题报告并定期汇报；

2) 负责为各业务部门提供周期性报表的建设、维护和优化；

3) 推荐系统数据开发和维护；

4) 通信诈骗客户分析与识别；

5) 投诉处理智能派单；

6) 负责本地Oracle 以及Greenplum 数据平台的数据采集、基础ETL 处理、数据源质量监控、

数据治理、数据迁移，负责使用hive 进行相关应用开发。

项目一：推荐系统数据开发和维护(2020.7 至今） 标签库、策略维护和升级  项目描述：数据应用推荐系统主要是承担分公司客户营销策略的落地。目前推荐系统标签没 有进行分类，也没有进行上下线管理，十分混乱；应用标签占绝大多数，画像标签太少；推 荐策略的实现完全靠人力逐个开发实现，需求经常延后，影响时效性。  项目职责：作为项目的组长，统筹推荐系统的数据开发， 进行客户画像以及策略的维护和 升级。  项目业绩: 1) 设置标签管理体系，将标签进行有序管理； 2) 统筹小组成员挖掘业务需求，开发标签436 个，其中采用建模以及分析的技术开发出高概 率标签31 个，助力精确营销； 3) 梳理策略自动化配置方案，使用FineReport 将策略打标流程自动化，2022 年细分1404 个策略，总用户894 万。 项目二：通信诈骗客户分析与识别(2020.7 至今） 数据分析、数据挖掘建模  项目描述：为减少通信欺诈事件，共铸良好环境，特开展深圳分公司防诈骗工作；  项目职责：基于客户数据，构建疑似诈骗号码预警平台，主动出击，及时识别诈骗号码并第 一时间进行拦截处理；  项目业绩: 1) 搭建欺诈监控指标体系，并且不断进行完善， 2) 制定周期性报表，进行指标实时监控和报警； 3) 对举报号码进行特征分析，构建疑似诈骗号码预测模型，并不断改善修正模型，建立模型 闭环机制； 4) 模型样本总共9256 个诈骗号码，根据规则识别正确8788 个，命中率95%，覆盖率94%。 模型上线后，命中的欺诈客户覆盖公安下发欺诈数据的90%以上。 项目三：数据仓库建设、维护、治理和迁移（2018.12 至今） 数据处理、数据治 理  项目描述： 在负责深圳本地数据仓库建设和维护的过程中，发现数据管理混乱，极其需要 数据治理，将其进行有序的管理；同时为了响应国家的要求，需要将数据仓库从Oracle 迁 移至Greenplum；响应公司集约的要求需要将数据仓库从Greenplum 迁移至Hive。  项目职责： 熟练使用SQL 和Shell 进行本地数据平台文本数据采集、基础ETL 处理，监控 和解决数仓日常调度中的日常问题，确保数据的准确性；开展数据治理；参与到数据平台从 Oracle 至Greenplum 以及从Greenplum 至Hive 的迁移工作。  项目业绩： 1) 开展数据治理，进行数仓分层，主题域划分，数据建模和设计，元数据管理，血缘跟踪， 主数据管理，质量管理等，将凌乱的数据有序的组织和管理起来；建立指标公共宽表，杜 绝烟囱式指标开发； 2) 独自高效完成Greenplum 采集配置迁移；完成自己负责的SQL 脚本改造，并且梳理 Greenplum 以及hive 脚本改造的相关文档进行内部培训，提升大家的改造效率； 3) 学习Greenplum 的入库方式，并且研究和归纳Oracle 和其共同之处，实现Greenplum 采 集改造迁移至Oracle 的工具，大大提高数据库迁移过程中文本采集配置自动迁移的效率， 配置结果准确率达到98%以上；该工具被评为省公司2022 年自主创新奖；并且将迁移工 具进行提炼，提交专利《一种oracle 采集配置自动迁移至MPP 数据库的方法和装置》， 该专利已通过省公司的审核，本人获得专利申请先进个人。 项目四：宽带满意度建模及网络感知修复工作（2019.08 至2022.07） 数据挖掘建模  项目描述：在存量客户维系的过程中，为了增加客户的满意度进而留住客户，特建立此模型。 通过线上邀约获取部分客户对宽带的满意度，作为模型训练和验证的样本标签，去预测所有 客户的满意度，针对不满意的客户进行回访和上门服务。  项目职责： 1) 作为宽带满意度建模及网络感知修复工作的组长，通过自研模型，完成负责安装维修角度 的建模， 并且协助其他成员从其他角度进行分析；掌控模型建模的大方向，为模型的最 终成效负责。 2) 针对宽带不满意度高概率的用户进行派单修复，针对不满意度低概率的用户进行派单回访 检验模型准确性;对建模-派单的过程进行闭环迭代，根据派单和上门结果，优化调整模型 指标和数据样本，逐步提升模型效果。  项目业绩： 1) 工作过程中认真细致，对待数据的研究都有文档记录，方便问题的跟踪； 2) 通过模型结果分析出目前存在的问题，并且及时引导小组成员更改模型研究的方向，寻找 提升模型效果的方法； 3) 使用Hive 输出结果表，使用Python 进行数据预处理，特征工程，使用Sklearn 建模调 参输出客户对宽带不满意的概率，针对高概率用户进行派单修复，针对低概率用户进行派 单验证模型准确性；对建模-派单的过程进行闭环迭代，根据派单和上门结果，优化调整 模型指标和数据样本，逐步提升模型效果，目前概率TOP30%的客户的命中率从27%提升至 43%，覆盖率从37%提升至49%，TOP5%的客户提升度达3.18。 项目五：投诉智能派单(2022.8 至今） 文本分类  项目描述：客服在每天接到投诉工单后会将问题记录下来，投诉处理中心需要人工判断工单 的处理小组进行派单，非常耗时耗力，有时候还会判错，极其需要实现智能派单的功能。  项目职责：基于历史数据派单分配情况，预测每天新的投诉单所属处理班组。  项目业绩: 1) 使用python 的正则表达式输出不同产品编码出现的投诉情况，进一步分析由于产品问题 导致的投诉情况； 2) 使用pytorch 的深度学习框架，使用bert 的预训练模型进行fine-tuning 训练调参和优 化；选取28489 条工单作为训练集，在8032 条工单上进行验证，验证集的准确率为94.98%。 模型发布上线后分类准确率约为93%，减少人工派单的时间，提高投诉处理效率。 项目六：一站式数据集成平台系统建设和监控（2018.12 至2021.8） 产品设计、项目管理  项目描述：在周期型报表的建设和维护中，每个开发人员负责调度和加工自己负责的报表， 极不方便代码维护、优化以及数据治理；业务人员则由于分析系统报表单一，很难进行深入 分析，特建立一站式数据集成平台系统。  项目职责：致力于一站式数据集成平台系统建设，提供系统需求分析文档，搭建数据管理模 块,数据分析、数据挖掘模块，设置周期性更新看板和图表，优化报表更新体系。  项目业绩： 1) 设置指标加工统一调度模块：将数据采集、ETL 处理、报表加工过程进行统一调度和管理； 2) 设置数据管理模块： 可进行元数据管理，血缘跟踪，质量监控等； 3) 将报表设置为可灵活通过拖拉拽的方式，调整指标和维度进行分析，并且可以选择图表分 析； 4) 设置可通过选择组件实现特征工程以及模型选择，模型调参等功能。

1）负责对外呼清单清洗，不同客户标识不同营销策略；

2）负责对日常外呼营销结果进行分析，分析报告实时反映生产进程，并实时调整营销策略

项目一：外呼运营分析（2014.01 至2018.11） 数据运营分析

 项目描述：在外呼人员少10%的情况下，不断进行数据分析和策略分析，确保公司年度指标

完成。

 项目职责：使用Python、Excel 对外呼清单清洗，给不同客户标识不同营销策略；使用Python

对日常外呼营销结果进行分析，对标各运营指标完成情况，撰写数据分析报告，为运营管理

提供数据策略支持。

 项目业绩：

1) 结合业务目标，搭建指标体系，进行指标异常实时监控和报警；

2) 借助机器学习建模的方法，设置一整套新的分析思路和模板，以便可以快速定位到影响指

标的主要特征，再进行细节原因分析；

3) 通过运营情况以及建模分析，对客户和营销人员进行画像，通过标签标识实现千人千面，

再通过标签组合抽取目标客户和营销员，设置营销策略进行安排部署；

4) 在2016 年度人数少10%的情况下，整体指标完成相比2015 年却提升近5%，完成省公司下

发指标，受到领导的好评，同时本人荣获市公司先进绩效。

项目二：外呼营销分析系统建设（2015.03 至2018.06） 产品设计

 项目描述：由于外呼营销战报只能现场主管手工导出后使用Excel 分析后，发送至前台查看，

营销员无法实时了解自己的排名，分析人员也很难实时进行分析，特建设外呼营销分析系统

实现周期性更新看板、报表、图表。

 项目职责：负责外呼营销分析系统的建设；在营销系统与分析系统数据打通前，使用Python

实时爬取营销数据作为部分数据源。

 项目业绩：

1) 外呼营销分析系统的建设实现了周期性更新看板和报表的设置，并且设置展示大屏，实时

展示员工实时战报。大屏分为5 个屏幕：总体概况，班级情况，个人情况，录单情况，分

台情况，并滚动展现给台上所有人员。

2) 外呼营销分析系统的建设让分析更加便利，让分析报告能够直接反馈生产的现状，让运营

者能够更加准确快速地进行营销策略的调整。

项目三：提升流量包销售成功率建模（2017.07 至2018.11） 建模预测分析

 项目描述：运营每次提取所有超量客户销售流量包，人力成本高。希望能够精准营销，提升

成功率。

 项目职责：使用Sql、Python、Sklearn 建立相关数据分析模型，使用随机森林算法预测出

所有超量客户购买流量包的概率给到前端。

 项目业绩：

1) 将模型输出的清单与随机抽取的同样数量的清单进行AB test，随机抽取的清单成功率

29%，模型输出的清单为36%左右，试验成功后，将其推广使用；

2) 模型上线推广使用后，对建模-派单营销的过程进行闭环迭代，根据外呼结果，优化调整

模型指标和数据样本，逐步提升模型效果，最近一次概率TOP30%的客户的提升度达2.13。