负责用户运营部的目标管理、财务费用管理、BI 体系搭建、标签建设、以及数据分析专项等，带领3~4名分析师完成并推进落地。
目标&财务管理：统筹部门季度拉新召回目标和预算，对接综管、经分等部门，以及向上给 VP 汇报，定期追踪费用执行情况，完成滚动预测和盘整等事项；
BI 体系&标签建设：搭建和完善部门运营指标监控：包括搭建和维护服务中心一级部门的拉新日报，搭建并上线服务部门营销项目的日报或看板：包括诺曼底日报、省省卡日报、商品池看板、会员频道看板等；
作为部门算法接口人，完成标签需求对接，建模的业务定义、模型效果验收以及应用等事项，成功上线了未登陆用户的登陆概率预测模型，并基于该模型，设计了分渠道+用户生命周期+概率分层的用户权益匹配策略，目前正在实验测试中。
数据分析专项：带领分析师小组，完成上级给定课题，甚至自发提出和挖掘课题。完成项目包括：完成首购分析专项，在月会中汇报，其中M站的相关结论已落地，M站唤端项目在6月日均带来6K+新用户；
完成新客次日取消分析，并影响产品落地黄金流程中，设计了取消挽留策略，产品负责人预计该策略一天能带来1万左+的新用户；
完成会员权益评估模型，明确出京享值权益干预策略的真正价值，业务侧与事业部谈更好的权益有了坚实的依据，同时搭建了权益干预的评估方法论：权益策略对用户长期购频、LTV 的增益影响，以及通过数据洞察，寻找更优的策略指引。

负责公司整个 BI 体系和分析体系，对接的游戏包括：开心消消乐，偶像梦幻祭2等五大游戏、多个小游戏产品，管理分析师团队规模9~10人；
0到1搭建新的 BI 体系：顺利完成公司从老 BI 切换到新 BI 报表系统，从刚入职时报表混乱，数据口径混乱，数据错误多，业务不信任的状态，到目前报表体系数据口径清晰，数据错误少的状态（年中 HR 进行报表系统调研反馈，针对数据质量80%用户反馈满意，针对数据呈现7%很满意，73%满意）。
我在中间的职责是：带领分析团队，梳理重点游戏的数据指标口径和报表展示的结构；梳理从指标设计-埋点-数仓开发-报表整个流程，数分团队承担了整个项目管理，以及中间环节的指标设计，埋点讨论和需求验收，管控数仓开发需求和进度，设计和配置报表等环节，主动推动数仓，工具，QA ，业务等团队一起协作，将数据质量提升。
0到1重塑分析体系：带领团队，从刚入职时数分团队直接扔 Excel 表格给到业务，很少做分析的状态，到目前形成了较为完整的数据分析体系：包括搭建起游戏项目组 目标管理和拆解体系， 新游戏上线数据服务体系，运营游戏的 AB 实验分析活动分析体系，以及专项分析体系；
其中专项分析体系设计成：结合业务目标和主要挑战，针对某一块业务命题主动发起专项分析项目，通过对业务分析建模后，撰写分析报告，给出业务评估和改进策略建议，后续持续追踪业务落地情况（甚至是与业务一起参与设计实验等），形成闭环。
已经完成的专项具体如下：
● 用户增长：
1. 广告投放策略优化：包括 LTV 预估和关键行为策略模型等，其中关键行为策略模型落地后，给业务带来较好的增长：ROI 提升了X个 PP ，次留提升了Y个 PP；
2. 新用户诊断报告（针对开心消消乐，包括了新用户留存模型，卡点分析，活动评估，付费分析等，最终我们从优化进关前引导、调整及优化功能开启、关卡调优、活动调优、经济系统优化五个方面提出10条可落地的建议，其中8条得到项目组的认可，7条正在或计划进行落地执行）；
3. 用户流失分析&流失预警：带领分析师进行用户分析，设计模型雏形和评估体系，推进数仓和 AI 部门进行落地，并协同业务团队，设计干预策略并推进落地到游戏系统中。
4. 用户召回策略设计：针对流失用户进行召回实验，从最初召回率不足1%，ROI 为负的状态下，通过几次实验调优，提升至召回率2%左右，ROI 100%以上。
● 运营游戏机制诊断：
5. 开心消消乐晋级赛诊断；
6. 偶像梦幻祭月报；
7. 松松宝箱研究；
8. 松松挑战赛研究；
9. ……
● 运营游戏活动：开心消消乐的消除节活动
● 新游戏测试：Combo 龙战游戏测试报告等。
团队重组&人员管理：根据管理层对于分析团队的要求，优化掉明显不符合要求的人员，引入市场上更优秀的人才加入团队，并不断的培养团队成员，提升团队在分析能力，业务理解，数据报告交付质量等层面的提升。

职位：高级经理/高级数据分析专家；团队规模：5~6人左右；
负责事业群的数据分析工作，包括搭建和完善业务数据指标体系、BI 建设、周期性报告报表、会员数收入预测以及 KPI 制定、用户行为分析、渠道分析、促销分析、内容分析等等；
除了对接事业群总裁、VP 、总监、经理等各个层级的数据分析需求外，也会根据业务部门的战略或者策略，主动发起分析课题，紧密配合业务部门，带领下属一起推动分析结果落地；
例行报告包括：会员部门的周报、月报、年报，各个业务子模块的月季报：TV 端月报、内容月报、学生套餐季报、会员画像季报等等；
会员预测及 KPI 制定：梳理影响会员数和收入的影响因素，采取多种策略搭建预测模型，与业务 leader 们对接进行 KPI的 review 和下放，与财务部门对接进行预测数据的上报等；
用户分析包括：通过对会员用户拉新、留存、召回等各个阶段以及参与活动的行为等方面的刻画，帮助业务采取更好的策略来维护会员留存。具体比如：会员生命周期指标的搭建、首月6元用户行为分析、流失会员分析、流失会员预警建模、新增用户路径研究等等；
内容分析包括：付费电视剧分析体系搭建，内容圈层研究，资源位置研究，内容收入预测等；
产品分析包括：会员产品改动决策支持、集卡活动概率模型等；
行业分析包括：海外市场开站顺序研究， 市场研究体系搭建（体系包括当地经济人口基本面，内容产业链分析，当地运营商、电视媒体、流媒体主要竞手的研究等等）等，以及海外第三方行业数据的对接、评估和采买等；
管理工作包括：人员绩效管理，面试候选者，分配工作任务给下属，培训下属，指导下属完成工作和提升自己，并帮助下属获得晋升。

在去哪儿期间，由于公司内部原因，我所在团队和承担角色做了多次变更：
数据运营分析角色：
1. 商家促销反作弊项目（项目负责人）：
梳理反作弊相关业务（流程、数据、规则等），与业务审核小组梳理流程并建立有效的合作关系，搭建风控数据集市（商家，订单，用户三个粒度），改进了原有规则（通过异常检测等数学模型帮助发现异常商家和订单等），制定了未来反作弊的分析项目计划。
2. 佣金率项目（项目负责人）：
筛选目标商家，通过业务梳理、数据分析、构建报表以及设计业务策略，最终帮助业务部门提高了佣金返点（提高了X个百分点）。
3. 某品牌酒店的包房项目（项目负责人）：
负责该品牌酒店相关的收益管理，主要是根据数据分析对酒店的价格体系进行管理（收益提升了X个点）。
4. 其他 Ad-hoc 分析工作等。
数据算法策略角色：
1. 智能房控项目（算法负责人）：
将机器学习模型应用到房控业务，帮助公司降低满房拒单的情况（降低拒单率X个百分点）。负责从业务梳理，到底层的数据获取和分析建模，到最后工程化以及模型评估体系等。
2. 买断房定价系统（算法负责人）：
设计了整个买断房定价系统，对接了运营负责人、前端产品、前端开发、后端产品、后端开发、算法开发、测试等，共同完成了该项目，最终帮助减少运营成本，提高买断房收益。

负责 Inside Sales 部门(隶属于第三方平台部门)的数据分析方方面面的工作，将数据分析的价值真正发挥在部门运营工作中。
所帮助的销售运营项目包括：MFN Selection 店铺搬家 增加选品项目 / FBA Recruit 亚马逊物流招募项目 / FBA Selection 亚马逊物流增加选品项目 / ADS 广告推广项目 / COD 货到付款项目 / Global Selling 全球开店项目 / 第三方平台 Top 卖家 Regain 项目（这个运营项目是由于我给第三方平台 VP 做的一个分析引起的） / Westlake 项目等等。对于上述大部分项目，我都是从零到有建立起来分析和监控体系，我所做的贡献包括：销售目标制定和分解/ 销售计划和预测/ 卖家 Leads 管理 / 卖家在 Salesforce 流程制定和管理 / 周期性报告对项目进行展现追踪和预警 / 卖家跟进的商业策略推荐 等等。
具体内容包括：

1. Reporting :建立和完善日常运营数据分析报表体系，为部门的所有项目的运营提供数据支持。

2. Planning :搭建并不断完善销售业绩模型、经营模型，以及部门各项目的 Target 测算和渠道分解等，为销售管理层制定销售运营和管理策略提供决策支持；

3. Modeling :设计和实施卖家分群模型，提升销售运营的整体效率;
使用回归或者时间序列模型等，对各个销售项目做每周的滚动预测，便于老板更好的管理和规划各个项目业务。

4. Ad-hoc Analysis :承接来自部门总监/经理/主管/项目 Owner 等的临时数据需求，分析需求等，甚至会承接来自第三方平台部门 VP 的数据分析的需求；

5. 此外，还包括 Salesforce 管理，数据分析培训（给普通销售或者项目 Owner做 Excel 培训和简单的 SQL 培训，给 Inside Sales 的主管和经理做数据分析挖掘方法的培训），管理和指导初级分析师工作等等。

1. 在线数据库定时跑 sql 脚本，并连接到 Excel ，使用 VBA 完成业务部门周期性报告；
2. 参与网站用户体系分析报告，主要负责竞争对手会员体系分析和网站商品关联规则分析；
3.参与运营风控项目，在 hive 上提取数据，完成相应的分析和建模。
售后返修这块，主要是建立指标体系监控，建立了信用评分模型，对每个返修用户做了恶意风险概率预测：完成了从梳理业务，梳理好之后定义好目标和各个变量，进而在 hive 上进行候选变量的数据提取，取样，变量预处理，分箱，筛选变量，建模，计算出分数，测试和检验，并最终推动上线整个过程。模型上线后受到售后业务方的好评。（模型负责人）
下单套利这块，主要是分析这种套利订单的业务逻辑和特征，得出一个规则集，根据规则集抓取相应的订单，并形成监控日报。受到老板的好评。（模型负责人）
4.其他性提数和分析，比如 POP 商家炒销量分析，拒收率高的用户下单特征分析等等
5.客户忍耐度模型
6.市场部数据建模合作项目（参与者，包括客户粘性模型，客户价值模型，客户品类偏好模型）

1.数据支持：整合多种渠道的数据，负责日常报表的制作，对部门 KPI 进行监控，为部门 Leader 做决策提供数据支持。
2.完善现有数据分析体系建设
3.改进了大客户 Report 的分析框架，将报告分为：基于 KPI 的运营监测和预警+跟进策略。并且大客户销售会根据预警指标的情况进行相应的跟进和反馈。
4.研究谷歌销售 Team的 Planning Target 模型/Revenue 计算模型/以及其他的 KPI 计算模型，为 Leader 规划 Team 季度的运营和 与 Global 谈季度 Target 时给予有力的数据分析支持。
5.使用01整数规划的思想辅助 Team Leader 优化决策。
6.使用复杂的 Excel 函数公式和 VBA ，使得繁杂的工作得到一定程度的改善。