AMAZING RESUME · SOFT RADIUS
牛敬业
数据挖掘工程师
188****6756niu****@***.com北京30男数据挖掘工程师在职北京20k-30k •系统学习了数据挖掘原理、分布式系统与云计算、高级机器学习等课程，大三学年GPA排名专业前10%。
•带领团队参加全国大学生大数据竞赛，利用Spark与Hive对千万级交通轨迹数据进行聚类与异常检测，斩获华北地区金奖。
•参与校内智能计算实验室，协助导师完成“基于图神经网络的社交网络异常检测”课题，负责数据预处理与特征工程，奠定了扎实的工程实践基础。
北京华拓数智科技有限公司 - 数据智能中心互联网行业领先企业
2018.07-2021.12
•主导电商平台全域用户画像的迭代，基于埋点日志与交易流水，运用聚类和序列模式挖掘重构了用户分群体系，将高价值人群识别准确率提升了18%。
•针对首页信息流场景，设计并落地了多路召回与深度兴趣网络排序策略，通过A/B实验使点击通过率提升27%，次日留存率环比提高4.5个百分点。
•与运营、商品团队共建数据看板与自动化标签体系，支撑了促销敏感度模型、流失预警等6个数据产品的上线，缩短了业务取数决策周期近40%。
•牵头搭建了基于MLflow与Kubernetes的模型训练与部署流水线，将模型迭代周期从周级压缩到天级，并沉淀了20余个可复用的特征工程算子。
北京融信智联金融科技公司 - 数据智能部金融科技新锐企业
2022.01-至今
•主导企业级实时特征平台的升级，引入Flink与StarRocks替换原有Lambda架构，使特征计算延迟降低65%，日均处理数据量达百亿级别。
•面向供应链金融风控场景，开发了基于图神经网络与集成学习的反欺诈模型，在团伙欺诈识别上精确率与召回率均超过92%，累计拦截风险资产超3亿元。
•负责部门技术梯队建设，设计并实施了《数据挖掘实战训练营》课程，通过模拟信贷审批、交易反洗钱等真实案例，带动团队整体模型开发效率提升30%。
•与外部研究机构合作，探索联邦学习在跨机构联合建模中的应用，完成隐私计算原型验证，获得公司年度技术创新奖。
•项目背景：平台新客增长放缓，亟需从存量用户中挖掘复购潜力，提升用户生命周期价值。
•项目过程：融合用户浏览、加购、收藏及近一年订单数据，采用RFM模型与K-Means聚类划分用户价值层级，并针对低复购群体使用关联规则与XGBoost分析其品类偏好与价格敏感度。通过SHAP值解释模型，找出影响复购的关键行为路径。
•项目成果：依据分析结果，联合营销团队设计了阶梯式权益与精准品类推荐策略，经过三周灰度测试，核心用户群复购率提升22%，月均客单价提升12元，预计年化增收超千万。
•项目背景：为降低区域仓生鲜品损耗，需提前48小时预测各SKU销量，驱动动态补货。
•项目过程：采集历史订单、天气、节假日及促销活动等多源数据，构建了基于LSTM与Prophet融合的时序预测模型，并引入外部舆情指数作为协变量。利用贝叶斯优化自动调参，并设计滚动回溯验证集模拟真实预测场景。
•项目成果：模型预测准确率稳定在87%以上，试点城市仓生鲜损耗率下降2.8个百分点，缺货率由5.1%降至3.3%，每年节省报废与转运成本约180万元。
对数据挖掘始终抱有执念，相信每一个数字背后都藏着可被解读的逻辑与业务机会。我习惯以严谨和开放并行的态度切入问题，既能细致推敲数据质量，也乐于快速验证假设、迭代方案。技能上，Python、SQL 与 Spark 等是我的日常语言，擅长将算法思考转化为用户洞察、需求预测等可落地的分析成果。主动承担过技术攻坚与小型团队协调，在跨部门沟通中始终追求用数据事实说话，希望继续在复杂业务场景中打磨更敏锐的数据直觉。
数据叙事与可视化看板设计:
精通Tableau和Plotly Dash搭建交互式分析看板，能把复杂的关联规则与预测结果转译为运营人员可立刻执行的洞察。曾为某电商平台搭建“用户流失预警”仪表盘，融合RFM分层与留存曲线，辅助运营团队精准定位高价值流失风险群体，使得召回活动响应率提升15%。
