AMAZING RESUME · SOFT RADIUS
牛敬业
快消商业数据分析开发
188****1234niu****@***.com北京30男快消商业数据分析开发在职北京20k-30k •参与全国高校商业精英挑战赛，主导数据采集与清洗，运用Python对消费者端数据进行聚类分析，完成《即时零售用户分群与购买行为报告》，获省级一等奖。
•在应用回归分析课程中，以某饮料品牌区域促销数据为案例，建立多元回归模型量化价格、陈列、竞品因素对销量的影响，并撰写优化建议。
•在校期间连续三年获得校级优秀学生奖学金，专业排名前8%，具备扎实的量化分析与统计建模功底。
•负责雀巢饮品业务销售数据的深度分析，搭建基于XGBoost的销量预测模型。整合历史销售数据（涵盖SKU、区域、渠道等维度，数据量超百万条），引入促销活动、天气、节假日等外部特征进行工程化处理，将预测准确率从65%提升至85%，为生产排程提供精准依据，降低库存成本约12%。
•主导市场趋势洞察体系的搭建，融合Nielsen、Kantar等第三方报告与电商平台竞品数据（每月处理超80份行业报告及竞品动态），利用K-means聚类识别健康零食细分领域的增长机会，成功推动公司布局该赛道，新品上市首年销售额达3200万元。
•与市场、渠道团队紧密协作，定期输出深度分析报告（每月至少3份）。通过A/B测试设计多组促销方案（样本量超8万消费者），对比不同方案下的ROI与拉新效果，优化活动策略，使整体活动ROI提升25%。
玛氏箭牌 - 数据智能中心全球知名快消企业创新驱动
2020.01-至今
•主导消费者数字画像项目，整合企业内部交易数据（含用户基础信息、购买记录、互动日志，数据量达亿级）与外部行为数据（如电商浏览偏好、社媒兴趣标签）。运用RFM与LTV模型，结合多层聚类方法，将用户划分为8类核心客群，并针对高价值客群设计个性化权益与触达策略，使该类用户复购率提升28%。
•搭建供应链控制塔数据分析模型，驱动库存与补货决策优化。通过分析销售、采购、物流等多环节数据（涉及全国5大仓、每日更新超两千条记录），引入动态安全库存算法与需求感知模型，将库存周转率从5次提升至7次，缺货率降低8%。
•推动数据产品化建设，主导搭建Power BI可视化平台，开发销售指挥舱、渠道健康度、活动效能追踪等看板（每月更新看板超15个）。实现核心指标实时监控与预警，管理层可随时掌握各区域、各品类的销售动态，快速调整资源分配。
健康零食市场机会识别与产品定位项目 - 数据分析负责人
2017.05-2018.05
•项目背景：公司拟拓展健康零食品类，需通过数据驱动定位细分市场与消费者需求。
•数据收集：爬取电商平台用户评论超10万条，整合线下消费者调研数据（有效问卷4000份），并收集竞品近3年销售数据。
•分析过程：利用LDA主题模型从评论文本中提取消费者对口味、成分、包装等维度的核心诉求，通过联合分析法量化消费者偏好，结合时序预测模型评估市场容量与增长潜力。
•项目成果：识别出“高蛋白低糖”零食为高潜力细分市场，目标人群为25-35岁健身及健康生活方式爱好者，产品上市首年销售额达8000万元，超出预期目标15%。
终端门店执行效能评估与优化项目 - 数据分析核心成员
2021.01-2021.12
•项目背景：公司面临终端门店执行标准不一、资源投入效率低下的问题，需通过数据评估提升执行效能。
•数据整合：收集2000+门店的铺货率、缺货率、陈列质量评分、促销执行等数据，以及对应门店的销售数据，横跨3年周期。
•分析方法：构建门店执行评分卡，采用随机森林算法识别影响销售的关键执行因素，并模拟不同资源投入情景下的销售提升效果。
•项目成果：识别出20%的门店贡献了40%的销售，优化了陈列标准与资源分配方案，使整体门店执行得分提升15%，同店销售增长率提升10%。
我一直对快消行业的数据驱动决策充满热情，享受从销售波动、消费行为中抽丝剥茧，找到商业增长的逻辑。习惯用严谨、系统化的分析思维面对问题，重视数据质量与业务假设的闭环验证。在技术栈上，能熟练运用Python（如pandas、scikit-learn）和SQL完成数据清洗与建模，并借助Tableau等工具将洞察转化为直观的决策看板；同时具备良好的跨部门沟通能力，能将复杂模型结论转化为市场、供应链团队可理解的行动建议。具备快速学习能力与抗压性，善于在快节奏业务中并行推进多项分析任务。对消费品市场变化保持敏感，持续关注行业前沿分析方法，希望用数据为品牌创造可量化的价值，在商业分析领域持续深耕。
行业洞察:
持续追踪快消行业趋势，每周阅读凯度、欧睿等机构发布的品类报告，关注即时零售、DTC、下沉市场等新兴渠道动态，定期整理行业洞察月报。
熟悉快消品“人货场”数据体系，理解从消费者洞察、新品研发、供应链管理到终端动销的全链路数据逻辑，能够跨域整合销售、库存、用户行为数据。
掌握营销组合模型（MMM）与增量归因方法，曾通过分解广告投放、渠道铺货、促销活动对销售额的贡献，为某零食品牌提供季度预算分配建议，预计提升ROI约12%。
