•在“全国房地产大数据创新应用大赛”中，带领团队挖掘城市板块租金影响因素，构建动态预测模型，获全国二等奖
•毕业设计聚焦“基于深度学习的房产挂牌价异常检测”，运用自编码器识别虚假房源，论文获评院级优秀并在校内数据科学开放日展示
北京安居客信息技术有限公司 - 数据运营部房地产信息服务平台
2017.07-2020.06
房产数据运营开发数据采集数据仓库建设报表开发流程优化
北京
•负责多源房产数据的整合与自动化采集，基于Python开发分布式爬虫引擎，从主流房产平台及合作方API日均获取12万条以上房源信息，并通过规则引擎与异常检测使数据完整性达到98.5%；
•基于Hadoop生态搭建房产数据仓库，采用雪花模型与分区策略优化存储结构，使多维分析查询响应时间缩短40%，支撑区域市场、价格走势等深度分析；
•利用Power BI设计并开发房产数据运营看板，自动生成供需热度、成交周期、价格指数等动态报表，为业务团队提供实时决策支持，推动数据化运营；
•与产品、运营团队紧密协作，梳理数据需求痛点，推动数据采集、清洗、交付流程标准化，使数据服务响应效率提升30%，显著降低沟通成本。
北京焦点房产信息技术有限公司 - 数据研发部智慧房产数据服务商
2020.07-至今
资深房产数据运营开发数据架构设计预测建模可视化平台建设团队管理
北京
•牵头构建房产数据指标体系，定义房源、用户、市场三大维度共200余个标签，形成可复用的标签树，支撑用户分群与精准推荐，标签覆盖率提升至95%；
•应用XGBoost与LightGBM算法，融合小区环境、交通、学区等特征，建立区域房价预测模型，预测误差控制在5%以内，为智能定价与估值提供核心支撑；
•主导数据中台可视化大屏升级，基于ECharts与Vue.js实现城市热力、成交趋势、库存去化等实时看板，提升管理层对市场动态的感知效率，日均访问量超500次；
•带领3人数据小组，完成多个数据运营专项，并指导2名新人快速掌握数据开发技能，推动团队整体数据治理能力提升，形成可复用的数据运营方法论。
•项目背景：随着线上获客成本攀升，需通过精细化用户运营提升营销转化率，打破传统通投模式；
•项目目标：构建基于行为数据的用户细分模型，实现千人千面的房源推荐；
•- 数据采集：整合用户浏览、搜索、收藏、留资、带看等行为日志，以及人口属性、设备信息，月均采集数据量达50GB；
•- 数据清洗与预处理：通过缺失值填充、异常行为过滤、时间窗口对齐，使有效行为数据占比达到92%；
•- 特征工程：提取用户活跃度、购房意向强度、价格偏好、区域偏好等20个特征，构建用户特征向量；
•- 模型训练：结合RFM模型与K-Means聚类，将用户划分为活跃高潜、价格敏感、改善观望等5类，并验证类间差异显著；
•- 画像应用：将分群结果融入推荐引擎，向高潜用户优先推送新盘及特价房源，使点击率提升25%，留资转化率提升18%。
•项目背景：为提升房产交易效率与定价透明度，需开发一套自动化估价工具，替代人工经验评估；
•项目目标：开发高精度、低延迟的房产动态估价系统；
•- 数据收集：汇集历史成交记录、房源属性（面积、楼层、装修、朝向等）、周边配套（交通、学校、医院）、区域宏观经济指标，累计数据量达80万条；
•- 数据建模：采用LSTM深度学习模型捕获价格时序特征，融合地理位置编码，通过交叉验证与超参调优，将测试集RMSE降至0.12；
•- 系统开发：基于Spring Boot构建微服务，提供RESTful API，支持网页端与移动端快速估价，并集成缓存策略降低响应延迟；
•- 系统测试与上线：经过压力测试与A/B测试，系统上线后单次估价响应时间<200ms，准确率达到92%，累计为12万次交易提供估值参考。
房产数据采集与治理流程优化:
在某房产平台实习时，发现房源信息录入环节存在字段缺失、重复采集等问题，导致数据一致性和完整性不足
主导设计并落地了数据采集标准规范与自动化校验插件，定义必填字段规则、值域约束和去重逻辑，实现采集端实时校验
成果：人工复核工作量降低50%，数据重复率从12%降至2%，数据质量评分提升35%，为后续的市场分析报告提供了可靠数据底座
