•主修金融数学，系统学习了时间序列分析、金融计量经济学与商业数据分析等核心课程，GPA 3.8/4.0。
•作为核心成员参与国家级大学生创新创业项目《基于消费者画像的精准营销策略研究》，使用Python完成数据清洗、聚类分析与可视化，独立负责特征工程与模型构建，项目获评校级优秀。
•担任学院商业分析俱乐部负责人，组织多场“数据驱动营销”工作坊与行业分享会，带队参加“正大杯”全国大学生市场调查与分析大赛，获得省级一等奖。
北京XX金融科技有限公司 - 数据分析部金融科技创新型企业
2018.07-2021.12
金融商业数据分析开发工程师商业数据分析客户价值建模需求预测引擎
北京
•• 负责公司消费信贷产品的客户行为分析，设计并构建了客户生命周期价值评估模型。通过整合多源交易数据与外部征信数据，运用聚类算法将客户划分为8个价值层级，支撑差异化营销策略，使高价值客户复购率提升18%。
•• 开发消费信贷需求预测引擎，集成宏观经济指标与社交舆情数据，采用Prophet时序模型与梯度提升树结合的方式，实现信贷需求月度预测准确率87%，帮助资金部门优化配资方案，年化资金成本降低12%。
•• 与产品、风控团队协同，设计A/B测试框架评估营销活动效果，运用Tableau搭建实时业务监控看板，将关键指标异常响应时间从2小时缩短至15分钟，显著提升业务决策效率。
北京XX金融集团 - 数据研发部大型金融集团多元化金融业务
2022.01-至今
资深金融商业数据分析开发数据湖建设信用风险建模联邦学习应用
北京
•• 主导建设企业级数据湖平台，采用Lakehouse架构，集成Flink实时流处理与Spark批处理，实现PB级交易数据的统一存储和分钟级查询响应。建立数据血缘追踪与元数据管理机制，数据质量问题发现率提升至95%。
•• 重构小微企业信用评分模型，引入税务、海关、电力等替代数据，使用LightGBM算法构建多维度评估体系，模型区分度（KS值）从0.35提升至0.42，助力小微贷款不良率下降0.8个百分点。
•• 推动与征信机构、支付平台的数据合作，通过联邦学习技术实现“数据可用不可见”的联合建模，丰富反欺诈特征维度，线上欺诈交易识别率提升40%，同时保障数据安全合规。
•• 项目背景：公司推出面向中产客群的智能理财服务，需要深度理解客户风险偏好与配置需求，以优化推荐策略。
•• 项目执行：负责数据采集与分析工作。通过网络爬虫获取理财社区、财经媒体的讨论文本，运用BERT模型进行情感分析与主题建模，识别客户对固收、权益、混合类产品的关注度与情绪倾向。结合内部客户持仓与交易行为，采用层次聚类算法划分客户画像，形成保守收益型、均衡增值型、进取成长型等六大客群。
•• 项目成果：输出客户投资偏好洞察报告，为推荐引擎的资产配置规则提供数据支撑。产品上线后，客户平均持仓金额提升22%，推荐点击转化率提高35%。
智能交易监控与合规管理平台 - 数据分析与建模成员
2022.03-2022.08
•• 项目背景：为满足监管对反洗钱和可疑交易监测的更高要求，公司决定升级交易监控系统。
•• 项目执行：参与构建可疑交易监测模型，利用交易网络图特征与时间序列异常检测算法（如Isolation Forest）识别团伙欺诈与洗钱模式。设计基于规则引擎的实时预警模块，融合监管的大额交易报告标准与自定义指标。开发数据接口，对接核心交易系统、支付通道及外部黑名单数据库，实现数据毫秒级同步。
•• 项目成果：模型上线后，可疑交易预警准确率提升至92%，月均有效预警量达1200笔，可疑报告提交及时率保持100%，顺利通过监管验收，公司合规风险显著降低。
机器学习与深度学习（LightGBM/TensorFlow） 数据可视化与BI（Tableau/Power BI） 2021年公司级“数据驱动业务增长”最佳实践奖（客户画像与精准营销项目） 2023年集团“技术创新突破奖”（实时智能风控引擎） 金融数据安全与合规实践:
在数据分析工作中，严格遵循数据最小化原则，对敏感字段实施动态脱敏与权限隔离，保障金融数据在营销分析中的合规应用。
推动数据安全审计工具落地，建立数据分类分级标准，将数据泄露风险降低40%，在年度合规审计中获评最高等级。
