BUSINESS · PEOPLE · CULTURENO. 006COVER PROFILE牛敬业
数据挖掘建模工程师
常怀探索之心，以实干沉淀自身价值
188****9344niu****@***.com北京28男数据挖掘建模工程师在职北京20k-30k THE NEW WORK ISSUE •- 主攻时空数据挖掘方向，完成《城市交通流预测系统》毕业设计，融合LSTM与图神经网络模型，准确率达89%。
•- 担任数据科学社团技术负责人，组织校级数据挖掘竞赛3次，指导团队获「全国大学生大数据挑战赛」华东赛区二等奖。
•- 选修《概率图模型》《分布式计算原理》等课程，GPA 3.8/4.0，独立完成供应链异常检测算法论文并在校园学术论坛发表。
•- 主导零售供应链数据建模项目，整合15家门店POS系统与ERP数据（日均处理量80GB），通过XGBoost构建库存周转预测模型，将滞销商品占比降低32%，库存成本优化1800万元。
•- 设计实时用户分群系统，基于Redis+Kafka架构实现千万级用户标签动态更新，支撑大促期间精准营销策略，带动客单价提升23%。
•- 与产品团队共建数据看板体系，开发用户生命周期分析模型，识别高价值用户特征，推动会员体系改版，用户续费率提升17个百分点。
•- 负责外卖平台骑手调度优化项目，构建基于时空特征的深度强化学习模型，处理历史订单轨迹数据（总量超2000万条），使配送时效提升22%，骑手日均接单量增加15单。
•- 开发多模态特征工程框架，融合天气、交通、商户属性等外部数据，通过AutoML自动筛选最优特征组合，模型训练效率提升40%。
•- 设计模型效果监控体系，通过线上指标衰减告警机制，累计处理17次模型性能异常事件，保障核心业务指标稳定性。
•- 项目背景：某连锁超市需降低高价值客户流失率，传统RFM模型预测精度不足。
•- 项目内容：整合POS交易、会员卡使用、投诉记录等8类数据源（总量65GB），设计融合时间衰减因子的梯度提升树模型，通过SMOTE处理样本不均衡问题。
•- 项目成果：模型召回率达91%，提前30天预警高流失风险客户，帮助运营团队挽回潜在损失超2000万元。
•- 项目背景：某短视频平台需解决用户兴趣同质化问题，现有推荐算法导致内容多样性下降。
•- 项目内容：构建用户行为序列Transformer模型，挖掘跨品类兴趣迁移路径（如美食→旅行），引入对抗训练增强模型泛化能力。
•- 项目成果：用户日均观看品类数提升40%，中长尾内容曝光量增长55%，平台内容生态健康度显著提升。
深耕数据科学领域5年，痴迷于从复杂数据中提炼商业洞察，习惯用Python编写高效可复用的分析脚本。具备严谨的数据质量把控意识和算法落地能力，擅长将模糊业务问题转化为可量化的数据模型。对供应链优化与用户行为建模有深度实践，习惯用Spark处理TB级数据，通过特征交叉与集成学习提升模型鲁棒性。期待在动态业务场景中持续挑战高并发数据处理难题。
技术博客与知识分享:
- 持续在CSDN更新数据挖掘实战笔记，累计发布32篇技术文章，单篇最高阅读量10万+，重点分享供应链预测模型调优经验。
- 参与Apache Spark社区文档翻译工作，完成《Structured Streaming编程指南》中文版修订，代码示例贡献量达800行。
