数据分析师 · 北京 · 4 年经验
guyanchuan@example.com · 186 0000 0000 · github.com/guyanchuan
个人优势
- 4 年数据分析经验，支持过电商和内容两类业务，擅长把业务问题拆成可以用数据回答的问题
- 搭建过完整的指标体系：从北极星指标拆到 40 多个过程指标，统一口径后各部门的数据对不上的问题基本消失
- AB 实验经验丰富：设计并分析过 60 多个实验，能处理样本量估算、多重比较和新奇效应等常见问题
- 分析能落到决策：用户流失分析的结论推动产品调整了新手引导，新用户 7 日留存提升 5 个百分点
- 工具熟练：SQL 写得快且规范，Python 做建模和自动化报表，把团队每周 2 天的手工报表工作压缩到半天
- 技能：SQL（Hive / MySQL / ClickHouse）、Python（Pandas、Scikit-learn）、Tableau、Excel、AB 实验、统计检验、指标体系、用户分群
工作经历
某内容社区公司 · 高级数据分析师
数据分析组 6 人，我对接内容增长和推荐两个业务团队，负责指标体系、实验分析和专题分析。
- 指标体系：各团队对「活跃用户」「有效阅读」口径不一，周会经常在对数。牵头梳理 40 多个核心指标的定义和计算逻辑，沉淀成指标字典和统一数据表；口径争议类问题基本消失，日报产出时间从上午 11 点提前到 9 点
- 新用户留存分析：拆解新用户前 7 天的行为路径，发现首日关注少于 3 个作者的用户 7 日留存只有关注 5 个以上用户的三分之一。推动产品在新手引导中加入兴趣选择，新用户 7 日留存从 31% 提升到 36%
- 实验平台推广：为业务团队制定实验设计规范，提供样本量计算工具和标准分析报告模板；一年内支持实验 60 多个，实验结论被业务直接采纳的比例从约 40% 提高到 70%
- 自动化报表：用 Python + SQL 把 12 张周报改成自动生成并推送，团队每周用在手工报表上的时间从约 2 天降到半天
某电商平台 · 数据分析师
负责营销活动的效果评估和用户分群。
- 建立大促活动复盘模板，按拉新、转化、客单价和利润四个维度评估，帮助营销团队停掉了 3 类 ROI 长期为负的补贴玩法，年节省预算约 600 万元
- 基于 RFM 模型对 500 万用户分群，配合运营制定差异化触达策略，高价值用户的季度复购率提升 8%
- 搭建优惠券核销预测模型，预测准确率 85% 左右，帮助财务更准确地预估活动成本
项目经历
推荐策略实验评估体系
推荐团队每月上线多个策略实验，但常出现「实验组点击率涨了、整体时长却下降」的情况，结论难以判断。
- 和推荐、产品团队一起确定实验的主指标和护栏指标，主指标看人均阅读时长，点击率、负反馈率和作者曝光分布作为护栏
- 针对新奇效应，规定实验至少观察 14 天，并单独比较新老用户的表现；用 CUPED 方法降低指标方差，所需样本量减少约 30%
- 评估体系上线后，有 3 个原本准备全量的策略因护栏指标恶化被拦下，全年上线策略带来的人均时长累计提升约 9%