技能与经验
这里梳理了作为数据分析师与数据相关从业经历中积累的核心技术栈，以及在金融、电信、本地生活与内容安全等业务场景下形成的项目特定能力。
核心技术
长期从事数据分析工作，围绕数据采集、建模、分析与沟通，形成了一套相对稳定的技术组合，用于支持产品与业务决策。
- Python 数据分析：熟悉 pandas / numpy，用于数据清洗、特征加工与指标计算。
- SQL 与数据抽取：能够在复杂业务库中完成数据抽取、关联与聚合。
- 数据建模与指标体系：根据业务目标设计指标体系与主题宽表，支持报表与分析。
- 基础机器学习：参与分类、预测等建模项目，对特征工程与模型评估有实践经验。
- 数据可视化：使用 BI 或自建可视化方案，将分析结论结构化呈现给业务方。
- 需求拆解与分析故事讲述：能够将业务问题拆解为可度量的指标与分析路径。
项目特定技术与领域经验
在不同业务领域中，通过实际项目沉淀出对行业指标、风控逻辑与运营策略的理解，这些经验可以快速迁移到新的数据产品与分析任务中。
- 金融与财务基础：理解资产负债表、利润表、现金流等核心概念，用于建模与指标设计。
- 金融风控与授信：参与风控规则与评分卡相关分析，对逾期、违约等风险指标有实践经验。
- 电信运营商数据：熟悉用户生命周期分析、套餐策略评估与运营活动效果衡量。
- 本地生活与到店到家业务：围绕商户、订单与流量构建经营看板与分析模型。
- 内容安全：参与内容审核策略与模型效果分析，关注召回率与误杀率平衡。
- 数据建模与数据产品协作：对数据中台、数仓分层与埋点设计有实战配合经验。