大学期间，系统学习了《数据结构与算法》《数据库原理》《大数据技术原理与应用》等专业课程，平均绩点3.8（满分4.0），排名专业前5%。曾参与学校组织的大数据竞赛，通过运用所学知识，对海量数据进行清洗、分析和建模，最终获得二等奖。

• 参与公司用户行为数据分析项目，负责从日志系统中提取用户访问、点击等行为数据，日均处理数据量达100GB。通过数据清洗（去除重复、错误数据，清洗率达95%）、转换（将非结构化数据转换为结构化）等操作，构建数据仓库基础层。
• 运用SQL进行数据分析，每月产出10+份数据分析报告，如用户活跃度分析（发现周末用户活跃度比平日高30%）、用户留存率分析（提出针对性运营策略建议，使次月留存率提升5%）等，为产品优化和运营决策提供数据支持。
• 协助团队进行A/B测试数据评估，对比不同版本产品的用户转化率等指标，分析测试结果的显著性（P值小于0.05），为产品迭代方向提供数据依据。

• 在某电商公司实习期间，负责商品销售数据的整理与初步分析。每日收集各品类商品的销售数据（涵盖销售额、销售量、销售区域等维度），建立数据台账，数据准确率达100%。
• 运用Excel进行数据可视化，制作销售趋势图、品类销售占比图等图表（每月制作20+张），直观展示销售数据变化情况，协助业务部门快速了解销售动态。
• 参与库存数据分析项目，通过分析商品库存周转天数（平均周转天数从45天降低至35天）、库存积压情况等，为采购部门提供库存优化建议，降低库存成本约15%。

• 该项目为某社交媒体用户画像构建。我负责数据采集部分，通过网络爬虫技术（使用Python的Scrapy框架）从社交媒体平台抓取用户基本信息（如年龄、性别、地域）、社交行为数据（点赞、评论、分享次数等），共采集有效数据100万+条。
• 进行数据预处理，包括缺失值处理（采用均值填充法，填充率达90%）、异常值检测（使用箱线图检测，剔除5%异常数据）。然后运用机器学习算法（如K-means聚类）对用户进行分类，构建用户画像标签体系（包含20+个标签，如“活跃用户”“潜在消费用户”等）。
• 最终输出用户画像分析报告，为社交媒体的精准营销（广告投放点击率提升20%）和个性化推荐（用户使用时长增加15%）提供数据支撑。

• 参与某金融风控数据建模项目。首先对金融客户的历史贷款数据（包括贷款金额、还款记录、信用评分等30+维度数据，数据量50万+条）进行清洗，去除噪声数据（噪声数据占比5%，清洗后数据质量显著提升）。
• 运用特征工程，提取如“逾期次数占比”“贷款金额与收入比”等关键特征（共提取20个有效特征）。然后使用逻辑回归、随机森林等算法进行建模，通过交叉验证（5折交叉验证）优化模型参数，最终随机森林模型的AUC值达到0.85（行业优秀水平）。
• 利用该模型对新客户进行风险评估，准确率达80%以上，有效降低了金融机构的信贷风险（不良贷款率降低3%）。