在大学期间，系统学习了统计学原理、概率论、数据分析方法等专业课程，为数据分析工作奠定了坚实的理论基础。同时，积极参与学校组织的数据分析实践项目，锻炼了实际操作能力。

• 负责公司广告业务的数据分析，通过对广告投放数据的深入挖掘，分析用户行为和广告效果，为广告策略优化提供数据支持。
• 建立广告投放效果评估模型，定期输出数据分析报告，帮助业务团队了解广告投放的 ROI，提升广告投放效率。
• 与产品、运营团队紧密合作，根据业务需求，制定数据指标体系，跟踪业务关键指标，及时发现业务问题并提出解决方案。
• 利用 SQL 进行数据清洗、提取和分析，处理海量数据，确保数据的准确性和及时性。同时，熟练使用 Python 进行数据可视化，将复杂的数据以直观的图表形式呈现，方便业务团队理解和决策。

• 参与公司电商业务的数据分析工作，对用户购买行为、商品销售数据进行分析，为商品运营和营销策略提供数据依据。
• 搭建用户画像体系，通过对用户属性、行为等多维度数据的分析，描绘用户画像，帮助精准营销。
• 进行 A/B 测试，评估不同营销活动和产品功能的效果，为产品优化和业务决策提供数据支持。
• 熟练使用 Excel 进行数据处理和初步分析，能够快速整理和汇总数据。同时，掌握 Tableau 数据可视化工具，制作美观、易懂的报表和 dashboard，展示数据分析结果。

• 项目背景：公司广告业务增长遇到瓶颈，需要优化广告投放策略，提高广告收益。
• 项目目标：通过数据分析，找出高价值用户群体，优化广告投放定向，提升广告点击率和转化率。
• 项目过程：首先，对历史广告投放数据进行清洗和整合，利用 SQL 提取关键数据指标。然后，运用 Python 进行数据分析和建模，通过聚类分析等方法，将用户分为不同群体，分析各群体的广告偏好和行为特征。最后，根据分析结果，调整广告投放定向策略，对高价值用户群体进行精准投放。
• 项目成果：广告点击率提升了 20%，转化率提高了 15%，广告收益增长了 10%。同时，建立了一套可复用的广告投放策略优化模型，为后续广告业务发展提供了有力支持。

• 项目背景：公司电商业务拓展新市场，需要了解新市场用户需求和行为特点，制定针对性的运营策略。
• 项目目标：通过数据分析，构建新市场用户画像，为产品运营和营销提供数据支持。
• 项目过程：收集新市场用户的注册信息、浏览行为、购买记录等多维度数据，使用 Excel 进行数据清洗和初步整理。然后，运用 SQL 进行数据提取和分析，计算用户的各种行为指标。最后，利用 Tableau 进行数据可视化，展示用户画像特征，包括用户年龄、性别、消费偏好、购买频率等。
• 项目成果：成功构建了新市场用户画像，运营团队根据用户画像制定了个性化的营销活动，新市场用户活跃度提高了 30%，购买转化率提升了 25%，为公司在新市场的业务拓展奠定了良好基础。