徐浩然

• 数据清洗：利用 Python/Pandas 处理 10万+ 条交易数据，准确性提升 15%。
• 量化策略：优化 ETF 资产配置，年化回报提升 40bp，波动率下降 6%。
• 可视化：使用 Tableau 构建仪表板支持高层决策。

• 机器学习：使用随机森林与逻辑回归建模信用风险，AUC 提升至 0.93。
• SQL处理：处理 50万+ 条金融数据，提取关键信贷指标。

基于 2020 年 20万+ 条行程数据，深度挖掘疫情对交通营收的影响。

• 技术栈：Shell, Spark, DuckDB, Tableau。
• 全流程：大数据清洗、预聚合处理到可视化交互。

基于 CFPB (Consumer Financial Protection Bureau) 公开数据集。

• 痛点挖掘：分析数百万条银行及信贷投诉，识别高频服务痛点与响应延迟。
• 策略支持：对比各大金融机构的服务质量，为客户体验优化提供数据支撑。

领导 8 人跨职能团队设计创新健身产品。

• 商业落地：编写 140 页商业计划书，获得多方投资关注。
• 财务模型：设计 DCF/IRR 模型，预期回报率提升 8%。