数据挖掘建模工程师简历模板

• 主导电商用户流失预警模型建设，完成特征工程与XGBoost调优，模型AUC由0.78提升至0.85。
• 搭建Spark离线特征平台，将特征产出时效由T+3缩短至T+1，支撑12个业务模型复用。
• 推动模型线上化部署与监控，召回高流失用户30万，年化挽回GMV约600万元。

• 负责贷前信用评分卡开发，基于逻辑回归与WOE分箱，KS值由0.32提升至0.41。
• 构建反欺诈规则与模型组合策略，将团伙欺诈识别率提升18%，月均减少损失约200万元。

• 整合行为、交易与客服数据构建200+特征，采用XGBoost与LightGBM融合建模，AUC达0.85。
• 设计分层召回策略并接入营销系统，高流失用户召回率提升22%，投放ROI提升1.6倍。

• 完成样本清洗与WOE分箱，构建A/B/C三张评分卡，KS值稳定在0.40以上。
• 推动评分卡上线审批流程，审批通过率提升9%，不良率下降0.8个百分点。

研究方向为统计学习与数据挖掘，参与省级数据建模课题1项。

主修数学建模、数据库原理与Python程序设计，GPA 3.6/4.0。