负责职业教育赛道产品全生命周期数据挖掘与策略落地，主导用户行为、教学效果、运营效率多维度分析，驱动课程迭代、精准营销及风险预警，支撑年营收5亿+业务的数字化决策。

• 主导搭建‘学员成长-转化-留存’全链路指标体系，基于SQL+Python完成12个业务系统数据清洗与ETL，整合用户注册、课程互动、作业提交、考试结果等40+维度数据，解决历史数据分散、口径不一致问题；通过Cohort分析定位‘试听课-正价课转化’关键断点（第3节试听课流失率达42%），联动产品优化课程节奏，转化周期缩短15天，季度转化率提升9.3%。
• 设计‘高价值学员学习画像’模型，融合RFM（最近活跃/频率/消费）与学习行为特征（日均时长、错题重练率、章节闯关速度），运用XGBoost算法构建预测模型，准确率达87%；输出‘强互动型’‘潜力待激活型’等5类标签，支撑运营团队定制差异化触达策略，高价值学员LTV（生命周期价值）提升22%，对应营销成本下降18%。
• 搭建教学质量监控看板，接入课堂音视频AI分析数据（专注度、互动频次）与课后测评数据，通过时序分析发现‘实操类课程完课率仅61%’的核心问题；联合教研团队拆解知识点难度梯度，优化‘理论+案例+模拟操作’三段式教学结构，3个月内该类课程完课率提升至79%，学员结课满意度从4.1分（5分制）提升至4.6分。
• 主导用户流失预警系统迭代，引入知识图谱技术关联学员社交属性（班级群活跃度、助教沟通频次）与学习数据，将传统逻辑回归模型升级为混合模型，提前7天预测流失准确率从72%提升至85%；推动运营团队建立‘分级挽回机制’，季度内高潜流失学员召回率提升13个百分点。

聚焦职业技能培训业务，负责教学效果量化评估与用户需求洞察，通过数据驱动课程设计优化及招生策略调整，支撑3个核心产品线年增长超25%。

• 构建‘教-学-练-测’效果评估框架，基于SPSS进行方差分析与相关性检验，验证‘项目制实训占比每提升10%，学员就业薪资上涨8.5%’的因果关系；推动教研部门将Java开发课程中项目实训占比从35%增至50%，结课学员平均薪资从8.2k提升至9.1k，企业招聘反馈‘实战能力达标率’从78%提升至89%。
• 开展用户需求深度挖掘，通过NLP技术分析10万+条咨询对话文本（来源：官网IM、400电话录音转写），提取‘就业保障’‘课程更新频率’‘讲师行业经验’为TOP3决策因素；结合A/B测试验证‘突出企业导师占比80%’的宣传语点击率较原版本高27%，支撑市场部优化投放素材，线索转化率提升11%。
• 设计‘区域学员画像’看板，整合地域GDP、产业分布、竞品定价等外部数据与内部学习行为数据，识别‘长三角智能制造类课程需求缺口达40%’的机会点；推动产品部上线工业机器人运维专项课，首季度招生量突破800人，占区域新增营收的32%。
• 搭建教师教学质量评估模型，融合学员评分（40%）、作业批改及时率（30%）、所带班级就业率（30%）等指标，输出教师能力雷达图；协助HR优化讲师晋升标准，年度高绩效讲师留存率从65%提升至81%，对应班级学员续费率提升7%。

负责平台基础数据采集、清洗与可视化，支持运营团队日常决策，同时探索用户行为与学习效果的关联规律，为后续精细化分析奠定基础。

• 主导开发‘用户行为日志分析平台’，通过埋点方案优化（新增‘视频倍速’‘章节跳转’等15个关键事件），将数据采集覆盖率从78%提升至95%；运用Tableau搭建动态看板，实时展示各页面停留时长、转化漏斗，帮助运营快速定位‘课程详情页跳出率过高’问题，优化页面信息架构后跳出率下降22%。
• 完成学员基础画像标签体系建设，基于Excel数据透视表与简单Python脚本，完成性别、年龄、职业、学习目标等8类标签的自动化更新；通过交叉分析发现‘职场新人（0-3年经验）更倾向选择周末直播课’，推动排课策略调整，对应课程满班率从65%提升至83%。
• 参与‘学员学习动力’专项研究，设计包含‘学习目标清晰度’‘即时反馈频率’‘同伴竞争感’的问卷量表，回收有效样本2000+份；通过因子分析提取‘外部激励’（证书价值感知）与‘内部驱动’（兴趣匹配度）两大核心因子，为后续设计‘学习积分兑换企业内推机会’活动提供理论依据，活动参与学员完课率较普通班高15%。
• 搭建‘课程更新-学员留存’关联监测机制，每周跟踪课程内容迭代（如新增案例、习题库扩容）后的留存变化；发现‘每季度至少1次大版本更新’的课程30日留存率较长期未更新课程高28%，推动产品部将课程更新频率纳入KPI考核，平台整体留存率季度环比提升4%。

K12 OMO场景下个性化学习路径智能推荐系统研发与规模化落地

• 项目背景：2022年教培行业OMO转型深化，但机构普遍面临线上线下学习数据割裂（线下课堂互动、作业批改数据存于教务系统，线上刷题、视频观看数据散落在APP埋点）、无法生成连贯个性化学习路径的痛点。我的核心目标是主导打通多源数据，构建适配K12学生的智能推荐系统，帮助机构提升学习效果与用户粘性，同时我对齐公司“以学生成长为核心”的教育价值观，确保技术方案不偏离教育本质。
• 关键难题与技术：1）多源数据标准化难——线下SQL数据库（存储课堂答题正确率、师生互动频次）与线上MongoDB（存储APP刷题时长、视频倍速）、第三方埋点日志的字段定义、粒度差异大，直接融合会导致特征噪声高；2）低龄段学生数据稀疏——1-3年级学生线上行为少，传统协同过滤模型泛化差，无法生成有效路径；3）教育伦理风险——需避免算法因数据偏见过度推送某类题型，或忽略学生情感状态导致的“学习疲劳”。针对这些问题，我选择“认知诊断理论+迁移学习”的技术路线，用IRT（项目反应理论）模型定义知识掌握程度的基础维度，再用XGBoost做行为特征的二次编码；同时设计“情感-行为关联特征”，将学生APP内的停留时长波动、错题重试次数转化为情绪稳定性指标。
• 核心行动与创新：首先，我牵头组织教学、产品、数据团队开8场需求对齐会，输出《OMO数据融合规范》，明确12类核心数据字段（如“线下课堂小组讨论贡献度”“线上错题归因标签”），并用Apache NiFi搭建实时数据管道，实现日均50万条数据的清洗、关联与存储；其次，针对数据稀疏性，我引入“元学习+IRT预训练”策略——先用全国10万+K12学生的脱敏数据预训练IRT基础模型，再用目标机构的少量数据微调，将模型对新生的路径预测准确率从62%提升至81%；最后，为管控伦理风险，我推动开发“双审机制”：算法生成路径后，先由系统的“公平性模块”（基于Equalized Odds Loss优化）筛查是否存在性别/区域偏见，再由教学督导人工校准10%的高风险案例，确保路径符合学生实际水平。
• 成果与价值：系统在试点城市（杭州、成都）的30所合作校区上线6个月后，核心指标显著提升：1）学生单元测试通过率从68%升至85%，单知识点学习时长缩短27%（从45分钟降至33分钟）；2）试点校区3个月以上用户留存率从41%提升至59%，续费率增长18%；3）形成《K12 OMO个性化学习路径设计SOP》，包含数据采集标准、模型迭代流程、伦理审核指南，成为公司OMO业务的标准工具包，已推广至12个城市36个校区；4）项目产出1项实用新型专利《一种K12多源学习数据融合装置》（专利号：ZL202321XXXXXX.XX）及2项软件著作权《清睿OMO个性化学习路径推荐系统V1.0》《K12学习行为情感特征提取工具V1.0》。我个人也因此晋升为“教育科技解决方案中心”负责人，主导后续3个区域的OMO系统复制落地。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。