负责K12学科辅导业务全链路数据资产挖掘与价值转化，主导学生学习行为、教师教学效能、机构运营效率三大核心场景的数据建模与策略输出，支撑个性化学习产品设计、精准运营及教学闭环优化。

• 基于学生全周期学习数据（含课前预习、课中互动、课后练习、阶段测试等12类行为标签），构建LTV（生命周期价值）预测模型（使用XGBoost算法，融合23个特征变量），定位高潜流失用户群体（准确率89%），联动运营团队设计分层召回策略，3个月内高价值用户续费率从68%提升至80%，对应年营收增量超1200万元。
• 针对教师教学质量评估痛点，牵头搭建多维评价体系：整合学生即时反馈（NPS评分）、作业批改时效性（平均耗时下降22%）、知识点掌握率（通过IRT项目反应理论建模）等18项指标，开发动态雷达图可视化看板（基于Tableau），帮助教学管理部将教师分级培训效率提升40%，优秀教师占比从35%增至47%。
• 推动数据中台建设，解决原有CRM、OMS、学习平台数据孤岛问题：主导ETL流程重构（使用Apache Airflow调度，每日处理1500万+条日志），统一用户ID映射规则，建立教学-运营-服务数据关联维度，数据提取耗时从4小时缩短至20分钟，支撑市场部精准投放策略调整，获客成本降低18%。
• 验证AI教育产品效果：对智能题库推荐模块进行A/B测试（样本量2万+），通过混淆矩阵评估推荐准确率（从62%提升至75%），结合归因分析定位低效推荐场景（如跨年级知识点跳跃），推动算法团队优化协同过滤策略，最终该模块用户日均使用时长增加25分钟。

聚焦K12在线辅导业务的用户增长与转化链路，通过数据驱动优化课程推荐、学习激励及流失预警策略，支撑运营团队实现精细化用户运营。

• 搭建用户行为漏斗分析模型（使用Google Analytics 4追踪，定义11个关键转化节点），定位‘试听课转正价课’环节流失率高达65%的核心问题，通过聚类分析（K-means算法）识别高流失用户特征（如试听时长<20分钟、互动提问<3次），设计针对性干预方案（推送试听精华切片+班主任1对1学习诊断），该环节转化率提升9%至74%。
• 设计学生学习激励体系数据支撑方案：跟踪积分获取（作业完成、打卡、互动）与消耗（兑换资料、课程）行为数据，通过RFM模型划分用户活跃层级，提出‘高价值沉默用户专属积分包’策略，上线后月活用户占比从41%提升至53%，积分消耗率提高37%。
• 支撑暑期班招生运营：基于历史报名数据（含地域、年级、试听转化率等30+维度），使用逻辑回归构建报名概率预测模型（AUC=0.85），输出高潜目标人群清单，协助市场部精准投放信息流广告，获客转化率较常规投放提升15%，获客成本下降12%。
• 搭建教学质量监控看板：整合教师授课时长、学生举手率、随堂测试正确率等实时数据（通过Flume采集，Kafka传输），开发动态预警模块（阈值触发式提醒），帮助教学督导组将问题响应时效从24小时缩短至2小时，季度内教师差评率从5.2%降至2.8%。

负责K12学科辅导业务的底层数据清洗与基础分析，支撑运营团队日常决策，同时探索数据在用户分层、课程优化中的初步应用。

• 搭建学生学习行为数据库：从MySQL、MongoDB多源数据库提取数据（涵盖登录频次、视频观看进度、习题错误率等28个字段），使用Python（Pandas、NumPy）完成数据清洗（处理缺失值、去重、异常值检测），建立标准化数据字典，数据可用率从78%提升至95%，支撑后续分析效率提升50%。
• 输出运营周报核心指标：设计包含‘日活用户数’‘课程完课率’‘退费率’等12项关键指标的监控模板（使用Excel Power Query自动更新），定位‘周三晚课程完课率偏低’现象，联动内容团队优化课件互动设计（增加实时答题环节），该时段完课率从61%提升至79%。
• 辅助用户分层运营：基于RFM模型对沉默用户（近30天无互动）进行分群，输出‘高价值沉默用户’‘低潜力沉默用户’标签，协助运营团队制定差异化触达策略（如前者推送定制化学习计划，后者发送体验课优惠券），沉默用户激活率从8%提升至15%。
• 验证课程难度适配性：分析学生习题正确率与课程章节的相关性（使用Spearman秩相关系数），发现‘函数单调性’章节正确率仅42%显著低于均值，推动教研部门增加前置知识点铺垫与例题讲解，下一期该章节正确率提升至65%。

K12阶段AI自适应学习系统核心技术迭代与落地项目

• 项目背景：公司原有K12 AI自适应学习系统虽具备基础推荐能力，但因学科知识图谱适配性不足、实时学习数据处理延迟高，导致用户留存率仅42%、个性化推荐准确率65%。我的核心目标是重构系统技术底座，解决“精准度不够、反馈不及时”的痛点，支撑付费转化提升。
• 解决的难题：一是多学科知识图谱的认知逻辑错位——传统图谱以“知识点关联”为核心，未区分数学（递进式逻辑）、语文（积累式素养）等学科的认知规律；二是实时数据处理延迟——学生做题后反馈需5秒以上，严重影响互动体验。针对前者，我提出“学科认知模型+用户行为数据双驱动”的图谱架构；针对后者，锁定Flink流计算框架优化数据处理链路。
• 核心行动：牵头跨算法、教研、产品的12人团队，深度访谈50位一线K12教师，提炼2000条学科逻辑规则（如数学“函数→导数→积分”的递进权重、语文“文言文实词→虚词→篇章”的素养层级），完成10个核心学科的知识图谱重构；优化Flink任务调度策略，引入Redis缓存高频访问的用户画像数据，将数据处理延迟从5秒压缩至1秒内。
• 项目成果：系统个性化推荐准确率提升至88%，学生日均使用时长从35分钟增至52分钟，季度付费转化率较项目前提升22%（从8%升至9.76%）。我主导的技术优化直接构建了系统的核心竞争力，成为公司K12业务用户留存与营收增长的关键引擎，该项目也获公司年度“技术创新一等奖”。

职业教育OMO教学服务平台搭建与规模化落地项目

• 项目背景：公司拓展职业教育赛道时，线下校区与线上平台数据孤立、教学流程割裂，导致OMO课程完课率仅70%、教师重复劳动占比达35%。我的目标是搭建“教-学-练-测-评”全闭环的OMO平台，解决“数据不通、流程不标准”问题，支撑职业教育业务规模化复制。
• 解决的难题：一是跨系统数据打通——原有线下教务系统与线上学习平台采用MySQL+MongoDB异构数据库，学员信息、学习行为无法实时同步；二是OMO流程标准化——不同校区对“线下实训+线上巩固”的衔接方式差异大，教学效果参差不齐。针对前者，设计基于微服务的统一数据中台；针对后者，参考ADDIE模型构建标准化流程。
• 核心行动：主导数据中台需求分析与架构设计，定义学员、课程、练习、测评等12个核心数据实体及ESB企业服务总线同步规则，协调线下5个校区的IT团队完成系统对接；基于ADDIE模型优化OMO流程为“课前线上预习（视频+前置测试）-课中线下实训（技能操作+教师针对性指导）-课后线上巩固（错题重练+拓展阅读）-全程数据反馈（教师端实时查看学员进度与薄弱点）”，通过3轮校区试点调整15个流程节点（如将“实训报告上传”从课后24小时缩短至1小时内）。
• 项目成果：平台上线后，OMO课程完课率提升至85%，教师重复劳动占比降至18%（批改作业时间减少40%），支撑公司推出5个职业品类（UI设计、电商运营、Python编程等）的OMO课程，该业务营收占比从10%提升至25%。我搭建的数据中台与流程体系，成为公司职业教育OMO模式的核心基础设施，推动业务从“单点试点”转向“规模化扩张”。

• 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。