负责职业教育赛道用户全生命周期数据资产的挖掘与分析，聚焦课程转化、学习效果及教学策略优化，通过构建预测模型与归因框架驱动产品迭代及运营决策，工作边界覆盖数据清洗建模、业务洞察输出至策略落地闭环。

• 主导设计‘职业技能课程转化漏斗优化项目’，基于用户行为日志（埋点工具：神策）与CRM系统数据，通过Python完成200+字段的特征工程，识别出‘试学进度卡点’与‘咨询响应时效’为核心流失因子；联合产品团队优化试学引导页交互逻辑并设置智能客服触达规则，3个月内高意向用户转化率从18%提升至29%，单月新增付费学员增长42%。
• 构建‘职业技能学习效果归因模型’，融合知识点掌握度（测试数据）、学习时长（行为数据）与教学资源类型（课程元数据），采用XGBoost算法量化教师授课风格、配套练习难度对结课率的影响权重；输出《不同岗位方向学员最优学习路径报告》，指导教研部门调整Java开发课程实操环节占比至65%，结课考核通过率提升17%。
• 搭建用户LTV（生命周期价值）预测体系，基于RFM模型与机器学习（LightGBM）整合付费频次、客单价、续费意愿等15维特征，准确率达82%；推动运营部门针对高LTV潜力用户推出‘企业项目实战营’增值服务，6个月内高价值用户ARPU提升31%，续费率从58%增至69%。
• 攻克多源数据融合难题：协调教务系统（MySQL）、学习平台（MongoDB）与第三方测评数据（JSON），设计ETL流程实现日级增量同步；开发‘学员技能缺口诊断看板’（工具：Tableau），支持销售团队快速定位学员前端技能短板，线索转化周期缩短2.3个工作日。

承担K12学科辅导业务的数据支撑工作，重点分析学生学习行为与教师教学策略的匹配度，通过数据洞察辅助个性化学习方案设计及校区运营效率提升，工作边界包含基础指标体系搭建、专题分析及策略验证。

• 核心构建‘中小学生学习投入度评估体系’，整合课堂互动次数（直播工具：ClassIn）、作业完成度（OMS系统）与知识点停留时长（学习APP埋点），设计包含3个一级维度、12个二级指标的评估模型；输出《各年级学科学习投入度差异报告》，指导教学部门针对初中物理‘力学’模块增加实验动画讲解，该章节单元测试平均分提升11%。
• 深度优化‘分层教学效果验证项目’：通过聚类分析（K-means）将学生按初始成绩、学习速度分为5类，跟踪对比不同组别在‘基础班’与‘提高班’的成绩提升幅度；发现中等生在‘提高班’的提分效率较基础班高23%，推动校区调整班型划分标准，全年中等生续费率提升9%。
• 设计‘教师教学行为-学生成果关联分析’框架，提取教师提问类型（结构化/开放）、作业批改反馈时长等10类教学行为数据，通过Spearman相关性分析定位‘即时错题解析反馈’与‘单元测试进步率’的强关联（r=0.68）；协助教师培训部门开发‘高效反馈技巧’课程，试点班级单元测试进步率提升14%。
• 搭建校区运营健康度看板，整合招生转化率、教师课时饱和度、学生退费率等核心指标，设置异常预警阈值（如退费率连续3日＞5%触发提醒）；推动运营团队针对预警校区开展‘家校沟通话术优化’专项，季度退费率均值从6.2%降至3.8%。

负责早幼教业务的基础数据统计与简单分析，支撑课程排期、教师排班及家长沟通策略调整，工作边界包含数据清洗、日报/周报制作及基础问题定位。

• 独立完成‘早教中心会员行为数据库’搭建，梳理会员注册来源（地推/转介绍/线上广告）、试听转化周期、课程包购买偏好等8类基础标签；输出《各渠道会员LTV对比报告》，发现转介绍会员12个月留存率较地推高28%，推动市场部增加老学员推荐奖励机制，年度转介绍占比从15%提升至27%。
• 优化‘教师课时分配效率’分析流程：通过Excel VLOOKUP与数据透视表整合教师资质（早教证/感统训练认证）、擅长领域（音乐/运动/语言）与班级需求，输出‘最优教师-班级匹配建议表’；试点3个月内班级家长满意度评分从4.2分（满分5分）提升至4.6分。
• 定位‘试听课转化率低’问题：对比分析试听学员的年龄分布、陪同家长身份（妈妈/奶奶）与课程互动数据，发现2.5-3岁学员由奶奶陪同时转化率仅11%（妈妈陪同为24%）；协同顾问团队设计‘祖辈家长沟通手册’，针对性讲解‘课程对孩子社交能力的长期影响’，该群体转化率提升至18%。
• 搭建‘课程材料消耗预警系统’：统计各班级手工课材料（彩泥/拼图）的月均消耗量，设置安全库存阈值（如低于月均1.5倍触发补货）；全年材料断供导致的课程延误次数从12次降至2次，家长投诉减少40%。

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。