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智能作业分层系统研发与区域化落地项目

• 项目背景：传统K12作业存在“一刀切”痛点——学优生“吃不饱”、学困生“跟不上”，老师需手动分层作业导致批改负担重（日均3-4小时/人），学生学习效率低（无效练习占比超40%）。项目目标是研发一套集“学生能力画像-作业动态分层-效果追踪”于一体的智能系统，覆盖语文、数学、英语3大学科，支持区域教育局下属10所试点校的规模化应用。
• 关键难题与技术：①学生能力画像的精准性——传统静态标签无法反映动态学习进展，初期画像准确率仅65%；②多学科作业模板的灵活性——不同学科（如语文的阅读理解vs数学的计算练习）需要差异化的分层规则，通用模板无法满足教研需求；③高并发下的性能瓶颈——试点校同时在线使用峰值达2000人，初期系统响应时间超3秒。技术上，我选择以“知识图谱+协同过滤”构建学生能力模型，将知识点拆解为12级颗粒度；前端采用Vue.js+Element Plus开发动态表单，支持老师自定义作业维度；后端基于Spring Cloud Alibaba微服务架构，通过Redis缓存热点数据和RabbitMQ异步处理批改任务，解决性能问题。
• 核心行动与创新：①针对画像不准，我牵头联合教研团队标注了3万+学生的180天作业行为数据（包括答题时长、错误类型、知识点掌握轨迹），优化了协同过滤的权重算法（将“近期学习行为”权重从20%提升至40%），最终画像准确率提升至82%；②为解决模板灵活性，我设计了基于JSON Schema的“学科作业模板引擎”，允许教研人员通过可视化界面配置分层规则（如“数学错题同类题拓展”“语文阅读理解难度梯度”），无需技术开发，模板上线周期从7天缩短至1天；③推动跨部门协同，每周组织“技术-教研-产品”对齐会，将教研的“分层策略”转化为技术可落地的算法参数，确保系统符合教学实际需求。
• 项目成果与价值：①系统上线后，试点校老师的作业批改时间平均减少40%（从3.2小时/人降至1.9小时/人），学生无效练习占比下降至18%，单元测试达标率提升28%；②支撑区域教育局完成“双减”背景下的作业改革验收，成为区级示范项目；③申请2项软件著作权（《K12学生能力画像算法系统V1.0》《多学科智能作业分层平台V1.0》），并在公司内部推广至5个省份的20所合作校。我个人主导了技术架构设计与核心算法优化，推动了技术与教研的深度融合，是项目从0到1落地的关键负责人。

中小学在线辅导AI助教系统核心模块开发项目

• 项目背景：公司原有在线辅导系统缺乏个性化互动能力，助教老师需手动回复80%的常规问题（如“这道题的解题步骤是什么”），导致精力分散在低价值工作。项目目标是开发AI助教的“问题理解-答案生成-个性化推荐”核心模块，辅助助教提升回复效率，同时为学生提供即时答疑服务。
• 关键难题与技术：①意图识别的准确性——学生提问口语化严重（如“这题咋做呀”vs“这道题的解题方法是什么”），初期意图识别准确率仅70%；②答案生成的适配性——不同年级、不同教材版本的知识点表述差异大，通用答案无法满足需求；③多轮对话的连贯性——学生在答疑中常追问（如“那这种题的易错点是什么”），系统无法保持上下文关联。技术上，我采用BERT预训练模型进行意图分类，针对口语化问题做了 fine-tuning；后端搭建“知识点库+教材版本映射表”，根据学生的年级和教材版本动态筛选答案；通过Redis存储对话上下文，实现多轮对话的连贯性。
• 核心行动与创新：①为提升意图识别准确率，我收集了10万+条学生真实提问数据，标注了“题目询问”“知识点讲解”“错题求助”等15类意图，优化了BERT模型的微调策略（将学习率从2e-5调整至1e-5，增加epoch至10），最终准确率提升至88%；②针对教材版本适配，我设计了“知识点-教材版本”关联矩阵，比如“一元二次方程的解法”在不同版本教材中有不同的表述，系统会自动匹配学生所用版本的答案；③优化对话流程，引入“引导式提问”——当学生问题模糊时，系统会主动追问（如“请问你问的是哪一课的题目呀？”），将有效问题占比从60%提升至85%。
• 项目成果与价值：①AI助教的回复覆盖率从20%提升至65%，助教老师的低价值回复时间减少50%；②学生即时答疑满意度从72%提升至89%，续费率提升12%；③模块被整合至公司核心在线辅导产品，支撑了10万+学生的日常使用。我在项目中负责核心算法的落地和模块开发，解决了意图识别和教材适配的关键问题，是从技术执行到模块Owner的重要成长阶段。

• 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。