新同学 点击下方名片关注哦，每周二准时发文~~
预计阅读时间：4min
00 序言
伴随着秋招季，最近在给一些同学做简历修改、面试培训过程中，发现大家主要在「项目经历」上问题比较大。本篇文章，系统性写一写，分享给大家。
01 这样写项目经历最加分
那么问题来了，如何写项目经历最加分呢？要回答这个问题，就要先看看项目经历在简历中存在的意义是什么。
📣站在面试官角度：需要知道你过往工作内容的深度；需要知道你的能力点，是否六边形战士；需要知道你与当前岗位的匹配程度。
📣站在个人角度：梳理清楚你做的事情，当面试时被问到的时候，可以讲的更加透彻，而不是浮于表面。
因此，项目经历需要：体现深度+体现综合能力+有逻辑的输出。
02 案例详解
项目经历可参考阿里STAR原则来写，原理就不过多介绍了，不了解的同学可以参考文章「面试技巧」。这里直接上案例，同学们可以直接拿来即用。
电商业务项目
背景：当前电商业务DAU增长停滞，流失用户召回手段过于粗暴，需要将其精细化运营。
目标：从数据和业务侧，制定更为精细化的召回流程。
行动：
步骤一：业务摸底。对当前电商业务流失用户及召回策略进行摸底。数据测，研究流失用户在流失前的链路行为数据，探索出近3个月的流失用户相比大盘用户，投诉比例明显更高TGI=240；业务侧，梳理当前流失召回人群、流失召回方式、流失召回触达手段，核心问题在于召回时间过晚，往往用户已经流失好几个月再召回。
步骤二：模型建设。为了解决触达较晚的问题，采用模型预测可能流失的用户群体，并提前进行干预。首先，选择用户属性、用户行为等100+指标作为模型特征；其次，进行特征工程，对特征进行缺失值、异常值处理，其中发现，正负样本为1:9，因此通过SMOTE方式对正样本进行构造，增加模型召回；再次，通过对分类模型的比较，最终选择XGBoost，通过网格搜索优化，准确率81%，召回率65%，模型符合上线标准；最后，数据例行化，每日预测即将流失的用户群体。
步骤三：结合业务。当前需要评估两个方面的增量效果，其一是应用模型预测用户流失的准确性，其二是策略优化与非优化的差异性。对于前者，衡量预测出来用户在未来30日是否应用APP作为评估方式，其中78%的用户未应用，符合预期；对于后者，整体梳理召回方式和召回手段，结合开展20+AB实验，其中5个AB实验有明显显著效应，并将其经验沉淀在投放平台，供后续参考应用。
结论：通过AB实验评估，整体项目实现流失用户5%的增量召回，实现日DAU增长30万。
START
以上就是本期的内容分享。如果需要小火龙一对一的指导，可以戳下方内容！
1、实战进阶书籍《数据分析实践：专业知识和职场技巧》，侧重案例实操。
目标群体：需要系统学习数据分析全流程，通过更多案例实现落地的同学。
详细介绍：《数据分析实践：专业知识和职场技巧》
2、将11年工作经验沉淀成「数据分析方法论图谱」，侧重场景与方法。
目标群体：需要快速进阶，近期准备面试的同学。
详细介绍：数据分析方法论图谱
3、「简历修改、面试辅导、职业咨询」，助同学们成功上岸。
目标群体：准备找工作、正在找工作的同学。
详细介绍：简历修改及面试辅导
「求职」国内各大厂简历投递网址汇总
「求职」2024年金三银四，你准备好了吗？
「求职」平台如何识别出内容是营销广告？『面试题目1』
「求职」面试简历这样修改，帮你提高拿到offer的概率
「求职」数据分析面试技巧，帮你提高拿到offer的概率
「求职」面试必知的软技巧，帮你提高拿到offer的概率
「求职」数据分析师如何准备面试？这几点你需要知道！
「求职」面试前后如何判断岗位是否靠谱？这几个技巧可以帮到你！
「求职」自我介绍这样说，让面试官快速对你产生好感！
「求职」数据分析面试中，回答开放性问题的五点技巧！
「求职」面试一定要问的这些问题，不然有可能会被套路！
「求职」数据分析面试过程中的疑难困惑『上篇』
「求职」数据分析面试过程中的疑难困惑『下篇』
「求职」955神仙公司汇总！双休不卷，福利加倍！
「求职」7道数据分析面试题，涵盖80%常考知识点『SQL篇』
「求职」22道数据分析面试题，涵盖95%常考知识点『AB实验篇-上』
「求职」22道数据分析面试题，涵盖95%常考知识点『AB实验篇-中』
「求职」22道数据分析面试题，涵盖95%常考知识点『AB实验篇-下』
「求职」10道数据分析面试题，涵盖80%常考知识点『业务篇-上』
「求职」10道数据分析面试题，涵盖80%常考知识点『业务篇-下』
「求职」数据分析面试中常遇到的『费米问题』要如何回答？
「求职」数据分析简历修改及面试指导
多一个点在看
多一条小鱼干
