項(xiàng)目經(jīng)歷
2023.04-2023.06 檳城網(wǎng)上銀行使用意向研究
項(xiàng)目背景：研究檳城消費(fèi)者使用互聯(lián)網(wǎng)銀行的意圖，識(shí)別影響使用意圖的主要因素，并通過標(biāo)準(zhǔn)報(bào)表定期更新與發(fā)布關(guān)鍵指標(biāo)。
項(xiàng)目職責(zé)：負(fù)責(zé)清理原始數(shù)據(jù)，并使用 SPSS 分析1,000+條數(shù)據(jù)，進(jìn)行單變量和多變量分析，確認(rèn)正態(tài)分布并處理異常值。深入分析性別變量對(duì)使用意向的影響，定期向團(tuán)隊(duì)和客戶發(fā)布分析報(bào)告，涵蓋用戶使用意圖的關(guān)鍵指標(biāo)。
項(xiàng)目成就：通過精確的數(shù)據(jù)分析，幫助當(dāng)?shù)劂y行優(yōu)化了網(wǎng)上服務(wù)戰(zhàn)略，使銀行服務(wù)效率提升30%。榮獲管理學(xué)院SPSS實(shí)例分析賽學(xué)生組一等獎(jiǎng)。
2023.06-2023.08 雅詩蘭黛產(chǎn)品客戶情感分析和主題建模
項(xiàng)目背景：對(duì)雅詩蘭黛用戶評(píng)價(jià)進(jìn)行情感分析，監(jiān)測(cè)市場(chǎng)變化，分析供應(yīng)鏈數(shù)據(jù)和銷售趨勢(shì)，為營運(yùn)及商品管理部提供數(shù)據(jù)支持，并參與智能化分析方案的開發(fā)。
項(xiàng)目職責(zé)：使用 Rapidminer 進(jìn)行數(shù)據(jù)預(yù)處理、詞頻分析和數(shù)據(jù)可視化，運(yùn)用LDA模型分析20,000+用戶評(píng)論，優(yōu)化情感分析報(bào)告，模型發(fā)現(xiàn)潛在主題。撰寫并展示定制化的分析報(bào)告，向團(tuán)隊(duì)解讀數(shù)據(jù)發(fā)現(xiàn)與洞察。
項(xiàng)目成就：成功對(duì)Twitter等網(wǎng)站的文本進(jìn)行了情感分類，并在文本語料庫中確定了關(guān)鍵主題。研究結(jié)果揭示了用戶對(duì)雅詩蘭黛不同產(chǎn)品的情感趨勢(shì)，幫助品牌調(diào)整營銷策略和產(chǎn)品改進(jìn)，明確了用戶最關(guān)注的產(chǎn)品特性和問題。幫助品牌提升了客戶滿意度。
2023.11-2024.01 葡萄酒質(zhì)量分類研究與算法應(yīng)用
項(xiàng)目背景：構(gòu)建可以用來以產(chǎn)品質(zhì)量為標(biāo)準(zhǔn)來進(jìn)行葡萄酒等級(jí)區(qū)分，且以空氣濕度、pH值、殘?zhí)橇亢兔芏茸鳛橛绊戀|(zhì)量的可變量的系統(tǒng)性的測(cè)量標(biāo)準(zhǔn)。
項(xiàng)目職責(zé)：使用Python 構(gòu)建算法（KNN、決策樹）分類5,000+條葡萄酒數(shù)據(jù)，并通過調(diào)整參數(shù)優(yōu)化模型性能，最后通過交叉驗(yàn)證和混淆矩陣評(píng)估模型性能，提升分類準(zhǔn)確度至92%。
項(xiàng)目成就：研究分析成果被校級(jí)學(xué)術(shù)期刊錄入作為優(yōu)秀范例。提出適用于葡萄酒質(zhì)量分類的系統(tǒng)標(biāo)準(zhǔn)，構(gòu)建了以決策樹和自由森林為主要算法的高精度且易于理解的模型，獲得了團(tuán)隊(duì)成員和導(dǎo)師的高度評(píng)價(jià)。
