宋清雅Claire Song
数据科学家 / 机器学习工程师
运用统计建模、机器学习与严谨 A/B 实验洞察复杂数据，驱动业务科学决策与增长
所在深圳 · 福田区 · claire.song.data@example.com
在线github.com/clairesong-data · +86 137-5566-7788
个人简介
5 年数据科学与机器学习算法落地经验。精通 Python、SQL、统计学推断与主流机器学习算法（XGBoost、LightGBM、随机森林）。深度参与过用户画像构建、智能推荐系统、客户流失预警及大规模 A/B 测试实验体系设计，善于将数据模型转化为实际业务增长成果。
经历时间线
高级数据科学家 / 算法组长数维洞见智能科技2022.04 - 至今 · 深圳
- 构建高精度客户流失预警与召回推荐模型（LightGBM + 特征交叉），AUC 达 0.892，使高危客户挽回率提升 22%，年化挽回收入逾 320 万元
- 设计并落地全自动 A/B 实验分析平台，覆盖样本量估算、方差缩减（CUPED）与 SRM 检测，实验分析周期从 5 天缩短至 2 小时
- 搭建基于 RFM 与行为图谱的用户分层画像体系，支持精准定向营销，营销点击率（CTR）提升 35%，ROI 达到 1:4.8
数据分析工程师腾云数智信息咨询2020.07 - 2022.03 · 广州
- 负责核心业务指标监控体系搭建，开发 20+ 款 Tableau / PowerBI 自动化数据看板，日均服务 200+ 业务决策人
- 通过归因分析（Attribution Modeling）定位获客渠道 ROI 异常，优化广告投放预算分配，获客成本（CAC）降低 19%
中山大学应用统计学 · 理学硕士2018.09 - 2020.06
华南农业大学数学与应用数学 · 学士2014.09 - 2018.06
代表项目
CausalLab · 自动化因果推断与 A/B 检验库 Python, Statsmodels, Scipy, Pandas
2023.05 - 2023.12集成了倾向得分匹配（PSM）、双重差分法（DID）与 CUPED 方差缩减算法的开源 Python 数据分析工具包。
技能与语言
设计Pandas / NumPy · Scikit-learn · LightGBM / XGBoost · Tableau / PowerBI · Airflow
工程Python · SQL (PostgreSQL / Hive / ClickHouse) · R · Shell
研究统计学推断 · A/B 测试实验设计 · 特征工程 · 用户画像建模 · 因果推断 (Causal Inference)