经营分析与洞察： 支持本地生活一条业务线的经营分析，负责核心指标监控、周期性经营复盘和专项分析

主动发现过一个被忽略的机会：分析用户消费频次分布时，注意到有一批"月消费 4 次以上"的高频用户占比不高但贡献了 30% 的 GMV，推动运营为这批用户设计了专属权益，三个月后该群体留存提升 8 个点

营销归因与降本： 做过一次全渠道营销的归因分析，用数据发现两个投放渠道的 ROI 长期偏低但预算占比高，建议重新分配后，同样的营销预算带来的新客数提升了 约 15%

AB 实验与增长： 独立设计和分析过 10+ 个 A/B 实验（价格、权益、页面），建立了实验的标准化分析流程和模板

有一次实验结果和业务预期相反（新功能反而降低了转化），我进一步拆分人群发现只对新用户有负面影响，建议按人群差异化上线，避免了一刀切的错误决策

工具与效率： 用 Python 把重复的分析流程做成脚本，把一个原来要一天的月度分析压缩到 2 小时

搭了业务线的自助取数看板，减少了大量临时提数需求

负责电商业务线的日常数据提取与分析，独立产出用户行为、转化漏斗等专题报告 15+ 份，直接支持运营团队决策

参与搭建业务自助取数看板（SQL + BI 工具），上线后承接了约 60% 的临时取数需求，释放了分析师精力

协助完成一次用户分层项目，用 RFM 模型识别出高价值用户群，运营据此设计的触达策略使该群体月复购率提升 5%