王磊 - 个人简历 (数据分析方向)

教育背景 (Education)

浙江大学 (Zhejiang University) · 管理学院信息管理与信息系统（本科）

2023.09 – 至今

核心专业与数理课程: 商务数据挖掘、数据库技术、管理统计学、运筹学、Python语言、数据结构与算法、微积分与线性代数

专业技能 (Professional Skills)

编程与数据处理: 精通 Python (熟练运用 Pandas、NumPy 进行数据清洗、EDA 与建模)；精通 SQL (熟练掌握窗口函数、多表联查、子查询、复杂聚合及索引优化)；熟练使用 MATLAB。
数仓与数据工程: 熟练掌握数仓分层规范 (ODS 贴源层 / DWD 明细层 / DWS 汇总层 / ADS 应用层)；熟练使用影刀 RPA 自动化数据采集，具备自动化 Workflow 编排调度与增量 ETL 管道设计能力。
算法模型与分析方法: 掌握随机森林、LightGBM、KNN、深度神经网络等模型；具备 A/B Test 实验设计、特征工程、因果推断、漏斗转化与多期报童运筹决策建模能力。
商业可视化与洞察: 具备企业级数据驾驶舱搭建经验；熟练运用 Tableau、PowerBI、Matplotlib、Seaborn 制作多维交互看板；具备优秀的财务勾稽对账与业务数据异动归因能力。

实习经历 (Internship Experience)

王小卤 · 电商多平台数据采集与数仓流水线建设 AI数据实习生

2026.08 – 至今

RPA 多平台数据采集 (影刀): 以影刀 RPA 打通 8 平台 × 出库/支付双口径的源数据采集链路，自动登录电商与广告后台下载并规范归档旺店通出库/支付流水、千川与京准通/磁力金牛投流、平台账单及佣金成本维表，把人工逐平台导出转为无人值守采集；沉淀源文件命名契约与校验规则。
数仓流水线 Skill 化与数据质量治理: 将成本匹配、订单合并、费用分摊与多维聚合封装为可复用 skill (SKILL.md 契约 + 共享工具 + 契约守卫)，实现分块流式解析、脏数据过滤 (0 值日期/空行/乱码)、料号/品类/日期三重归一与三元组去重、月份级覆盖写入与复合覆盖索引；双口径多进程并发跑数使整链耗时缩短 50%~60%，线上同步经流式 Gzip 压缩由 5 分钟压至 40 秒。
进销存数智驾驶舱 (独立开发 0→1): 自建 16 Sheet → 17 表 + 9 索引的 Excel 幂等入库管道与连接池 + 版本戳查询缓存；设计 14 项发布质检门禁 (表结构、行数下限、3 项跨表勾稽、Excel 错误值、归一化与去重，实测差额为 0)；建设 14 个指标的口径推导引擎 (公式→代入→入参溯源) 与 DeepSeek 双档 AI 分析助手 (SSE 流式 + 提问前装配库内事实)，输出经营归因与风险预警。

外汇风险管理系统 · 套保分析与风险计量设计 (杭州幻视金融) 产品经理实习生

2026.06 – 2026.07

套保分析量化口径: 定义保底汇率 (进口/出口两套公式，以期望税前利润反推管控汇率)、边界汇率 (即期汇率 × 利率平价系数) 与敞口/交易试算的综合损益及基准口径；沉淀远期汇率月度节点线性插值与累计损益时间序列递推的回测计算规则。
衍生品损益与有效性规则: 为基准/远期/期权/掉期/欧式障碍期权 (EKI·EKO)/目标障碍远期 (TRF) 六类策略定义四象限损益公式与 TRF 敲出、杠杆规则；套期有效性按累计比率法/期间比率法/回归分析法在 80%–125% 区间判定。
风险计量方案: 设计外汇 VaR 三种算法 (正态分布/历史模拟/蒙特卡洛) 及 VaR·MVaR·CVaR·IVaR 与风险贡献输出口径、敏感性双向冲击、压力情景因子矩阵 (变动类型含旋转、幅度支持 %/BP/汇率点位) 与期权定价 Greek 反显。

杭州移景科技 · 量化数据管道与策略回测 Python量化开发实习生

2026.02 – 2026.05

行情数据管道与 MySQL 建库: 用 Tushare / AkShare 搭建日频 ETL (交易日历驱动、按交易日“先删后插”、chunksize=1000 批量写入、锁超时退避重试、板块与大盘 upsert)；设计 18 字段日线因子表 (复合唯一键 + 双单列索引) 与复合主键的板块/大盘表。
因子构建与回测评估: 自研长影线多空分歧度因子 (影线 / 收盘归一 + 双路径打分 + 5 日选 4 日) 与换手率分位过滤、大盘 MA20 熔断等风控闸门；实现 T+1 回测与双账户资金仿真，以“平均年收益 − 1.5 × 年收益标准差”做 4 维 72 组网格择优，产出 2023–2025 约 5,200 笔卖出的月度绩效 (累计收益/基准 Alpha/胜率/资金利用率)。
分层风险与特征工程: 构建 15 市值分位 × 1,505 交易日分层收益矩阵，并沉淀 24 个基础特征与多窗口滞后特征 (涨跌家数比、板块涨跌离散度、大盘乖离与量能、截面偏度/峰度)，训练 PyTorch MLP (以 R² 与方向准确率评估) 输出每日规避名单；完成小市值概念板块组合的配额分配与板块归因。

项目经历 (Project Experience)

浙里淘书 (zook) · 校园二手教材交易平台核心开发者 / 数据分析负责人

2026.04 – 2026.06

全栈工程与数据层改造: 主导 JSON → SQLite 数据层适配器重构 (12 个蓝图 API 零改动)、18 张表设计与启动迁移/快照恢复机制。
交易状态机与 IM 系统: 实现订单双向确认状态机 (unpaid→paid→delivered→completed，副作用分离 + 买卖方权限隔离) 与站内 IM (Socket.IO 房间定向投递、消息双写落库、未读/已读与图片消息)。

医院血液中心库存决策优化系统 (SRTP科研项目) 核心负责人

2025.05 – 2026.05

运筹建模与机理剖析: 将血液订货建模为多期独立报童问题 (c_p=τ, c_h=1−τ，9 档临界分位 0.50–0.90)，给出三阶段偏差分解 Bias_τ ≈ Δμ + z_τ·Δσ；实测 RF/KNN/MLP 概率预测的隐含发血率 19.9%/16.8%/15.5% vs 真实 14.0%，定量解释 SEO 的系统性高估及偏差随 τ 放大的机制。
端到端深度学习 (JEO): 面向无序不定长用血申请，用 DeepSets (padding+mask + 集合池化) 以平滑报童损失端到端训练、直接输出订货量 (训练平滑/评估硬损失保证可比)；401 天同口径下平均日成本较 SAA 基线降低 10.3%–22.3%，在 9 档 τ 上均优于 RF/KNN/Logistic/MLP 基线。