关于我
我是 吴骋,一名关注“数据如何真正改变现实决策”的 数据与商业分析师。
我本科毕业于 伊利诺伊大学厄巴纳-香槟分校, 主修 计量经济学与数量经济学,目前在 哥伦比亚大学 攻读 数据科学硕士。 我的训练强调 严谨的因果推断、统计建模 与 面向实际业务落地的分析能力 的结合。
我的分析实践横跨 市场、金融与社会影响 多个领域。 从企业定价与需求预测、财务与合规流程优化,到教育不平等与公共卫生问题的量化研究, 我始终关注的是:在没有标准答案的问题中,用数据建立清晰判断。
在工作中,我始终坚持三点原则:
清晰的表达、严格的方法、可衡量的影响。
关注方向:市场分析、金融分析、流程优化、教育公平
📍 工具栈:SQL、Python、BI 可视化(Power BI / Tableau / Plotly)、统计与计量经济学
教育背景
- 计量经济学与数量经济学 学士
- 辅修:数据科学与统计学
- GPA:3.9 / 4.0 院长名单
职业经历
在 Tarte,我负责 全球产品进出口合规与供应链数据分析, 主要围绕 HTS 编码、NAV 数据整合与 7501 报关审计, 确保产品主数据、报关信息与内部 SKU 系统在法规层面保持一致。
我搭建了多套 跨系统数据核对流程,将 TOR 清单、原产地证明、 完税价值与实际申报信息进行自动比对,有效降低人工复核成本。 同时,我正在设计一套 自动预警管道, 在清关前识别 估价异常、商品编码错误与运输属性不一致, 以降低合规风险与通关延误。
我加入公司时正处于 多产品线需求预测失效 的阶段。 我的工作从 客户分群 入手,使用 K-Means 与 DBSCAN 构建购买行为结构, 并直接接入 SQL ETL 库存系统 进行测试。
我随后构建了 需求预测与价格弹性模型, 供管理层进行情景模拟。 一次针对季节性商品的定价调整验证,使订单完成率 提升约 12%。 在数据工程侧,我使用 Spark 与 Dask 重构流水线, 将报表延迟 降低 40%。 最终成果通过 Power BI、Plotly 与 Dash 仪表盘交付, 管理层可直接基于预测结果调整市场节奏。
我在 机构融资与私募股权部门 参与超过 20 个并购与投资项目 的前期筛选, 通过 多因子回归、情景分析 提升投资评估准确率约 25%。
针对 跨系统数据割裂 问题,我整合了 SQL + VBA 自动化管道, 将对账时间缩短近三分之一,同时构建了 组合风险与市场基准对比仪表盘, 成为部门周会的核心决策工具。
我在高中时期作为 支教志愿者 加入基金会, 后逐步转向 项目统筹与数据分析。
我将零散的问卷与手工记录整理为 SQL 数据库, 并构建仪表盘监测 教育、健康与食物安全 指标。
我主导搭建的 手工艺品电商平台 在一年内支持 15 个家庭, 家庭收入平均提升 30%。
我同时通过 回归分析 评估项目成效, 使数据真正成为资源配置与项目设计的依据。
科研经历
我的不平等研究起源于对 留守儿童 的长期观察。 在 UIUC,我系统量化 学校资源差异 对 社会向上流动性 的影响, 采用 回归 + 倾向评分匹配(PSM), 构建 教育经费与师生比指标。
我通过 自动化仪表盘 展示 地理差距, 为政策支持提供量化证据。
我在 Powers 教授团队 中负责底层数据工程, 整合全国调查与行政数据, 采用 DiD 与 IV 分析补贴政策对 就业、收入与儿童福利 的因果效应, 并构建 R Shiny 政策模拟系统。
因 COVID 期间亲属去世的经历, 我系统研究 公共卫生失灵机制。 我构建 政策暴露指数, 并使用 XGBoost、LSTM 与聚类 预测关键药品短缺与高风险人群, 结果以 资源配置决策仪表盘 方式交付。