关于
你好，我是李烨（Timothy LI），香港城市大学数据科学硕士在读（预计 2027 年 2 月毕业），本科就读于中南大学地理信息科学（GIS）专业。
本科的 GIS 背景让我对时空数据和轨迹分析很感兴趣。此前在 AfterShip Carrier 团队实习期间，我主要负责全球物流轨迹数据的标准化与质量校验，把各家物流商杂乱的状态节点清洗并映射为统一的事件体系，同时通过编写自动化脚本大幅减少了人工标注的工作量。
此外，我也独立完成过电商用户分层、A/B 测试分析、经营看板搭建以及时空聚类等项目。在日常开发和数据分析中，我习惯熟练运用 AI 工具来提升写代码和排查问题的效率，同时严格把控业务逻辑与指标口径的准确性。
经历
自建 MCR / CWCR 两项量化指标，分析 USPS / UPS / Uniuni 三个物流商跨接入渠道的规则复用性，推动规则库维护成本最高从 8 套降至 2 套，并通过 BigQuery 表选型优化将查询成本降低约 6 倍；对平台 Top5 大 carrier YunExpress 做原始状态码语义分析，处理近 2 亿条 checkpoint 数据，定位标注错误并产出 5 条可执行修正建议；独立完成 20+ 个物流商/接入渠道的标注与系统集成，作为 eBay/OC 紧急需求唯一对接人多次实现当日响应交付；自建 Python 自动化工具链与 2 个内部 HTML 小工具，替代重复人工 Excel 操作。
核心课程覆盖统计机器学习、数据挖掘与知识发现、时间序列与循环神经网络、数据探索性分析与可视化、数据库系统与数据检索、金融科技等方向，训练涵盖从数据获取、清洗、建模到业务解释的完整数据科学流程。
主修空间数据库、遥感数字图像处理、统计学、GIS 应用开发。这段背景让我对"位置、路径、时空规律"类数据有天然的敏感度——这也是后来在 AfterShip 物流轨迹数据里能较快上手的原因之一。
项目
完成全量数据清洗校验，保障数据准确率 100%，搭建用户消费与活跃度核心指标体系；基于 RFM 模型完成 8 类用户分层与画像刻画，交叉地域/性别/产品偏好定位高价值用户特征；用 Tableau 搭建运营自动化看板，输出差异化运营策略。
处理 260 万+ 行营销活动数据，完成去重与异常值清洗，验证 3 组实验的样本量满足统计显著性要求；采用两样本比例 Z 检验对比转化率提升幅度，结合业务阈值构建决策矩阵；输出完整分析报告，明确上线建议与实验局限性。
用 Excel 与 Python 完成数据预处理，计算销售额、毛利率、客单价等核心经营指标；从时间/渠道/用户/产品四个维度拆解销售，识别淡旺季与核心客群特征；输出可视化报告，提出 5 项覆盖营销、选品、渠道的可落地优化建议。
负责 115 万+ 行事故数据的清洗与预处理，设计分层缺失值填充方案；完成事故时空规律与环境风险因素关联分析，用 K-Means 聚类识别事故高发热点区域，输出可视化结论与管控建议。