背景：为帮助业务团队理解海外用户消费模式，搭建轻量级分析看板。任务：清洗并整合支付交易日志与用户画像数据。工具/方法：使用Python（pandas）进行数据清洗，Tableau制作可视化报表，SQL提取关键指标。协作对象：与产品经理和运营同事定义核心维度。结果：输出月活、客单价、复购率等10+指标看板，辅助运营策略调整，使目标区域复购率提升8%。

背景：针对新兴市场商户信用数据稀疏问题，开发轻量化评估模型。任务：设计特征工程方案，整合交易流水、社交行为等替代数据。工具/方法：使用Python（scikit-learn）构建XGBoost模型，通过SHAP解释特征重要性。协作对象：与风控团队和业务拓展同事共同筛选特征。结果：模型AUC达0.82，在测试集上坏账识别率提升15%，输出模型文档与调用接口说明。