大数据工程师简历模板标准版.doc

第PAGE页共NUMPAGES页

大数据工程师简历模板标准版

想应聘大数据工程师就要先做好一份个人简历。下面是小编为你整理的大数据工程师简历模板，希望对你有用!

大数据工程师简历模板篇一

张*

两年以上工作经验|男|28岁(1988年7月11日)

居住地：北京

电话：155******(手机)

E-mail：

最近工作[1年6个月]

公司：XX有限公司

行业：房地产开发

职位：数据分析工程师

最高学历

学历：本科

专业：电子商务

学校：北京外国语大学

自我评价

精通项目运营，部门人员编制、岗位流程、绩效考核以及业务深挖掘。为人诚信，赢得各客户的良好业务口碑，有着良好的业务源。精通业务成本核算及成本控制。自信、真诚、乐观、刻苦。精通OA系统及各类软硬件的配置及使用。丰富的电子商务全网运营经验，行业涉及服饰、化妆品、珠宝首饰、数码，平台包括淘宝天猫、B2C、有哪些信誉好的足球投注网站引擎等。

求职意向

到岗时间：一个月之内

工作性质：全职

希望行业：房地产开发

目标地点：北京

期望月薪：面议/月

目标职能：数据分析工程师

工作经验

2013/62014/12：XX有限公司[1年6个月]

所属行业：房地产开发

信息部数据分析工程师

1.房产二手市场业务数据整理分析、各门店业绩情况整理分析;

2.公司数据仓库开发的前期需求调研，流程调研并提供开发需求报告;

3.参与公司数据仓库开发;

4.参与开发过程中的各项工作;

2012/82013/5：XX有限公司[9个月]

所属行业：快速消费品

信息部首席信息官CIO

1.负责企业信息化建设，使用信息系统协助企业管理;

2.建立信息管理系统，从业务调研，系统开发，到后期实施全程主导参与;

3.为公司的各个分公司及办事处建立了管理系统;

教育经历

2007/92012/6北京外国语大学电子商务本科

证书

2008/12大学英语四级

语言能力

英语(良好)听说(良好)，读写(良好)

大数据工程师简历模板篇二

基本情况

姓名

性别

女

出生日期

1985.11.21

民族

汉族

血型

O型

婚姻状况

已婚

教育程度

本科

工作年限

4年

政治面貌

群众

现有职称

无

户口所在地

山东省青岛市

现居住地

青岛市

联系方式

电子邮箱

求职意向

期望从事职位：数据分析师

期望工作地点：青岛市

自我评价

1、具有扎实的统计学专业基础知识，掌握常见的统计方法;

2、熟练掌握常用的数据挖掘方法，算法和相关工具、熟练使用SAS软件;

3、数据处理能力很强，熟练使用Office软件;

4、有良好的逻辑思维能力，注重细节、对数字敏感，能挖掘数据背后的意义，能够独立完成、撰写业务数据分析报告。

工作经历

2010年7月-2012年7月山东****网络有限公司

单位性质：合资

所任职位：数据分析师

工作地点：青岛市

职责描述：

1、根据业务需求，制定用户使用行为数据的采集策略，设计、建立、测试相关的数据模型，从而实现从数据中提取决策价值，撰写分析报告;

2、跟踪并分析客户业务数据，为客户的发展进行决策支持;

3、完成对海量信息进行深度挖掘和有效利用，充分实现数据的商业价值;

4、支持微博事业部等产品部门下的运营，产品，研发，市场销售等各方面的数据分析，处理和研究的工作需求。

2008年6月-2010年6月****公司

单位性质：国企

所任职位：数据分析助理

工作地点：青岛市

职责描述：

1、完成对行业销售及相关数据的分析、挖掘，熟练制作数据报表、撰写评估分析报告;

2、独立完成用户行为特征与规律的分析，关注市场动态与风险，为产品方向提出合理建议;

3、在分析师的指导下构建公司业务领域数据分析与挖掘模型和方法论;

4、针对历史海量商业数据，能及时发现和分析其中隐含的变化和问题，为业务发展提供决策支持;

5、完成数据分析相关的需求调研、需求分析等。

项目经验

2011年5月*****项目

项目职责：

1、收集用户使用行为数据;

2、完成行为数据的分析;

3、制定模型与产品运营间的联动接口。

教育背景

2004年9月-2008年6月山东**大学统计学专业本科

主要课程：数学分析、几何代数、数学实验，常微分方程、数理统计、抽样调查、多元统计、计算机应用基础、程序设计语言、数据分析及统计软件、回归分析等。

掌握了扎实的专业基础知识，擅长数学，有很强的分析和演算能力，业余广泛了解相近专业的一般原理和知识，如经济学、计算机操作等，在统计计算的基础上锻炼了视野广阔的分析技能。

培训经历

2010年3月-2010年10月数据分析与SAS培训

主要课程：SAS体系内容、ETL技术、SAS分析技术、假设检验、方差分析以及各种模型分析等。

通过本次数据分析培训，全面掌握了SAS的内容，如逻辑库及操作