《数据分析师工作简历.docx》由会员分享，可在线阅读，更多相关《数据分析师工作简历.docx（6页珍藏版）》请在三一文库上搜索。
1、数据分析师工作简历三年以上工作经验|男|26岁居住地：XX电话：XXXE-mail：最近工作公司：XX金融证券有限公司行业：金融/投资/证券职位：证券分析师学历学历：本科专业：金融学学校：XX理工大学求职意向到岗时间：一周以内工作性质：全职希望行业：金融/投资/证券目标地点：西安期望月薪：面议/月目标职能：证券分析师工作经验20XX/X至今：XX金融证券有限公司X年X个月所属行业：金融/投资/证券研发部证券分析师1、负责通过股市报告会、面谈等形式，营销理财服务。2、负责分析目标板块的上市公司的基本面，列出投资原因，并给出风险提示。3、负责宏观经济、政策走向分析及解读。4、负责协助基金经理，对持
2、仓比重、结构、品种做出建议。5、负责协助其他分析师实行投资组合的配置。20XX/X-20XX/X：XX金融证券有限公司X年X个月所属行业：金融/投资/证券市场部证券分析师1、负责为客户提供投资理财咨询。2、负责组建及管理投资顾问团队，维护投资渠道。3、负责维护客户关系，推广并销售公司的金融理财产品。4、负责通过数据、技术面的分析来实行股票买卖的实盘操作。5、负责定期召开投资报告会，培训客户经理的投资分析知识。20XX/X-20XX/X：XX金融有限公司XX个月所属行业：金融/投资/证券投资部证券分析师1、负责研究中国宏观经济、市场状况和投资环境，分析投资行业政策、产业政策以及公司的经营情况。2
3、、负责跟踪*行业动态，并对行业内变化个股做出分析评价。3、负责维护客户，为客户提供咨询服务。4、负责*基金的交易，并指导交易员完成交易指令。5、负责培训下属员工以及分配部门任务。教育经历20XX/X-20XX/XXX理工大学金融学本科语言水平英语(良好)听说(熟练)，读写(良好)自我评价在证券公司任职*年，对于股票投资具有深入的研究，善于数据挖掘和财务分析，对于国家政策和经济形势发展具有敏锐的观察力。具有出色的逻辑思维水平和写作水平，曾在知名财经杂志发表文章数篇，得到读者的欢迎。能够承受巨大的工作强度，抗压水平强，工作责任心高，团队合作意识佳，希望在证券行业继续发展。【篇二】数据分析师工作简历
4、求职意向：数据分析师基本信息：姓名：李xx性别：女出生日期：教育水准：本科工作年限：4年现居住地：青岛联系方式：150xxxxxxxx邮箱：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、数据处理水平很强，熟练使用Office软件。4、有良好的逻辑思维水平，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。5、熟悉数据分析模型的建立，能独立完成数据分析并针对结果给出一定的建议。工作经历：2020年7月-2020年7月山东xx网络有限公司单位性质：合资所任职位
5、：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，为客户的发展实行决策支持。3、完成对海量信息实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-2020年6月xx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，
6、注重市场动态与风险，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，能即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：2020年5月-2020年7月xx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xx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水平，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：2020年3月-2020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，如逻辑库及操作符与SAS的表达式等，能够完成复杂数据步的控制，数据集整理以及主成分分析、因子分析等，提升了数据的分析水平。