项目描述：调用广告平台API接口实现自动化广告投放，分析广告投放数据，挖掘广告投放优化方向 项目角色：产品设计、后端功能开发、运维 具体工作内容： 汇总广告API接口参数与业务需求，设计数据表结构以及数据流，汇总可实现功能并撰写操作文档，python开发广告投放功能接口。 实现自动化广告投放后，编写python脚本定时获取广告投放数据报告，结合业务需求，统计广告投放数据转存至MySQL数据库并用BI工具进行展示。随着数据量增长，将数据报告转存至hive数据库，并用pyspark进行数据清理与统计，统计结果数据使用datax从hive数据库转存至MySQL数据库。 统计计算广告数据报告中的关键指标，比如转化率、转化成本、投放时长等，根据关键指标获取预设的对应优化操作，拆解并执行API接口请求，记录广告优化操作日志。 使用强化学习模型，挖掘不同关键指标下广告计划的最佳优化行为。将广告页面点击率与转化率组合作为状态(state)的评估指标、已对广告计划的优化操作作为行为(action)，点击率与转化率提升作为正面奖励(reward)。

项目描述：将广告投放数据与*订单成交数据进行入库，建立集成业务数据的数据仓库，通过数据仓库进行数据清理与*卡销售的利润结算，将*卡销售情况以不同维度，使用BI工具进行展示。 项目角色：数据仓库设计与开发、实现数据应用 编写python脚本，提供数据入库的工具，通过jupyter可视化界面，实现上传数据并执行脚本，供运营人员实现数据入库。收集可获取源数据的API接口，使用定时程序的方式获取数据并入库。 结合业务数据划分与数据结合过程中的容错率，设计数据仓库结构，编写python脚本实现数据仓库数据的清理、计算、统计，随着数据量增长使用hive数据库与pyspark实现数据仓库的数据更新。 BI工具与DA层数据表进行连接，绘制BI界面进行展示。BI展示不仅用于业务观察，还要用于发现异常数据，将异常数据进行反馈，获取解决方案，解决方案包括数据处理规则扩展、业务数据逻辑调整、反馈源数据存在的问题进行修复等。

项目描述：从每月十亿级别的*卡用户中，以APP行为频次作为特征，建立二分类评估模型，提取最相近于已转化*卡用户的*号进行打包，投入于广告平台作为广告计划的投放定向。 项目角色：特征工程、落实业务 读取hive数据库获取*卡用户APP数据，计算APP使用频次与时长(天) 并对其进行格式化，以月为单位保存至数据库准备进行特征工程。获取正样本数据(已转化*卡用户)保存至hive数据库。 进一步计算APP行为数据、进行归一化与向量化、获取特征向量。计算指定月APP使用频次与时长、归一化之后作为当月APP使用特征。对比两个月的数据，计算APP使用频次与时长变化，作为APP使用变化特征。获取待观察APP列表，进行过滤后进行向量化，作为最终模型训练的数据，为特征向量打上正样本与负样本标签。 根据业务需求，获取经过模型预测后的数据。指定业务需求数据量、是否重复获取历史数据、是否转存等选项，将以上选项作为入参，执行数据获取的脚本，根据模型预测时给予样本的评分，递减的原则去获取数据，将结果保存至文本文件用于互联网广告投放的用户定向设置。