汪久量
Data Scientist · AI Analytics
上海 · 可远程 · joseph@josephjwang.com
我的故事
大多数分析师分析的是别人的业务。我分析过自己的。
九年数据分析与数据科学经验，近六年在北美企业级岗位——梅赛德斯-奔驰全国经销商 KPI 体系、汽配公司十万级 SKU 的定价和库存模型、GE Appliances 的财务经营分析——我习惯了大公司的数据规范和分析框架。2022 年底回上海，以数据顾问角色服务企业客户的员工福利、电商运营与采购场景，这是我第一次以业务方视角推进端到端交付，而不只是分析支持方。
最能代表我工作方式的，是一场企业福利卡券的增长实验：客户的卡发出去了但员工不用，运营的直觉是全量发提醒、加补贴。我没有直接执行，而是先打通发放到履约的六步 Funnel 定位断点，再对已访问未核销的用户跑 Control / 提醒 / 提醒+奖励三组随机实验——数据给出了和直觉相反的答案：提醒把 14 天核销率从 28.6% 提到 34.8%，但额外奖励的边际提升撑不起全量补贴；于是改为分层触达，减少对低增量人群的补贴浪费、提升预算使用效率。一次实验，砍掉了一笔本要花错的钱。这也是我信的那句话：分析的价值不在数字本身，在于它离决策有多近。
也是在这个过程里，我开始认真做 AI 工具——不是为了演示，而是因为我需要它。把高频取数沉淀成受控 ChatBI（白名单 SQL、只读查询、结果校验，而不是让 LLM 自由访问数据库），做了 A/B 实验决策工作台，用轻量微调跑过完整的 NLP 方案选型对比，还把配件 SKU 定价做成了带需求预测与库存约束的动态定价系统。这些工具都在真实业务里跑过，出过问题，也改进过。
我现在最感兴趣的，是三条线怎么互相加强：实验增长链路负责判断“该不该做”，定价 / 平台 ML 负责判断“怎么定价和排序”，LLM 分析系统负责把数据和文本更快转成可用判断。
现在在做什么
跨境电商 · 持续运营中
自有店铺持续运营，追踪 CVR、AOV、ROAS 与毛利，跑 A/B 实验。它既是业务，也是我验证分析方法的实验台——结论对不对，数字会说话。
AI 工具 · 从演示到可用
在内容生产、数据取数、竞品监控等场景里探索可靠的 AI 工具流程，核心问题是可靠性：怎么让它在真实业务里跑得住，而不只是演示时好看。
AI 量化研究看板 · 实验项目
在做一个研究型量化分析 Demo，把行情数据源状态、信号评分、规则策略回测、交易日志与稳健性检查串起来。它是 portfolio / research demo，不是交易机器人，也不提供金融建议。
关注方向
实验增长、定价 ML、LLM Analytics 与可审查的研究工作流——不是追新闻，而是真的在用：跑 Uplift 实验、做定价建模、把 LLM 嵌进数据取数与分析流程，也探索量化信号研究里数据源、回测假设与稳健性检查如何更透明。
求职 & 合作
目前主要在看 Data Scientist · AI Analytics 相关的全职机会，上海或全球远程均考虑，中英双语均可。
如果有具体的数据分析或 AI 项目想聊，也可以找我。我对有真实业务场景的合作持开放态度——但全职机会是第一优先级。