如何能制作出一份成功的简历，以增加在简历筛选中的胜算如何能在不降低成功率的前提下提高简历筛选的效率以下是小编整理的简历表格的格式参考，以供大家阅读。
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
求职意向
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；
3、数据处理能力很强，熟练使用Office软件；
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：
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
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；
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
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，提升了数据的分析能力。
专业技能
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。
20xx年10月15日广州无限信息传播有限责任公司网页制作工程师/WEB美工/项目经理毕业以后找的第一份工作，主要职责是网页设计、FLASH制作以及平面设计。由于能力突出，后期在做大型项目中国校园商务网时任项目经理20xx年10月——
20xx年3月馨蓝数码工作室设计师第一份工作辞职以后与几个朋友自行开发制作馨蓝游戏网20xx年3月——
20xx年9月31日广州高安软件有限公司美工监理，设计师馨蓝游戏网与该公司签署合作协议，正式合并到该公司，自己也加入该公司参与网站建设工作，为寻求个人更大发展而离开该公司主要作品（建议上我的求职主页查看详细*******）网页作品FLASH作品精益眼睛眼镜店网站导入FLASH
NEC网站导入FLASH
红宝石电子网站导入FLASH
妇女维权网站导入FLASH
如何以数据驱动决策，提升网站价值（大数据时代的分析利器）
目前，越来越多的网站开始重视数据，并期望从中发现新的机会，不管你是做网络营销、互联网产品设计、电子商务运营、个人站点运营维护，我们都希望从数据中寻找有价值的结论，并且指导公司管理层的决策，最终创造更大的网站价值。本书以通俗易懂的方式来讲解网站分析所需掌握的知识，剖析日常工作中遇到的问题，并且配合大量的实战案例的讲解。
本书适合网站运营人员、网络营销人员（SEO、SEM、EDM）、网站产品经理和个人站长阅读，本书也适合计算机专业或者市场营销专业的自学。
目录
第1章解密神奇的网站分析——网站分析的目的、流程及价值
1.1为什么要对网站进行分析
1.2网站分析是什么
1.3如何进行网站分析
1.3.1网站流量质量分析
1.3.2网站流量多维度细分
1.3.3网站流量重合度分析
1.3.4网站内容及导航分析
1.3.5网站转化及漏斗分析
1.4网站分析为什么很重要
1.5网站分析带来的价值及改变
1.6网站分析的基本流程
1.6.1定义（Define）
1.6.2测量（Measure）
1.6.3分析（Analyze）
1.6.4改进（Improve）
1.6.5控制（Control）
1.7我能成为网站分析师吗
1.7.1网站分析行业概况
1.7.2兴趣和一个免费的分析工具
1.7.3了解JS及HTML语言
1.7.5Excel和PPT的使用能力
1.7.6强大的沟通能力
1.7.7不畏错误和挑战的能力
1.7.8良好的职业操守和道德底线
1.8本章小结
第2章从这里开始学习网站分析——网站分析中的基础指标解释
2.1我们如何获得网站的数据
2.1.1常见的数据获取方式
2.1.2网站日志和JS标记
2.1.3用户识别
2.1.4点击流模型
2.2网站分析中的基础指标
2.2.1网站分析中的骨灰级指标
2.2.2网站分析中的基础级指标
2.2.3网站分析中的复合级指标
2.3本章小结
第3章网站分析师的三板斧——网站分析常用方法
3.1数据分析前的准备工作
3.1.2数据的清洗与整理
3.1.3我们的数据准确吗
3.2网站数据趋势分析
3.2.1同比、环比、定基比
3.2.2趋势线拟合
3.2.3移动均值
3.2.4数据监控自动化
3.3网站数据对比分析
3.3.1简单合并比较
3.3.2比较实验的设定
3.3.3让比较结果更可信
3.3.4别忘记与目标对比
3.4网站数据多维度细分
3.4.1指标和维度
3.4.2为什么要使用细分
3.4.3什么是细分
3.4.4细分的常用方法
3.5本章小结87第4章网站流量那些事儿——网站流量分析
4.1网站中常见的流量分类
4.1.2直接流量的秘密
4.2对网站流量进行过滤
4.2.2GoogleAnalytics流量过滤速查表
4.3.1对你的流量进行标记
4.3.2区分搜索付费流量与免费流量
4.3.3监测百度竞价流量ROI
4.3.4挖掘有价值的搜索关键词
4.3.5追踪EDM的活动流量
4.4如何辨别那些虚假流量
4.4.1虚假流量与真实流量的特征
4.4.2辨别虚假流量的十二种方法
4.5为你的网站创建流量日记
4.5.1什么是网站流量日记
4.5.2如何创建流量日记
4.5.3网站流量日记的作用
4.5.4开始第一次网站分析报告
4.6流量波动的常见原因分析
4.6.1直接流量波动常见原因
4.6.2付费搜索流量（SEM）波动常见原因
4.6.3自然搜索流量（SEO）波动常见原因
4.6.4引荐流量波动常见原因
4.7本章小结
第5章你的网站在偷懒吗——网站内容效率分析
5.1网站页面参与度分析
5.1.1什么是页面参与度
5.1.2页面参与度的计算方法
5.1.3设置并查看页面参与度指标
5.1.4页面参与度指标的两个作用
5.2页面热力图分析
5.2.1GoogleAnalytics热力图功能
5.2.2GoogleAnalytics热力图中数字的含义
5.2.3GoogleAnalytics热力图中的细分功能
5.2.4GoogleAnalytics热力图中的路径分析
5.2.5GoogleAnalytics热力图的常见问题
5.4网站中的三种渠道分析
5.4.2网站的内部渠道
5.4.3网站的目标渠道
5.5追踪并分析网站404页面
5.5.1使用GoogleAnalytics追踪404页面
5.6最终产品页分析
5.6.2基于多指标的内容简单分类
5.6.3基于多指标的内容综合评分
5.7本章小结
第6章谁在使用我的网站——网站用户分析
6.1用户分类
6.1.1用户指标
6.1.2新老用户
6.1.3活跃用户和流失用户
6.2用户行为分析
6.2.1每个用户行为指标的分析价值
6.2.2基于用户行为指标的用户分布
6.2.3基于用户细分的用户行为分析
6.3用户忠诚度和价值分析
6.3.1基于用户行为的忠诚度分析
6.3.2基于用户行为的综合评分
6.3.3用户的生命周期价值
6.4本章小结
第7章我们的目标是什么——网站目标与KPI
7.1对网站进行全面货币化
7.1.1设置电子商务追踪
7.1.2对目标设定货币价值
7.2创建网站分析体系
7.2.1定义网站目标
7.2.2获取并分解网站目标
7.2.3聚焦网站的核心目标
7.2.5创建网站分析的KPI
7.3KPI网站分析成功之匙
7.4KPI在网站分析中的作用
7.4.1网站分析KPI的5个标准
7.5解读可执行的网站分析报告
7.5.1可执行的网站分析报告的内容
7.5.2KPI指标的创建及选择
7.5.3网站分析关键KPI指标报告
7.5.4关键KPI指标变化分析
7.5.5访客行为货币化
7.5.6创建属于你的ActionDashboard
7.6目标KPI的监控与分析
7.6.1KPI的数据监控
7.6.2KPI背后的秘密
7.7本章小结
第8章深入追踪网站的访问者——路径与转化分析
8.1探索用户的足迹——关键转化路径分析
8.1.1明确关键转化路径
8.1.2测量关键转化路径
8.1.3漏斗模型的展现
8.1.4有效分析转化路径
8.1.5为什么使用漏斗图
8.1.6网站中的虚拟漏斗分析
8.2让用户走自己的路——多路径选择优化
8.2.1简化用户转化路径
8.2.2让用户选择适合自己的路
8.2.3多路径转化数据分析
8.3基于内容组的访问者路径分析
8.3.1基于分析目的规划内容组
8.3.2创建内容组前的准备工作
8.3.3使用过滤器创建内容组
8.3.4检查并优化内容组
8.3.5访问者流报告功能概述
8.3.6访问者流报告与其他功能配合使用
8.4本章小结
第9章从新手到专家——网站分析高级应用
9.1为你的网站定制追踪访问者行为
9.1.1使用_trackPageview函数自定义页面名称
9.1.2使用_trackPageview函数追踪出站链接
9.1.4使用_trackPageview函数记录页面状态
9.1.5使用_trackPageview函数记录用户行为
9.2按需求创建个性化报告
9.2.1创建报告前的准备工作
9.2.2设置自定义信息中心
9.2.3对报告的用户权限进行管理
9.2.4设置智能提醒和邮件报告
9.3控制报告中的数据
9.3.1过滤器基础
9.3.2高级过滤器
9.4快速数据导出工具
9.5数据分析高级应用
9.5.1网站内容关联推荐
佣金制终结暴利时代
当企业从区域制走向无限细化，以医院、医院销售代表为单位，进行签约合作时，就已经步入了深度的佣金制阶段。
办事处制需要列支费用交由企业审查，在佣金制下，企业只需审查所负责区域纯销的药品当量（不是以销售额，而是以销售数量来计算），然后按30%~35%的点位返还给商。此时，商跟企业建立了同盟关系，必须建立专业的公司或者找专业公司开具劳务方面的发票，将票据交给企业后才能将返点的钱拿走。这样，企业避免了税收问题，又合理地将这笔钱打到了商卡上，让所有的形态合法化。
佣金制的发展决定了暴利时代的终结。原先，商可操控的点位可能在60%以上，这就有可能造成临床回扣的滥发。带给直营制的变化如此，制也同样有所转变。原先，企业是底价结算给商，10元的药品，企业拿2元，其余环节统统不管。而佣金制正好相反，零售价由企业自己定，负责接洽商业公司开票、计税等所有环节产生的税费，商通过临床促销从企业处拿到的佣金只有3~3.5元，而不是原来的8元。这种结算方式的转变，正是“两票制”、自主招投标在反商业贿赂形式下企业招商的发展趋势。
商务部介入数据管理
“包税返点”如何操作？例如A省只有一个经销商，这个经销商把每个月药品销售的物流清单传送给企业的销售经理，由销售经理出具报告，向公司财务提出申请，由此可以计算出商拿到的佣金返点。商把工作产生的票据寄还给公司后，就可以跟企业结算自己的报酬。
如果1个省只有10多个商或分销商，销售经理当然不难统筹。但若某省销售额很大，分销商数量达到数百，这样的处理方式就可能存在两方面的问题：第一，工作量很大；第二，人多混杂，销售经理很可能会张冠李戴，把A商的业绩算给了B商，通道的单一导致了与商之间的矛盾，倘若企业能将这个流程电子化，则不仅能体现公司的监管，还能在减少处理环节、节省人力的同时，规避相应的风险。
笔者建议，企业由商务部来审核数据，因为与经销商签约本来就是商务部的职责。经销商将每个月的资金流向以电子化的形式进行反馈，由商务部审计后，告知销售经理。商务部负责数据分析甚至录入商管理系统，月底时，大区经理、地办经理只要打开该系统，就可以明确整个系统的资金动向，根据这个数据来敦促自己的商。商也可以登陆系统，了解自己的医院开况和返点金额。
动态CRM为销售指南针
可能有人会问：“销售经理做什么？”在商务部负责监管流程的时候，销售经理的主要职责有两个方面：第一，调剂当地商。面对一个200~300人的分销团队，如何和这些人打交道？如何保持市场的稳定和流动性？第二，对商的管理输入。区域商需要驻点公关，就像汽车4S店的驻地服务那样，销售经理把企业想要传达的信息传递给商，完成其与企业适配的一体化工程。针对分销商，销售经理要组织一系列有效的活动，例如组织分销商开会、学习、旅游等等。针对这样一个几百人的团队，要让这些区域市场的人对企业产生归宿感，从而认可企业领导，就需要销售经理这些补进的常态工作。
商务经理是通过区域经销商的清单进行数据录入，从而让通道信息化。销售经理、商看得见，财务也看得见，要准备多少资金就能自己揣度。只要商适时地将票据寄给商务部，商务部签字后由财务汇总就可以放款。整个物流和钱流的系统非常明朗，财务部知道返了多少出去、拿到多少票据，也自然知道如何做账。
电子商务
金融
大数据成为金融业的有力支撑。工商银行、中国银行、农业银行、建设银行等国内重要的商业银行都有自己的大数据分析系统，并开展了基于大数据的各类服务和应用。阿里巴巴基于阿里巴巴的电商交易数据和蚂蚁金服的互联网金融数据推出的芝麻信用。蚂蚁金服的信贷通用决策系统通过对千万家淘宝商铺的3万多个指标的分析，筛选出财务健康和讲究诚信的企业，对他们发放无需担保的贷款，目前已经放贷300多亿元，坏账率仅0.3%，大大低于商业银行。
公共交通
大数据在公共交通、打车出行等交通领域的应用已经初步开展。通过分析预测出行交通规律，指导公交线路的设计、调整车辆派遣密度，进行车流指挥控制，及时做到梳理拥堵，合理缓解城市交通负担。滴滴快的通过掌握的用户打车记录、司机行车轨迹等交通大数据，可以科学地实现运力调度，精确匹配乘客和司机，优化路径，减少拥堵。北京交管部门的实时路况与百度地图大数据的对接，依托百度地图的交通大数据，可为公众提供专业的城市实时交通信息，并可根据需要自行选择，满足个性化出行要求，提升出行效率。
制造业
大数据将成为制造业转型升级和提升竞争力的关键之一。红领集团的数据系统将成衣的各种款式和设计都数字化，可以满足超过上亿种以上款式和设计的组合，并可完成对物料数据整合管理，对里料、缝线、袖口等完成自动搭配。整个定制生产流程的20多个子系统全部以数据来驱动运营。这家3000人的工厂每天可以一款一件不重样的定制西装1200套，约为红领60%的产能。农夫山泉与第三方厂商合作，共同开发基于“饮用水”的运输环境数据场景分析，用大数据增强营销、管理能力，企业近年来实现了30%-40%的增速。
健康医疗
我国部分省市正在实施病历档案的数字化，配合临床医疗数据与病人体征数据的收集分析，用于远程诊疗、医疗研发，甚至结合保险数据分析用于商业及公共政策制定等。
面对统计数据不够及时准确、对决策分析缺乏专业化系统支持、数据共享差等问题，光大银行率先探索，在综合柜台业务系统、网上银行系统等一系列业务系统信息化基础上实践商业智能及数据仓库系统建设，挖掘隐藏在数据后的信息价值，进而指导业务行动和管理决策。
数据突围势在必行
成立于1992年的光大银行，是国内第一家国有控股并有国际金融组织参股的全国性股份制商业银行。截至2012年末，光大已在全国设立一级分行36家，分支机构774家，在职员工达3.2万余人。
如此庞大的机构支撑如此繁多的金融服务，其管理复杂性可想而知。而光大银行屡获骄人业绩背后，以商业智能为核心的科学决策支持体系功不可没。
2001年，光大银行完成业务系统全国联网和总行数据大集中后，也一度为海量数据所困扰。现任光大银行电子银行部总经理的李坚意识到，只有通过BI充分利用集中的数据，才能更有效地支持业务发展、提升决策能力、强化核心竞争力。
2002年初，光大银行决策层开始立项商业智能及数据仓库系统，并对各家供应商方案优劣进行仔细分析、反复考察。
李坚表示：“我们必须选择一家有丰富实施经验的专业实施队伍和本地服务支持能力强的公司进行合作，以达到事半功倍的效果”。最终，菲奈特软件公司的商务智能产品BI.Office赢得了光大银行决策层的一致青睐。
经过商议，双方在国结业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。为了降低实施风险，项目实施将从国结业务统计分析系统开始，逐步实施。事实证明，光大银行所采取的“以部门为基础实施数据处理”的决定是正确的，也是务实的。
攻克难关首战告捷
怎样才能拿下国结业务统计分析这个系统？光大银行技术团队与第三方技术顾问组成一个实施监督团，通过频繁的讨论来处理项目进展中遇到的困难。
客观来说，数据种类少、数据量大是企业实施BI应用的最佳环境，因为这将有利于数据整合、转换、清洗、抽取、装载及数据模型的建立。然而，光大银行国际业务部业务品种不下十种，各业务品种间逻辑十分复杂，这些因素为项目实施带来一定难度。
“在这一背景下，国际结算系统商业智能应用获得成功有两方面原因。”李坚认为，一方面，服务商经过8年数据仓库实施提炼出的方法论体系在整个数据仓库项目中起了指导作用，顺利解决了如确定系统范围、分析用户需求、建立系统架构方面的问题，可以满足不断变化的应用需求及不可预测的决策支持需求；另一方面，光大银行自身较强的技术研发实力，再加上光大业务部门除在项目需求分析阶段帮助技术团队了解业务流程外，还积极参与对系统正确性、实用性的验证工作，使得整个项目在逐步验证、完善中进行，决定了项目成功的必然性。
自2002年12月开始，BI.Office商业智能应用平台相继应用于光大银行国际业务部、信贷审批部等多个业务部门，形成相应部门的BI系统。这些商业智能系统以数据仓库技术为基础，把分散在各个业务系统的数据进行整合，数据经过清洗、转换，加载到数据仓库；再采用OLAP和DataMining等技术，为管理决策人员提供强大、灵活的日常查询和决策支持。
商业智能树树开花
光大银行根据不同业务部门特点定制了几套商业智能应用系统，这些系统虽在细节设置上略有不同，但都提供了强大的即席查询、多维分析、图形展现、数理统计、数据挖掘、智能告警等普遍功能，以及自定义查询、报表和分析的零编程和多项OLAP引擎扩展等特有功能。
李坚认为，商业智能应用为光大银行的经营管理带来了四点改善。
第一，系统为业务人员提供了友好的界面，能够自定义各种报表、设计内容丰富的分析报告，并且通过统一界面将分析挖掘过程串连起来，整个操作过程十分简易。而且，系统零编程、零管理技术也让IT人员摆脱了繁重的运维工作。
第二，系统提供了即时、灵活、多角度、多层次、准确的查询和分析，包括各种指标的累计值、前期比和同期比，提供现状分析、发展分析和80/20分析等丰富的分析方法。使用这些工具，管理层可及时了解国内同行的业务发展情况和市场占有率；分析各分支机构的存款余额以及结构，掌握各种产品发展趋势。
第四，系统可根据业务层级对行内各地各级人员设定权限。特定权限下只能使用特定功能，从而有效控制了敏感信息，有效保障了数据安全。
事实证明，商业智能应用解决方案对光大银行改善其核心业务流程、提高市场反应速度和业务管理水平发挥着重要作用。随着商业智能应用的不断深入与扩展，光大银行胜利突破了数据“封锁线”，也走出了一条知识发现的经典之路。
人物语录
商业智能应用系统已成为光大银行各级业务人员、管理人员日常经营和分析决策不可或缺的工具，并对光大银行改善其核心业务流程、提高市场反应速度和业务管理水平，发挥着关键作用。
――光大银行电子银行部总经理
李坚
光大银行这样应用大数据
当传统数据仓库性能已无法应对庞大信息，大数据技术使得访问、使用大规模数据集以应多复杂数据分析，制定更好商业决策成为可能。因此，大数据应用并非BI的简单延续。