从业务视角理解快手的用户生命周期，基于机器学习、统计学、计量经济学等量化方法，对海量数据进行深入挖掘与分析
借助快手内部的离线模型训练平台，利用用户行为序列数据和BST对用户历史行为建模
通过DL、MMOE等模型框架，建设用户生命周期价值和活跃度的预测模型体系，搭建快手的长期关键业务指标的预测与仿真模拟体系
对于各种类型的A/B实验进行评估、纠偏和后验处理，基于实验结果进行深入策略分析，以清晰展示实验收益和未来优化方向
针对快手的业务场景，准确度量活动、产品框架和推荐算法迭代的影响
通过数据分析和模型推演，支持公司业务相关决策的评估
为公司不同的产运团队制定目标和策略，并关注其落地结果