项目背景：某电商商城随着业务量的发展，积累了大量的用户*销售订单数据，决策层希望通过对这些数据的分析了解更多的用户信息及用户的分布。从而可以指导下一年的市场营销方案以及更加精准的定位市场，进行有效的广告投放。项目职责： 1、首先是脏数据的清洗，删除无效重复值、空值，进行数据提取并脱敏处理，比如对*号中间四位打码。 2、然后是各指标的分析，包括不同年份总销售额，不同年龄段的销量（条形图），不同性别销量（环形图），不同月份的销量（折线图），西北、华北、东北地区总销量（填充气泡图），各个运行内存的平均单价（词云），不同品牌*的销量（树状图）等十几个指标。除了用 excel 中 if、sumifs、averageifs、lookup 等常用函数外还用了强大快捷的透视表透视图和 sql 语句来实现各指标的分析，并插入了可联动筛选的年份切片器（2018~2020 年）。 3、tableau 及 excel 图表可视化展示，ppt 汇报。项目总结： 1、机消费群体女性远多于男性，产品配比上向女性倾斜。北京、上海等发达一线城市销量远大于其他城市，关注一些近期具有较大发展潜力的有可能跻身于较发达城市的潜在机会，提前布局等等。 2、最后用 tableau 生成可视化图表和仪表板，合理布局和美化排版。

项目背景：随着互联网时代的发展，电商行业成为人们生活中必不可缺的一部分。电商企业能够采集到消费者丰富的数据和信息，这也是互联网行业的一大特点，通过对电商会员购买行为进行分析，挖掘出其中的价值，从而从多角度推动电商平台业务的优化和发展，同时也让消费者有更好的体验，实现彼此的双赢。项目职责：在本项目中，我从两个产品业绩和会员行为两大角度出发，进行数据分析。 1、首先在产品角度，分析产品的销售情况，以及留客能力和获客能力等指标，来判断产品的优劣。比如产品销售月环比（柱线组合图）、销售比例（嵌套环形图）、产品转化率、销售金额 28 法则分析（条形图）等。 2、而在会员角度，通过分析会员的购买时间及频率，对会员的忠诚度、留存率等概念进行探索，从侧面反馈产品的好与坏。比如，RFM 模型（散点图）及会员留存的分析、产品品牌与各年龄段会员人数关系（堆积柱状图），并统计了回购率与转化率都名列前茅的产品（文本窗格图）。 3、用 tableau 对以上各指标进行可视化图表的制作及 ppt 动画展示。项目总结： 1、从 2/8 客户人群分布及各特征购买人群比例来看，低学历为 30-50 岁年龄段的会员为主要购买人群，因此对此类人群加强产品宣传工作，同时对其他类别的人群进行问卷调查，收集对产品的意见和建议以更好地改进产品。 2、会员留存图上看出每月新增会员在减少，月留存率也在减少，需要仔细探讨下是客观原因还是产品本身质量、服务等出了问题，新增用户没有增加是否因为商业模式不准确，用户画像定义不清淅等原因导致。

项目背景：阿里巴巴和蚂蚁金服逐渐积累了来自用户和商家的海量线 上线下交易数据，通过对“口碑”交易环境及过程所产生的数据进行分析，展开面向销售环节预测。最终达到降本增效，规避潜在风险，优化用户体验的目标，实现平台、商家与用户三方共赢的良性循环。项目职责：担任此大型项目的组长，带领 14 个人的团队历时 15 天完成此项目。负责的阶段任务如下： 1. 用 hive，python 对大规模数据量(总计 7500w 条多数据)进行了清洗，删除了无意义的空值、重复值及不在项目时间段的数据。将时间戳字符串类型更改为 ymd 日期类型，以方便后期的数据筛选和分析。 2. 用 python，sql，excel 等工具进行各指标分析，有：各城市总体消费金额（饼图）、商家交易次数和用户浏览次数（双轴折线图）、最受欢迎的前 10 类商品（嵌套条形图）、最受欢迎 5 家奶茶商店和中式快餐店（词云图）、留存率分析（阶梯手枪图）、浏览次数前 50 商家（地图）、各品类时间段支付次数（环形图）、消费评分分级（气泡图）等。 3. 用 tableau 创建不同维度的筛选器、参数 topN 和各种函数计算字段（有排名 rank_dense、if、countd 等函数），用各种图表对指标分析的结果进行可视化展示。项目总结： 1、针对消费能力较高的会员，应当对他们进行不定期的促销活动，提供些 VIP 个性服务，发放优惠券等，保持用户活跃度，并进行用户画像和精准推荐； 2、口碑商家在我国西北、东北地区数量较少，接下来平台应该在线下市场快速铺开，特别是商家分布较少的地区，积极推行加入口碑平台的政策，吸引优质商家的加入，同时继续深耕一线和准一线城市。最后用动画 ppt 对项目解说展示。