（1）电商用户消费行为分析 A. 数据清洗，time列转成标准datetime，首先是用户整体消费趋势分析含按month统计产品购买数量，消费金额，消费次数，消费人数；然后是用户个体消费分析含用户消费金额，消费次数（产品数量）描述统计，分别subplot()各个bar图，line图和scatter图； B.用户消费行为：求首次购时间和最后一次购买时间，然后分别plot()图；然后用户分层，分别计算R-F-M值，做RFM模型，然后用户分层可视化scatter()图； C.新老,活跃,回流用户分析及可视化，用户购买周期，用户生命周期分析以及可视化，复购率和回购率分析以及可视化 （2）电商新零售客户数据分析 A.数据清洗，提取订单时间中的：年-月-日，去重，分析异常数据占比和特点；按月分组，销量最多的月份排序可视化bar图； B. 按城市分组，按购买数量求和，按数量求和排序，购买商品数量前10的城市--可视化bar图； C.计算客单价；按客户ID分组，汇总销售数量和销售额，计算用户平均消费金额和消费次数； D. pivot_table透视表计算年度退货率；计算R-F-M值，各分位数段客户消费频次，RFM的数据类型做转换，按RFM的价值取值判断价值：高和低，各用户等级的个数统计，最后可视化用户等级情况的重要度bar图和用户等级比例pie图；

Mysql数分类+Hive数仓类 1. 熟练操作基于workbench和navicat 15的Mysql数据分析，并熟练基于Pycharm操作Mysql和Hive数仓； 2.熟练操作基于Mysql的 (企业级) 车车智能营销数据分析项目和淘宝用户行为分析SQL版项目； 3.熟悉Hadoop下的HDFS文件操作和Hive数据分析，熟练Hive窗口函数和分区表+分桶表+内部表+外部表；

Python数据分析类 1. 做过35个数据分析中小型项目，涉及kaggle和飞桨的电商，支付，新零售，股票，生物，气象领域数据； 2. 具备扎实的Python数据获取+数据清洗+数据整合+数据分析+数据可视化的数据分析经验（pandas，numpy，matpoltlib，seaborn，pyecharts，pyhive，pymysql，scikit-learn）； 3. 精通4个版本的数据大屏实现：Pyecharts的overlap和Page大屏+Js版的Echarts大屏+基于Flask框架的数据大屏分析系统+基于PowerBI和Tableau的数据大屏； 4. 【项目】B端聚合支付交易数据的python多维度数据分析，喜茶门店评价数据分析，kaggle电子游戏数据可视化分析，Iris纸鸢花数据的EDA探索分析，龙源风电数据EDA探索及分析，混泥土强度数据可视化分析，广告投放效果的数据分析，淘宝商品数据的数据挖掘与分析，基于搜索记录的用户画像分析，北京空气质量的数据建模分析，双十一淘宝化妆品销量信息的数据分析，电子产品深度分析与会员RFM模型分析，贷款申请数据的分析，财务报表的数据处理分析，用户消费行为分析和O2O消费券线下使用分析，Flask+Vue3+Mysql的前后端数据交互项目；