南山南！
数据分析师
准达 · 2年经验
日薪：
￥500/8h
地点：
成都 高新
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 熟悉Python编程语言，了解面向对象设计。
2. 熟悉前后端分离开发，掌握Flask、FastAPI等基于Python的WEB框架。
3. 熟悉SQL语句，熟练使用关系型数据库MySQL，了解数据库基本原理。
4. 熟悉基于Python的网络数据采集，有使用response，selenium，beautifulsoup等第三方库的经验，熟悉常见的反爬策略及其破解方案。
5. 熟悉基于Python的自动化办公，使用Python程序实现Excel，Word，PDF等文档的批量处理。
6. 熟练运用Numpy、pandas对数据进行重塑、清洗、治理、透视，并分析洞察数据。
7. 熟悉使用Power BI、Matplotlib等可视化工具。
2. 熟悉前后端分离开发，掌握Flask、FastAPI等基于Python的WEB框架。
3. 熟悉SQL语句，熟练使用关系型数据库MySQL，了解数据库基本原理。
4. 熟悉基于Python的网络数据采集，有使用response，selenium，beautifulsoup等第三方库的经验，熟悉常见的反爬策略及其破解方案。
5. 熟悉基于Python的自动化办公，使用Python程序实现Excel，Word，PDF等文档的批量处理。
6. 熟练运用Numpy、pandas对数据进行重塑、清洗、治理、透视，并分析洞察数据。
7. 熟悉使用Power BI、Matplotlib等可视化工具。
项目经验
电商平台用户RFM分析：
为了提高平台业绩，优化资源分配，对广告进行合理投放，对用户最近一次消费、消费频次、消费金额等特征信息进行分析。根据业务要求使用jupyter结合numpy、pandas对数据进行提取，对空值、异常值，重复值处理。利用Python可视化工具展示用户回购率、复购率、留存率等指标，观察分析出用户的行为。利用RFM模型分析用户的价值度，对用户划分不同的等级，根据用户等级进行相应的精细化管理和维护。
用户评分机制构建：
为平台构建用户评分机制，对用户的行为进行量化，通过用户各项指标，换算出用户的分值，进而对用户赋予相应的权限。使用Python对数据探索清洗，运用决策树对变量分箱操作，获取IV值和WOV值，得到最终特征矩阵，筛选指标并运用逻辑回归进行学习建模，使用准确率和ROC曲线验证模型的预测能力，最终将逻辑回归转换成标准评分机制。
为了提高平台业绩，优化资源分配，对广告进行合理投放，对用户最近一次消费、消费频次、消费金额等特征信息进行分析。根据业务要求使用jupyter结合numpy、pandas对数据进行提取，对空值、异常值，重复值处理。利用Python可视化工具展示用户回购率、复购率、留存率等指标，观察分析出用户的行为。利用RFM模型分析用户的价值度，对用户划分不同的等级，根据用户等级进行相应的精细化管理和维护。
用户评分机制构建：
为平台构建用户评分机制，对用户的行为进行量化，通过用户各项指标，换算出用户的分值，进而对用户赋予相应的权限。使用Python对数据探索清洗，运用决策树对变量分箱操作，获取IV值和WOV值，得到最终特征矩阵，筛选指标并运用逻辑回归进行学习建模，使用准确率和ROC曲线验证模型的预测能力，最终将逻辑回归转换成标准评分机制。
南山南！
数据分析师 · 2年经验 · 准达
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 熟悉Python编程语言，了解面向对象设计。
2. 熟悉前后端分离开发，掌握Flask、FastAPI等基于Python的WEB框架。
3. 熟悉SQL语句，熟练使用关系型数据库MySQL，了解数据库基本原理。
4. 熟悉基于Python的网络数据采集，有使用response，selenium，beautifulsoup等第三方库的经验，熟悉常见的反爬策略及其破解方案。
5. 熟悉基于Python的自动化办公，使用Python程序实现Excel，Word，PDF等文档的批量处理。
6. 熟练运用Numpy、pandas对数据进行重塑、清洗、治理、透视，并分析洞察数据。
7. 熟悉使用Power BI、Matplotlib等可视化工具。
2. 熟悉前后端分离开发，掌握Flask、FastAPI等基于Python的WEB框架。
3. 熟悉SQL语句，熟练使用关系型数据库MySQL，了解数据库基本原理。
4. 熟悉基于Python的网络数据采集，有使用response，selenium，beautifulsoup等第三方库的经验，熟悉常见的反爬策略及其破解方案。
5. 熟悉基于Python的自动化办公，使用Python程序实现Excel，Word，PDF等文档的批量处理。
6. 熟练运用Numpy、pandas对数据进行重塑、清洗、治理、透视，并分析洞察数据。
7. 熟悉使用Power BI、Matplotlib等可视化工具。
项目经验
电商平台用户RFM分析：
为了提高平台业绩，优化资源分配，对广告进行合理投放，对用户最近一次消费、消费频次、消费金额等特征信息进行分析。根据业务要求使用jupyter结合numpy、pandas对数据进行提取，对空值、异常值，重复值处理。利用Python可视化工具展示用户回购率、复购率、留存率等指标，观察分析出用户的行为。利用RFM模型分析用户的价值度，对用户划分不同的等级，根据用户等级进行相应的精细化管理和维护。
用户评分机制构建：
为平台构建用户评分机制，对用户的行为进行量化，通过用户各项指标，换算出用户的分值，进而对用户赋予相应的权限。使用Python对数据探索清洗，运用决策树对变量分箱操作，获取IV值和WOV值，得到最终特征矩阵，筛选指标并运用逻辑回归进行学习建模，使用准确率和ROC曲线验证模型的预测能力，最终将逻辑回归转换成标准评分机制。
为了提高平台业绩，优化资源分配，对广告进行合理投放，对用户最近一次消费、消费频次、消费金额等特征信息进行分析。根据业务要求使用jupyter结合numpy、pandas对数据进行提取，对空值、异常值，重复值处理。利用Python可视化工具展示用户回购率、复购率、留存率等指标，观察分析出用户的行为。利用RFM模型分析用户的价值度，对用户划分不同的等级，根据用户等级进行相应的精细化管理和维护。
用户评分机制构建：
为平台构建用户评分机制，对用户的行为进行量化，通过用户各项指标，换算出用户的分值，进而对用户赋予相应的权限。使用Python对数据探索清洗，运用决策树对变量分箱操作，获取IV值和WOV值，得到最终特征矩阵，筛选指标并运用逻辑回归进行学习建模，使用准确率和ROC曲线验证模型的预测能力，最终将逻辑回归转换成标准评分机制。
立即沟通
