guangning
python开发 · 10年经验 · 软通动力
0
累计接单
0
用户评价
0
被收藏
技术能力
数据分析师 - 专业技能 (Skills)
1. 数据处理与统计分析 (Python Stack)
核心库：精通 Pandas（数据清洗、透视表、时间序列处理）、NumPy（数值计算）、SciPy（假设检验）。
统计建模：扎实的数理统计基础，熟练掌握描述性统计（均值/方差/分位数）、推断性统计（T检验、卡方检验、ANOVA）及相关性分析。
特征工程：熟练处理缺失值、异常值检测（IQR/Z-score）、数据标准化及 One-Hot 编码，具备从原始数据中提取业务特征的能力。
2. 数据查询与提取 (SQL Stack)
SQL 精通：熟练编写复杂 SQL 查询，精通 多表连接 (JOIN)、子查询、窗口函数 (Window Functions)（如 ROW_NUMBER, RANK, SUM() OVER）及 CTE（公用表表达式）。
数据库交互：熟练使用 SQLAlchemy或 pymysql进行 Python 与 MySQL/PostgreSQL 的交互，能独立完成数据提取脚本的编写。
性能优化：具备大数据量下的 SQL 优化意识，了解索引原理及执行计划（Explain）。
3. 数据可视化与 BI 工具 (Visualization)
Python 可视化：熟练使用 Matplotlib（定制化绘图）、Seaborn（统计图表）、Plotly（交互式图表）进行探索性数据分析（EDA）。
BI 工具：熟练使用 Tableau / Power BI 制作仪表盘（Dashboard），具备将分析结果转化为商业报告的能力。
报表自动化：熟悉使用 Jinja2+ PDFKit或 ExcelWriter实现分析报告自动化输出。
4. 业务理解与机器学习应用 (Business & ML)
业务指标：深入理解 AARRR 漏斗模型、RFM 用户分层、用户留存分析、GMV 拆解等核心互联网指标。
算法应用：熟悉 Scikit-learn，掌握逻辑回归、决策树、聚类（K-Means）等传统机器学习算法，能将其应用于用户流失预警或客户分群。
1. 数据处理与统计分析 (Python Stack)
核心库：精通 Pandas（数据清洗、透视表、时间序列处理）、NumPy（数值计算）、SciPy（假设检验）。
统计建模：扎实的数理统计基础，熟练掌握描述性统计（均值/方差/分位数）、推断性统计（T检验、卡方检验、ANOVA）及相关性分析。
特征工程：熟练处理缺失值、异常值检测（IQR/Z-score）、数据标准化及 One-Hot 编码，具备从原始数据中提取业务特征的能力。
2. 数据查询与提取 (SQL Stack)
SQL 精通：熟练编写复杂 SQL 查询，精通 多表连接 (JOIN)、子查询、窗口函数 (Window Functions)（如 ROW_NUMBER, RANK, SUM() OVER）及 CTE（公用表表达式）。
数据库交互：熟练使用 SQLAlchemy或 pymysql进行 Python 与 MySQL/PostgreSQL 的交互，能独立完成数据提取脚本的编写。
性能优化：具备大数据量下的 SQL 优化意识，了解索引原理及执行计划（Explain）。
3. 数据可视化与 BI 工具 (Visualization)
Python 可视化：熟练使用 Matplotlib（定制化绘图）、Seaborn（统计图表）、Plotly（交互式图表）进行探索性数据分析（EDA）。
BI 工具：熟练使用 Tableau / Power BI 制作仪表盘（Dashboard），具备将分析结果转化为商业报告的能力。
报表自动化：熟悉使用 Jinja2+ PDFKit或 ExcelWriter实现分析报告自动化输出。
4. 业务理解与机器学习应用 (Business & ML)
业务指标：深入理解 AARRR 漏斗模型、RFM 用户分层、用户留存分析、GMV 拆解等核心互联网指标。
算法应用：熟悉 Scikit-learn，掌握逻辑回归、决策树、聚类（K-Means）等传统机器学习算法，能将其应用于用户流失预警或客户分群。
项目经验
项目一：电商平台用户流失预警分析
背景 (S)：针对平台月活下降 10% 的问题，需找出流失高危用户并制定挽留策略。
行动 (A)：
利用 SQL 从数仓提取 100 万用户行为日志，使用 Pandas 清洗脏数据，构建了包含“登录频次”、“客单价”、“浏览深度”等 20+ 维度的特征宽表。
应用 K-Means 聚类 将用户分为 4 个群体，并结合 逻辑回归 模型计算用户流失概率（AUC 0.85）。
通过 SHAP 值 解析模型，发现“最近 30 天未收到优惠券”是导致流失的关键因子。
结果 (R)：输出高潜流失用户名单（准确率 82%），运营部门据此实施定向发券策略，挽回潜在流失 GMV 约 200 万元。
项目二：供应链销售预测与库存优化
背景 (S)：某 SKU 缺货率高达 15%，库存周转天数过长。
行动 (A)：
使用 时间序列分析 (ARIMA/LSTM) 对历史 3 年销售数据进行建模预测。
开发 Python 自动化脚本，每日定时拉取销量数据并生成 Tableau 可视化看板。
结果 (R)：预测准确率达到 90% 以上，帮助采购部门优化备货策略，库存周转天数降低 20%。
背景 (S)：针对平台月活下降 10% 的问题，需找出流失高危用户并制定挽留策略。
行动 (A)：
利用 SQL 从数仓提取 100 万用户行为日志，使用 Pandas 清洗脏数据，构建了包含“登录频次”、“客单价”、“浏览深度”等 20+ 维度的特征宽表。
应用 K-Means 聚类 将用户分为 4 个群体，并结合 逻辑回归 模型计算用户流失概率（AUC 0.85）。
通过 SHAP 值 解析模型，发现“最近 30 天未收到优惠券”是导致流失的关键因子。
结果 (R)：输出高潜流失用户名单（准确率 82%），运营部门据此实施定向发券策略，挽回潜在流失 GMV 约 200 万元。
项目二：供应链销售预测与库存优化
背景 (S)：某 SKU 缺货率高达 15%，库存周转天数过长。
行动 (A)：
使用 时间序列分析 (ARIMA/LSTM) 对历史 3 年销售数据进行建模预测。
开发 Python 自动化脚本，每日定时拉取销量数据并生成 Tableau 可视化看板。
结果 (R)：预测准确率达到 90% 以上，帮助采购部门优化备货策略，库存周转天数降低 20%。
立即沟通
相似人才推荐：
南京高级Python开发工程师 (中电金信) ，3年经验 ，500元/天
杭州前端， 小程序 ，python工程师 (艾博健康) ，4年经验 ，600元/天
北京Python爬虫工程师 (乐天工作室) ，3年经验 ，500元/天
北京Python开发工程师 (北京四方恒通) ，3年经验 ，500元/天
其他Python数据分析 (医院) ，1年经验 ，500元/天
苏州高级java开发工程师、python爬虫工程师 (拉卡拉支付股份有限公司) ，8年经验 ，1000元/天
北京python js css h5 (平安) ，12年经验 ，500元/天
深圳金融python (qq) ，6年经验 ，500元/天
