Favorite_Ystar

• 项目简介：数仓ETL融合内外部数据，迭代用户职住地画像，支持家充桩升级推广等多个业务决策。 • 项目角色：主负责人，团队3人 • 项目动作：
前期：评估数据质量，进行数据验证，批量获取房天下小区数据，高德API数据，国内4s店数据，结合内部数据构建综合数据集。
中期：基于综合数据集，分析用户的充电、换电行为和出行轨迹，挖掘用户的出行习惯和行为特征，输出数据可视化分析报告。
后期：利用KNN、XGBoost等多个机器学习模型完成模型集成，对用户的消费能力、潜在挖掘价值等多个数据指标进行打分，完成用户
画像，并设计部署数据看板和数据监控。 • 项目结果：迭代了用户职住地画像，看板PV阶段内同比增加150%，业务侧上海闵行区区域公司家充推广增收13%。

充电桩定价预测分析（Python、机器学习、Hive SQL）：
目的：对充电桩合理定价，制定一桩一时一价的定价方案，最大化提升营收。
动作：协同LM完成充电桩定价的相关分析，并用已有的数据完成相关指标计算和特征提取；评估GBDT模型、Stacking集成模型、时序
模型等多种方法的预测效果，完成模型检验分析，并根据模型结果设计ABtest实验，进行模拟经营；监控实验运行和AB评估。
结果：实验组充电量、排队时长指标分别提升24%和10%，输出实验报告，完成归档，在后续价格调整后首月GMV上升15%。

指标体系搭建（Hive SQL、Tableau）：
目的：评估城际点位资源的场站利用率，基于OSM模型搭建评估充换电资源指标体系。
动作：与场站运营专员沟通并自主学习相关案例，基于目标&策略&度量梳理指标口径，进行小样本数据探查；对覆盖率、充电次数等
多个指标进行切片，评估重合度和相关性，迭代指标口径与监控阈值；输出评估城际充换电资源的指标框架。
结果：搭建指标数据监控看板并传播，看板PV每日100+，并与30多位正式数据分析师、数据运营专员做了分享。

指标体系搭建（Python+帆软BI）：
目的：完善电商平台的销售指标体系，评估竞品竞店的差异，协助数据分析同事完成决策
动作：设计Python爬虫程序，获取抖音、淘宝第三方数据、小红书以及微博等平台的数据；基于AARRR模型协助数据分析师、数据运营
制定销售指标体系；对数据指标进行监控，每日复盘指标波动，进行数据归因，为直播销售业务决策提供支持。
结果：3.8大促GMV同比上升34%，50+任务活动周期内正常运维。