A.数据清洗和去重，然后merge()合并表，用pivot_table按order_time,city，merchant_id，bd_name分组筛选，按payment_num，trading_volume聚合和TOP5排序分析；
B.分组聚合后分别按year-month求.sum()和按天的.cumsum()滚动交易额以及占比，用matplotlib和seaborn库，subplot展示按year-month，以及分别按city和top10_bd排名的交易总额和交易笔总数的：bar图，line图和box图以及pie图；
C.按merchant_id排名对应的交易笔数[30,100,300,500,1K,3K,5K,1W,1W+]分段正态分布图；
D.用corr(),std(),cov()分析payment_num，trading_volume与城市BD人数，销售费用，人工cost的相关性；
E. 再用Pyecharts实现交互视觉的股票式GMV折线图，overlap组合图和Page组合大屏图；
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；
A.数据清洗：处理缺失值，查看sale_count和comment_count列的众数，对宝贝标题进行分词处理，将销售额作为新的一列，转换时间列格式为datetime并作为index,计算各店铺的商品数量绘制bar图，计算各店铺品牌总销量和品牌总销售额绘制bar图，根据化妆品和护肤品销量总体占比情况和子类别销量占比绘制饼图，根据各品牌各总类的总销量绘制基于seaborn的bar图；
B.根据各品牌各子类的总销量，各品牌各子类的总销售额绘制基于seaborn的bar图；根据各品牌商品的平均评论数绘制bar图，绘制各店铺价格的箱型图，绘制各品牌产品的平均价格的bar图，根据各店铺的品类销售量和销售额绘制散点图，通过基于seaborn的bar图分析男性护肤品的销量情况，最后分析11月按天统计的日销量；
从游戏的时间序列、产品类型、发布平台以及发行商四个维度pivot_table进行透视分析，基于seaborn的每年游戏发行bar图，游戏发行商TOP10分析，游戏收入排TOP10的发行bar图，各发布平台的总销量的bar图分析；
各类广告渠道90天内日均UV，平均注册率、平均搜索率、访问深度、平均停留时长、订单转化率、投放时间、素材类型、广告类型、合作方式、广告尺寸和广告卖点等特征，将渠道分类，找出每类渠道的重点特征, 平均停留时间与访问深度corr相关性分析，Top25日均UV状况及其广告投放总时间，广告类型/卖点与平均注册率、订单转化率之间的关系；
KA客户分析，消费人群分析&画像分析，产品分析，销量分析，订单分析，月度会员分析，用户分层，复购率与订单分析(B类客户)，二次订单间隔分布分析(B类客户)，会员RFM分析(B类客户)；
按渠道效果分析：每日新增用户数、活跃用户数的同比和环比情况，活动转化率、第7日加权留存率、付费率、ARPU、ARPPU、CPL买量成本、LTV 和 ROI ；然后数值标准化处理，计算均值，标准差，标准差系数，赋予权重综合计算排名；
【1】Python数据分析类
1.1 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；
1.2 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）；
1.3 熟悉面向对象编程步骤，多线程，队列，类属性，类继承，装饰器，封装，耦合，递归，自定义函数编程；
1.4 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；
1.5 【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；
【2】Mysql数分类+Hive数仓类
2.1 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；
2.2 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；
2.3 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；
【3】Python爬虫类
3.1 做过15个爬虫数分项目，如定时秒抢茅台，Tkinter界面爬酷我+酷狗音乐，爬淘宝+京东+小米商品数据，爬王者英雄和皮肤，爬网页动态加载数据，百度翻译JS逆向，爬知乎问答，爬豆瓣电影和评论，爬城市二手房信息；
3.2 熟悉senelium自动化爬虫和scrapy爬虫框架，熟悉图片验证码和滑块验证码及交互式验证码的破解；
3.3 熟悉JS逆向，熟悉Requests，Beautifulsoup和Xpath，以及移动端APP的基于Appium的数据爬取；
3.4 熟悉多线程爬虫；
【4】Hadoop集群和Docker虚拟化
4.1 熟练搭建windows和linux-centos7系统的伪分布式Hadoop集群，并用hive数仓-HSQL进行海量数据分析;
4.2 熟练搭建VM17下，基于linux-centos7系统，基于Docker的Hadoop和Hive搭建和部署;
4.3 熟练Docker和Git的常用命令;
学校：河南财经政法大学
专业：信息管理与信息系统
学历：本科
