数据分析案例
这里收录我做过的数据分析项目。点开任意一个，可以看到项目背景、分析过程、核心结论以及落地建议。
电商用户行为与产品多维度分析（1 亿行）
天池公开数据集2017基于天池淘宝用户行为数据集（3.67 GB / 1 亿行行为日志），用 DuckDB SQL + Python 完成数据清洗、流量分析、用户行为转化、用户价值（RFM/留存）、产品品类全链路分析，量化「双 12 预热期 vs 平时」的活动效果差异，并交付自包含 HTML 报告。
- SQL
- DuckDB
- Python
- Pandas
- RFM
- 统计分析
- matplotlib
电商大促营销异常诊断与归因分析
2023唇釉大促「第 2 件半价、第 3 件低至 20 元」宣传与结算口径割裂，退款率近翻倍、客诉激增。用 SQL + Python 完整链路量化「GMV 虚假繁荣 vs 实收惨淡」的剪刀差，定位根因是规则复杂度而非产品质量，并给出促销规则重构建议。
- SQL
- Python
- Pandas
- jieba NLP
- 统计分析
- matplotlib
电商用户行为分析与 RFM 价值分层体系搭建
2026基于 1000 条电商用户全维度行为数据，用 SQL（SQLite）+ Python 完成用户全景画像、行为深度分析、RFM 价值分层与消费驱动因素挖掘，输出分群运营策略；并对参考项目中无法在本数据复现的结论逐条纠偏（AOV 相关 0.967 → 实测 0.0967）。
- SQL
- SQLite
- Python
- Pandas
- 统计检验
- matplotlib
电商用户 RFM 价值分层（含数据质量批判验证）
AI 分析项目Kaggle 公开数据集2026基于 Kaggle 公开电商用户画像（1000 人截面快照，Apache 2.0），用传统 RFM 5 分位打分 + 8 类分群做端到端分层演练，并对数据质量做批判性验证：发现 85 人购买频次为零但消费为正、AOV×频次对账不一致率 100%、字段间近乎独立（|r|≤0.10），明确分层结论的适用边界与下一步数据动作。
- RFM
- Python
- 统计分析
- 数据质量审计
- Kaggle
- 批判性验证