Data Analyst/2027 Campus

把数据讲成能落地的结论

先把指标与口径定义清楚,再用对比、细分、漏斗把问题拆开,最后一定落到可执行的建议上。

10,401 单项目订单样本
2,900.1 万元 · 大促 GMV
3.4 绩点 / 满分 4.0
2027 届 · 可提前实习
01

求职意向

目标岗位
数据分析师 / 数据运营
意向城市
成都 · 重庆 · 深圳(可接受远程)
求职类型
全职 · 2027 届校招(可提前实习)
到岗时间
面议,实习可随时到岗
02

项目经历

  • Tableau
  • 指标体系
  • 三维度下钻
  • Story 叙事
  • 口径治理

项目背景 /电商平台开展为期 3 天的全平台满减促销,覆盖女装、童装、男装、鞋帽、箱包五大品类,13 个渠道投放拉新,总预算 763 万元。基于活动拉新的 10,401 笔订单明细,完成大促全流程数据复盘。

2,900.1万元 全周期 GMV
94.52% KPI 达成率
2.50 整体 ROI
  • 指标搭建: 构建 GMV、净成交额、KPI 达成率、拒退率、ROI 等经营指标体系,按渠道 / 品类 / 地域多维下钻拆解;
  • 看板制作: 三页 Story 交互看板,涵盖桑基图、热力图、双轴趋势等 20+ 图表,已发布 Tableau Public 在线可查;
  • 结果口径: 活动全周期 GMV 2,900.1 万元、KPI 达成率 94.52%、整体 ROI 2.50,首日 GMV 环比 +437%;
  • 口径修复: 识别拒退率异常(活动期 35%~38%,平时约 20%)与拉新成本口径重复求和问题,追到源头完成看板口径修复;
  • 结论落地: 定位转化漏斗流失环节,输出渠道 ROI 评估与下一阶段投放预算分配建议。
  • Python / Pandas
  • 交叉分析
  • 季节趋势
  • 消费者洞察
  • 策略表输出

项目背景 /基于 5,000 条奶茶消费订单(5 大品牌、11 个字段),从市场格局、消费者偏好、会员运营、配送时效四个维度拆解五大品牌的竞争态势,回答「谁在哪个价格带和城市层级占优」这一核心问题。

5,000条 订单样本
47.5% 三分 + 五分糖
57% 冰饮占比
  • 市场格局: 按「品牌 × 会员等级」交叉,量化各品牌价格带错位竞争策略,定位头部品牌的下沉优势;
  • 偏好洞察: 识别低糖化趋势(三分糖 + 五分糖合计 47.5%)与冰饮主导(正常冰 + 少冰 57%)特征;
  • 季节趋势: 正常冰 7 月峰值 62.6%、热饮 1 月峰值 52.6%,为按月备货提供量化依据;
  • 会员分析: 对比会员与普通用户偏好差异(五分糖 23.5% vs 25.3%),论证无需单独开发偏好型产品线;
  • 策略输出: 形成产品、季节运营、会员、配送四维可执行策略表;配送时长呈三线 > 二线 > 一线的清晰阶梯。
  • DeepSeek API
  • Function Calling
  • 飞书开放平台
  • CRMEB
  • Python 爬虫

项目背景 /以大模型为「大脑」,通过工具调用编排外部系统,让智能体不止于聊天,还能直接操作办公、电商、舆情三类真实业务系统。目前已打通飞书、CRMEB、百度贴吧、高德地图、抖音等多个接入点。

5个 业务系统接入
3类 办公 / 电商 / 舆情
4步 工具编排链路
  • 编排链路: 设计「意图识别 → 工具选择 → 调用执行 → 结果总结」链路,支持多轮对话上下文记忆;
  • 经营数据接入: 对接 CRMEB 订单 / 商品 / 会员数据,用自然语言直接查询经营指标,把「提数」这件事交给业务自己完成;
  • 办公协同: 对接飞书开放平台,按指令处理消息与文档,智能体可在飞书内直接对话;
  • 外部信息源: 百度贴吧帖子、抖音热点评论自动化爬取整理,支撑话题追踪与舆情汇总。
03

实习经历

古蔺县家乡面业有限公司

2025.07 — 2025.08

数据分析实习生

  • Excel 透视表 / 函数
  • 微信小程序后台
  • 客户结构拆分
  • 品类毛利对比
4 家直营门店
2.5 万元 / 门店月流水
8 份门店周报

实习背景 / 公司在古蔺生产并销售手工面,有 4 家直营门店。产品分两类:碱水面为主销的普通款,龙须面、手擀面、苦荞面等其他款量少价高。客户包括当地面馆的批量采购与散客零售,订单经微信小程序下单。门店月流水约 2.5 万元,客单价 20 元左右——散装面按重量计价,每单重量不同。实习期间在运营部负责小程序后台的订单与流水统计,按日、按周输出周报。

  • 口径梳理: 接手时各页面同一项流水口径不一。先统一流水、订单数、客单价、毛利的计算方式与统计周期;散装面按重量计价,客单价跨店不可比,因此增加「单笔重量」维度,并将碱水面与其他款分开统计,保证门店间可比。
  • 客户结构: 订单拆分为面馆采购与散客零售两类。面馆单笔金额高、下单周期稳定,多为隔日或按周备货;散客以 20 元左右小单为主,下单时间分散。两类客户占比差异是各门店流水差距的主要来源。
  • 经营分析: 四家门店月流水均在 2.5 万元上下,按「订单数 × 客单价」拆分可定位单量不足或客单价偏低。品类上,碱水面销量大、毛利偏低,龙须面、手擀面等单价与毛利率更高,销量虽小但对整体毛利有正向贡献。
  • 备货建议: 鲜面保质期短,面馆客户备货偏保守,节前及周末易出现临时加单。梳理历史订单的周期规律后,在周报中增设「建议备货量」栏位,并提示运营提前与主要面馆确认用量,降低断货与积压。
  • 结论输出: 实习期输出 8 份门店周报与 2 份月度小结,主要结论为流水以面馆采购为主、周末散客占比上升,供运营安排生产与促销参考。
04

专业技能

Python 编程

熟练掌握 Python,可完成数据清洗、指标计算与自动化脚本编写,代码结构规范、便于维护。

SQL 取数

熟练掌握连表查询、子查询与窗口函数,能独立完成取数与指标计算。

数据清洗

熟练使用 NumPy、Pandas 处理缺失值、异常值与类型转换,具备多表合并与口径对齐的实操经验。

Excel 报表

熟练使用数据透视表、高级筛选与 VLOOKUP / INDEX / MATCH,可搭建需定期更新的动态报表。

数据可视化

用 Tableau、Power BI 搭建交互看板与 Story,Python 端用 Matplotlib、pyecharts 出图。

机器学习

熟悉 KNN、决策树、随机森林、回归与集成学习,能用 scikit-learn 完成建模与调参。

AI 工具

日常使用 DeepSeek、Trae、WorkBuddy、Claude 辅助编写 SQL、排查报错与整理文档,提升取数与交付效率。

分析方法

熟练运用对比、细分、漏斗、RFM 等方法,能围绕业务问题搭建 GMV、客单价、毛利率、拒退率、ROI 指标体系并完成归因。

05

技术栈

语言与查询
  • Python
  • SQL
  • Java(Spring Boot 基础)
  • HTML / CSS / JavaScript
数据与分析
  • Pandas / NumPy
  • Excel(透视表 / 函数)
  • Tableau
  • Power BI
  • scikit-learn
大模型与 AI
  • DeepSeek API
  • Function Calling
  • Prompt 工程
  • RAG
  • LoRA 微调基础
推理与部署
  • PyTorch
  • Diffusers
  • Z-Image-Turbo
  • 显存优化(CPU offload / VAE slicing)
服务与运维
  • FastAPI
  • Docker
  • Linux(Shell / SSH / cron)
  • frp 内网穿透
  • Git
06

教育背景

阿坝师范学院 计算机科学与技术 · 本科

2023.09 — 2027.06
绩点 3.4 / 4.0
  • Python 程序设计
  • 机器学习
  • 数据库原理与应用
  • 数据结构与算法

系统学习统计与数据思维(对比、细分、漏斗、RFM),并在课程与项目中落地为看板与分析报告。

07

荣誉与证书

  • 01 IITC 工信人才专业能力提升(大数据分析师)证书
  • 02 2026 年「挑战杯」四川省大学生创新创业竞赛 省级一等奖
  • 03 阿坝师范学院「码」上青春 ·「智」影未来程序设计大赛 三等奖
  • 04 「码星杯」程序设计比赛 三等奖
  • 05 2024 年校级三好学生;2024—2025 学年院级优秀学生干部
08

关于我

先定口径再谈结论 — 面对描述模糊的分析需求,习惯先明确指标定义与统计口径,再通过对比、细分等方式拆解,最终给出可执行的结论。

数据与业务能对上 — 所分析的项目均来自真实业务场景(大促、门店、竞品),理解指标波动背后对应的备货、折扣、排班等具体动作,图表服务于决策而非终点。

对数据质量较真 — 口径问题不只在看板层面修补,会追溯至取数环节定位根因,避免同类问题重复出现。

工具上手较快 — Excel、SQL、Tableau、Power BI、Python 均在项目中边做边学,一般两周左右可独立产出可用成果。

作品链接 / Portfolio

联系方式 / Contact

  • 18783760713
  • 3097163244@qq.com
  • 现居 四川 · 阿坝