數(shù)學(xué)與應(yīng)用數(shù)學(xué)數(shù)據(jù)分析公司數(shù)據(jù)分析師實(shí)習(xí)生實(shí)習(xí)報(bào)告一、摘要

2023年7月1日至2023年8月31日，我在一家數(shù)據(jù)分析公司擔(dān)任數(shù)據(jù)分析師實(shí)習(xí)生。核心工作成果包括完成銷售數(shù)據(jù)清洗與建模，通過(guò)Python對(duì)歷史訂單數(shù)據(jù)（樣本量50萬(wàn)條）進(jìn)行探索性分析，識(shí)別出3個(gè)關(guān)鍵影響因素，并構(gòu)建了準(zhǔn)確率達(dá)85%的預(yù)測(cè)模型。運(yùn)用SQL處理日均5000條交易記錄，優(yōu)化查詢效率提升30%。運(yùn)用Tableau可視化銷售趨勢(shì)圖，直觀呈現(xiàn)季度增長(zhǎng)率達(dá)22.6%的業(yè)績(jī)變化。提煉出可復(fù)用的數(shù)據(jù)處理方法論：基于Pandas的異常值檢測(cè)流程，結(jié)合Matplotlib進(jìn)行多維度數(shù)據(jù)分布分析，為后續(xù)業(yè)務(wù)決策提供量化依據(jù)。

二、實(shí)習(xí)內(nèi)容及過(guò)程

實(shí)習(xí)目的主要是想把書里學(xué)的統(tǒng)計(jì)模型和編程技能用到實(shí)際項(xiàng)目里，看看數(shù)據(jù)分析師具體是怎么工作的。

實(shí)習(xí)單位是做電商數(shù)據(jù)分析的，主要業(yè)務(wù)是幫客戶分析銷售和用戶行為數(shù)據(jù)，團(tuán)隊(duì)不大，但氛圍挺開(kāi)放，大家討論問(wèn)題都比較直接。

實(shí)習(xí)內(nèi)容開(kāi)始時(shí)主要是熟悉業(yè)務(wù)和公司用的工具，比如SQL查數(shù)據(jù)，Python處理數(shù)據(jù)，Tableau做可視化。后來(lái)跟著導(dǎo)師做了個(gè)銷售預(yù)測(cè)的項(xiàng)目，我負(fù)責(zé)的是數(shù)據(jù)清洗和探索性分析部分。我們拿到的數(shù)據(jù)是過(guò)去兩年的月度銷售記錄，大概有50萬(wàn)條，每條記錄包括商品ID、用戶ID、購(gòu)買金額、購(gòu)買時(shí)間這些信息。我發(fā)現(xiàn)數(shù)據(jù)挺臟的，有很多空值，還有一部分是異常值，比如單筆訂單金額超過(guò)正常范圍好幾倍。一開(kāi)始用Python寫腳本清理數(shù)據(jù)，花了不少時(shí)間調(diào)試，有些空值根據(jù)業(yè)務(wù)邏輯可以填充，有些就得手動(dòng)看了。導(dǎo)師建議我用聚類方法識(shí)別異常值，我學(xué)了個(gè)Kmeans聚類，調(diào)了好幾個(gè)參數(shù)，最后把那些離群點(diǎn)都找出來(lái)了，清理后的數(shù)據(jù)集質(zhì)量提升明顯。

項(xiàng)目里最讓我頭疼的是怎么選變量。銷售可能受季節(jié)性、促銷活動(dòng)、用戶行為、商品價(jià)格好幾個(gè)因素影響，我先用相關(guān)性分析挑出一些候選變量，然后做了個(gè)簡(jiǎn)單的線性回歸模型試試，結(jié)果發(fā)現(xiàn)擬合度不高。導(dǎo)師讓我試試特征工程技術(shù)，比如做些交叉特征，結(jié)果模型效果就好多了。最后我們用的模型里包含了月份虛擬變量、用戶活躍度、商品類別啞變量這些，預(yù)測(cè)準(zhǔn)確率從60%多提到85%左右。用Tableau把結(jié)果可視化的時(shí)候，發(fā)現(xiàn)幾個(gè)品類在節(jié)假日的銷售額特別突出，這個(gè)發(fā)現(xiàn)后來(lái)被業(yè)務(wù)部門用來(lái)調(diào)整庫(kù)存了。

遇到的困難主要是時(shí)間序列分析這塊。因?yàn)殇N售數(shù)據(jù)有明顯季節(jié)性，直接用普通線性模型效果不好。我一開(kāi)始完全懵，去查了不少資料，發(fā)現(xiàn)ARIMA模型可能更適合，但參數(shù)怎么定很頭疼。后來(lái)請(qǐng)教了公司里做這個(gè)比較多的同事，他給我講了幾招，比如先用ACF和PACF圖看數(shù)據(jù)自相關(guān)性，再通過(guò)網(wǎng)格搜索定參數(shù)。這段經(jīng)歷讓我明白，遇到問(wèn)題不能光靠查網(wǎng)上的文章，還是得跟人交流，聽(tīng)聽(tīng)別人的經(jīng)驗(yàn)。

技能上最大的收獲是學(xué)會(huì)怎么把業(yè)務(wù)問(wèn)題轉(zhuǎn)化為數(shù)據(jù)問(wèn)題。比如有個(gè)需求是客戶想知道哪些因素對(duì)復(fù)購(gòu)率影響最大，我就做了用戶分層，分析不同層級(jí)的用戶購(gòu)買行為差異，最后用邏輯回歸模型驗(yàn)證了我的假設(shè)。這個(gè)過(guò)程中我用了不少pandas的高級(jí)功能，比如groupby、merge這些，效率比以前寫循環(huán)高太多了。思維上最大的轉(zhuǎn)變是意識(shí)到數(shù)據(jù)分析師不光要會(huì)技術(shù)，還得懂業(yè)務(wù)。有些分析結(jié)果看起來(lái)很漂亮，但跟業(yè)務(wù)實(shí)際需求脫節(jié)也沒(méi)用。

實(shí)習(xí)單位管理上我覺(jué)得有點(diǎn)問(wèn)題，比如項(xiàng)目進(jìn)度靠郵件溝通，有時(shí)候信息會(huì)滯后。另外培訓(xùn)機(jī)制也不太完善，新人來(lái)了主要靠自己摸索，雖然導(dǎo)師挺耐心，但系統(tǒng)性的培訓(xùn)材料幾乎沒(méi)有。崗位匹配度上，我感覺(jué)我做的更多是數(shù)據(jù)分析執(zhí)行層面的工作，比如數(shù)據(jù)清洗、建模，但像需求挖掘、跨部門溝通這些還接觸得不多。

改進(jìn)建議是，公司可以搞個(gè)內(nèi)部知識(shí)庫(kù)，把常用的SQL查詢語(yǔ)句、模型調(diào)參經(jīng)驗(yàn)都整理一下，新人來(lái)了能快速查到。另外可以搞點(diǎn)不定期的業(yè)務(wù)分享會(huì)，讓技術(shù)同事也了解下業(yè)務(wù)需求，反過(guò)來(lái)業(yè)務(wù)同事也能懂點(diǎn)數(shù)據(jù)是怎么回事。對(duì)新人來(lái)說(shuō)，最好能有份實(shí)習(xí)手冊(cè)，把流程、工具、常用技巧都列清楚，這樣不會(huì)那么手忙腳亂。

三、總結(jié)與體會(huì)

這8周在數(shù)據(jù)分析公司的經(jīng)歷，讓我感覺(jué)像是從理論世界走進(jìn)實(shí)踐場(chǎng)，收獲挺大的。實(shí)習(xí)的價(jià)值在于把學(xué)校學(xué)的那些模型和工具用上了，而且是用在真金白銀的業(yè)務(wù)里。比如我做的銷售預(yù)測(cè)項(xiàng)目，最終模型準(zhǔn)確率達(dá)到85%，雖然不算頂尖，但幫業(yè)務(wù)部門看到了節(jié)假日哪些品類會(huì)賣得好，這讓我覺(jué)得自己的工作挺有意義的。從收集數(shù)據(jù)、清洗數(shù)據(jù)到建模、可視化，整個(gè)過(guò)程我都參與了，這種感覺(jué)挺完整的，也讓我明白數(shù)據(jù)分析不只是調(diào)幾個(gè)參數(shù)那么簡(jiǎn)單，背后需要懂業(yè)務(wù)、懂統(tǒng)計(jì)、懂?dāng)?shù)據(jù)處理，缺一不可。

這次實(shí)習(xí)也讓我更清楚自己想要什么了。我發(fā)現(xiàn)我對(duì)挖掘數(shù)據(jù)背后的業(yè)務(wù)洞察挺感興趣，雖然現(xiàn)在能力還有限，但感覺(jué)挺有挑戰(zhàn)的。未來(lái)學(xué)習(xí)上，我打算把Python的pandas、numpy這些庫(kù)再深挖一下，還有時(shí)間序列分析這塊我也想系統(tǒng)學(xué)學(xué)，比如ARIMA、LSTM這些模型怎么用。另外考慮看看相關(guān)的證書，比如CDA或者Python的數(shù)據(jù)分析認(rèn)證，給自己加加油。感覺(jué)實(shí)習(xí)經(jīng)歷對(duì)我求職也很有幫助，至少簡(jiǎn)歷上能多寫點(diǎn)實(shí)際項(xiàng)目，面試時(shí)也能聊得具體些，而不是空說(shuō)理論。

從學(xué)生到職場(chǎng)人的轉(zhuǎn)變挺明顯的。以前做作業(yè)對(duì)時(shí)間要求沒(méi)那么緊，現(xiàn)在實(shí)習(xí)時(shí)每天都要看老板郵件，回復(fù)需求，按時(shí)交付成果，這種感覺(jué)就是責(zé)任。遇到困難時(shí)不像在學(xué)?？梢噪S便查資料或者問(wèn)老師，得自己想辦法解決，抗壓能力確實(shí)鍛煉了。比如那次模型效果不好，我花了兩天時(shí)間試了各種參數(shù)，雖然最后解決了，但過(guò)程挺熬人的，但也挺成長(zhǎng)。

說(shuō)說(shuō)對(duì)行業(yè)的感受吧。感覺(jué)現(xiàn)在數(shù)據(jù)分析越來(lái)越重要，各行各業(yè)都需要，但好的數(shù)據(jù)分析師還是挺稀缺的。我看到好幾個(gè)公司都在招有實(shí)戰(zhàn)經(jīng)驗(yàn)的人，對(duì)技能的要求也越來(lái)越高，不僅要會(huì)工具，還得懂算法，會(huì)寫SQL，能做可視化，還得能跟業(yè)務(wù)部門溝通。未來(lái)肯定是大數(shù)據(jù)時(shí)代，數(shù)據(jù)會(huì)越來(lái)越價(jià)值化，我覺(jué)得只要自己技能夠硬，機(jī)會(huì)還是多的。這次實(shí)習(xí)也讓我意識(shí)到，保持學(xué)習(xí)心態(tài)挺重要的，技術(shù)更新太快了，不學(xué)就跟不上。

四、致謝

在這次實(shí)習(xí)中，得到了很多幫助。感謝公司提供的機(jī)會(huì)，讓我接觸到了實(shí)際的數(shù)據(jù)分析工作。導(dǎo)師在項(xiàng)目上給了我很多指導(dǎo)，比如怎么把業(yè)務(wù)問(wèn)題轉(zhuǎn)化為分析問(wèn)題