项目描述：一家为企业提供数字化解决方案的企业，通过数据治理和AI技术帮助企业完成数字化转型。

工作职责：

• 自动化数据收集：独立开发并维护10余个自动化爬虫脚本，累计抓取并处理超100万条来自电商、能源等行业的公开数据，极大丰富了公司数据资产，为后续分析和产品优化提供了多样化数据支持。
• 数据分析与指标构建：与团队协作，梳理并设计了30+关键业务指标（如销售量、补货需求等），并将其集成到智能问数平台，提升了客户数据洞察效率。
• 产品文档撰写：独立完成3份产品操作手册和功能清单，覆盖10+功能模块，详细说明操作流程及常见问题，显著提升了客户的产品使用体验和满意度。

工作职责：

• 负责产品事业部的数据清洗与分析，累计处理超500万条原始销售、成本及财务数据，极大提升了数据质量和分析效率，为后续决策提供了可靠的数据基础。
• 编制并输出20余份财务及经营分析报表，包括净利润分析、应付账款分析、闲置资产分析、毛利分析、现金流分析、销管研费用分析等，帮助管理层及时发现经营风险与优化空间。

实习成果：

• 通过数据分析和预测，协助公司优化了资金流动和库存管理，减少了约10%的资金占用和库存积压，提升了整体运营效率。

项目简介：聚焦企业财务数据分析，通过清洗与结构化处理历史财务数据，对企业的经营状况与财务成果进行系统性分析。建立企业利润预测模型，预测企业营收情况

项目链接：https://github.com/winkovo0818/Tipdm

工作职责：

• 数据处理：使用Python中的Pandas和Numpy完成40万条核心财务数据的清洗，包括筛选数据，提出数据，剔除异常值等操作，并计算核心指标”利润率”和“资产负债率”。
• 数据可视化：利用Python中的matplotlib绘制了“行业营业利润对比分析图”，“行业企业营收分析图”，以及“行业与企业营业数据分析大屏”。
• 数据建模：通过对清洗数据的归一化处理和相关性分析，建立企业利润预测模型，使用线性回归模型进行训练，R2评分为0.92。通过提取关键因子指标，建立财务造假识别模型，最终完成对造假企业的识别

项目描述：通过对国内某大型制造企业的历史出货数据进行分析，结合外部环境因素，预测产品未来3个月的需求量。

工作职责：

• 数据预处理：读取并清洗“订单数据”，包括处理缺失值、异常值、数据类型转换。对不同区域、品类、价格等变量进行聚合，并创建适合建模的特征。
• 数据分析与可视化：使用探索性数据分析（EDA）分析了不同区域、销售渠道及品类对需求量的影响。通过季节性分解，分析了节假日、促销等因素对需求量的影响，使用Matplotlib和Seaborn进行数据可视化，展示了不同因素对需求量的影响
• 数据建模与模型优化：使用回归模型XGBoost对订单量进行了预测，通过网格搜索和随机搜索等技术，对模型的超参数进行了调整，最终R2为0.90，模型表现优秀