1、原型制作能力:可使用Axure和墨刀,输出中高保真产品原型;
2、代码能力:python基础语法,面向对象编程,可使用numpy,pandas处理数据(缺失值,查重等),可用matplotlib,plotly、tableau等工具进行数据可视化的展示。熟知列表、元组、字典、类、函数等python常见对象及其操作;
3、数据处理能力:可使用SQL查询语句,库&表操作语句,链接查询、索引、函数;
4、业务梳理能力:可使用幕布,Visio,Xmind,输出流程图、思维导图;
1. MySQL项目实操:
- 根据给定的航班数据CSV文件,在MySQL中创建数据库及表并导入数据;
- 从各项延误类型指标中找出排名第一第二的延误类型,并计算该项延误总时长;
- 查询特定日期的某几个特定的字段以及查询特定指定行的记录;
- 对时间字段添加索引,查看查询效率的对比;
- 按月份对航班数进行汇总统计;
2. 新旧页面AB测试效果显著性分析:
- 使用jupyter notebook完成及展示操作结果;
- 利用Python及Pandas模块,导入AB测试CSV数据到DataFrame中进行数据处理;
- 查看原数据集的行数、重复数、不匹配数及空缺数等;
- 创建一个新的DF来剔除源数据集中空缺数据、重复数据及不匹配数据;
- 分别计算整体用户、新页面用户、旧页面用户的转化率,以及用户收到新、旧页面的概率;
- 对数据进行判断,提出原假设和备择假设,通过统计方法来确认是否有显著性差异;
- 在原假设的前提下,分别通过蒙特卡洛模拟法(模拟10000次),及利用卡方检验来验证原假设是否成立。
3. 数据可视化项目实操:
- 根据给定的数据及dashboard图片,利用tableau绘制图标及dashboard;
- 利用matplotlib、plotly库自动生成图表并调整样式;
2. 新旧页面AB测试效果显著性分析: - 使用jupyter notebook完成及展示操作结果; - 利用Python及Pandas模块,导入AB测试CSV数据到DataFrame中进行数据处理; - 查看原数据集的行数、重复数、不匹配数及空缺数等; - 创建一个新的
2. 新旧页面AB测试效果显著性分析: - 使用jupyter notebook完成及展示操作结果; - 利用Python及Pandas模块,导入AB测试CSV数据到DataFrame中进行数据处理; - 查看原数据集的行数、重复数、不匹配数及空缺数等; - 创建一个新的