數據分析

以下是我的一些資料分析專案，展示了我在R和Python中的技能。

每個專案都突顯了我從數據中提取洞察和以有意義的方式呈現它們的能力。

客戶洞察與行銷優化

這個專案是在R中進行顧客和行銷活動資料的探索性資料分析（EDA）。目標是了解不同顧客族群的消費模式，根據他們的購買行為識別出獨特的顧客群體，並且有效地量身定制行銷策略以針對特定族群。透過揭示這些洞察，企業可以優化行銷努力，提升顧客滿意度，最終推動銷售和收入增長。

加密貨幣數據聚合器

高爾夫球場策略優化

Rate My Professor Coffee

此專案涉及開發一個 Python 腳本，從 CoinMarketCap 擷取加密貨幣數據，並利用 CoinGecko API 提供的詳細指標進行增強。該腳本提取包括價格、市值、24 小時交易量和流通供應量等關鍵信息。通過整合來自多個來源的實時數據，該專案提供了加密貨幣市場的全面視圖，使用戶能夠有效地跟踪和分析市場趨勢和指標。

這個計量經濟學專案為西雅圖市政府高爾夫球場（Municipal Golf of Seattle, MGS）提供諮詢建議，分析MGS在冬季是否應調整綠地費結構，並優先資金投入推廣球車道或練習場以增加球場使用率。分析使用來自多個高爾夫球場的數據，旨在提供可行的洞察，以增強MGS的運營策略。

這個專案涉及分析咖啡評分數據，以理解阿拉比卡咖啡的質量和特性。通過考察加工方法和產地等因素，分析旨在揭示能夠幫助識別高質量咖啡豆和改進咖啡生產過程的洞察。

全球健身趨勢

學生心理健康

#R #機器學習 #客戶細分

#Python #網頁爬蟲 #實時數據

#R #統計學 #分析報告

#R #機器學習 #回歸模型

#Python #NPS

#SQL

#Python

該產品分析專案旨在分析來自不同來源（電子郵件、網頁和行動裝置）的淨推薦值（NPS）數據，以評估客戶滿意度。專案涉及將多個 CSV 檔案合併為一個 DataFrame，計算每個數據來源的 NPS，並處理與 pandas 分組列相關的棄用警告。此分析提供了跨平台的客戶反饋洞察，有助於識別改進領域並追蹤整體客戶體驗。

該產品分析專案旨在分析來自不同來源（電子郵件、網頁和行動裝置）的淨推薦值（NPS）數據，以評估客戶滿意度。專案包括將多個 CSV 檔案合併為一個 DataFrame，計算每個數據來源的 NPS，並處理與 pandas 分組列相關的棄用警告。此分析提供了跨平台的客戶反饋洞察，幫助識別改進領域並追蹤整體客戶體驗。

音樂類型分類

多來源 NPS 分析

#Python #機器學習 #主成分分析 (PCA)

此產品分析專案旨在分析來自不同來源（電子郵件、網頁和行動裝置）的淨推薦值（NPS）數據，以評估客戶滿意度。專案包括將多個 CSV 檔案合併為一個 DataFrame，計算每個數據來源的 NPS，並處理與 pandas 分組列相關的棄用警告。此分析提供了跨平台的客戶反饋洞察，幫助識別改進領域並追蹤整體客戶體驗。

此專案涉及構建和評估機器學習模型，根據音頻特徵將音樂曲目分類為搖滾或嘻哈。工作流程包括數據準備、正規化、使用主成分分析 (PCA) 進行降維，以及訓練決策樹和邏輯迴歸模型。該專案還探索數據平衡和交叉驗證，以確保模型性能的穩健性。