Project White
2023-07-31|状态: 活跃
使用 Python 和 PostgreSQL 对一家英国礼品销售公司进行数据驱动的客户和产品分析。
技术栈
- 数据存储：PostgreSQL
- 分析工具：Python，Jupyter Notebook
- 可视化：Matplotlib，Seaborn
- 模型方法：RFM 模型、Cohort 留存分析、SARIMAX 时间序列预测
项目结构
project-white/
├── docs/ # GitHub Pages 页面内容
├── Project_White.ipynb # 分析用 Jupyter Notebook
├── Project_White.pdf # 分析报告 PDF 版本
├── SQL_statements.pdf # 数据处理用 SQL 语句
├── .gitignore # Git 忽略文件配置
├── requirements.txt # Python 依赖说明
└── README.md # 项目说明
项目亮点
客户分析（Customer Analysis）
- 利用 RFM 模型对客户价值进行评分
- 使用 Cohort 分析评估与预测客户留存
- 识别“潜力客户”“忠诚客户”“需要唤醒客户”群体
商品分析（Product Analysis）
- 分析商品销售集中度、价格结构与趋势
- 构建 SARIMAX 模型进行季节性销售预测
- 提出库存优化与促销策略建议
数据来源与授权
- 数据集：UCI Machine Learning Repository - Online Retail II
- 协议：MIT License