Этот репозиторий содержит все завершенные проекты по data analysis, выполненные в Jupiter notebook (дата сеты не приложены). Ниже можно найти ссылки на каждый проект.
| Проект | Описание | Навыки и инструменты |
|---|---|---|
| 01. Исследование надёжности заёмщиков — анализ банковских данных | На основе статистики о платёжеспособности клиентов исследовать влияет ли семейное положение и количество детей клиента на факт возврата кредита в срок | Предобработка данных, Python, Pandas |
| 02. Продажа квартир в Санкт-Петербурге — анализ рынка недвижимости | Используя данные сервиса Яндекс.Недвижимость, определить рыночную стоимость объектов недвижимости и типичные параметры квартир | Python, Pandas, Matplotlib, исследовательский анализ данных, визуализация данных, предобработка данных |
| 03. Определение выгодного тарифа для телеком компании | На основе данных клиентов оператора сотовой связи проанализировать поведение клиентов и поиск оптимального тарифа | Python, Pandas, Matplotlib, NumPy, SciPy, описательная статистика, проверка статистических гипотез |
| 04. Изучение закономерностей, определяющих успешность игр | Используя исторические данные о продажах компьютерных игр, оценки пользователей и экспертов, жанры и платформы, выявить закономерности, определяющие успешность игры | Matplotlib, Pandas, Python, Seaborn, NumPy, визуализация данных, проверка статистических гипотез, исследовательский анализ данных, описательная статистика, предобработка данных |
| 05. Анализ убытков приложения | Задача для маркетингового аналитика развлекательного приложения Procrastinate Pro+. Несмотря на огромные вложения в рекламу, последние несколько месяцев компания терпит убытки. Ваша задача — разобраться в причинах и помочь компании выйти в плюс. | Python, Pandas, Matplotlib, когортный анализ, юнит-экономика, продуктовые метрики, Seaborn |
| 06. Проверка гипотез по увеличению выручки в интернет-магазине | Используя данные интернет-магазина приоритезировать гипотезы, произвести оценку результатов A/B-тестирования различными методами | Python, Pandas, Matplotlib, SciPy, A/B-тестирование, проверка статистических гипотез |
| 07. Исследования рынка общепита в Москве для принятия решения об открытии нового заведения | Исследование рынка общественного питания на основе открытых данных, подготовка презентации для инвесторов | Matplotlib, Pandas, Python, визуализация данных, исследовательский анализ данных, предобработка данных |
| 08. Анализ пользовательского поведения в мобильном приложении | На основе данных использования мобильного приложения для продажи продуктов питания проанализировать воронку продаж, а также оценить результаты A/A/B-тестирования | A/B-тестирование, Matplotlib, Pandas, Plotly, Python, Seaborn, визуализация данных, проверка статистических гипотез, продуктовые метрики, событийная аналитика |
| 09. Создание дашборда по пользовательским событиям для агрегатора новостей | Используя данные Яндекс.Дзена построить дашборд с метриками взаимодействия пользователей с карточками статей | Python, SQLAlchemy, PostgreSQL, dash, Tableau, продуктовые метрики, построение дашбордов |
| 10. Анализ пользовательского поведения в мобильном приложении | На основе данных использования мобильного приложения проанализировать воронку продаж | A/B-тестирование, Matplotlib, Pandas, Plotly, Python, Seaborn, визуализация данных, проверка статистических гипотез, продуктовые метрики, событийная аналитика |
| 11. Дашборд для мобильного приложения | Выгрузка данных в формате .csv помощью удаленного подключения к базе данных SQL для построения визуализации - дашборда в Tableau | Python, SQLAlchemy, PostgreSQL, dash, Tableau, продуктовые метрики, построение дашбордов |
| 12. Анализ результатов АВ-тестирования | Оценка корректности и результатов A/B-теста и анализ воронки продаж | A/B-тестирование, Matplotlib, Pandas, Python, SciPy, проверка статистических гипотез |
| 13. SQL анализ базы данных сервиса для чтения книг | Анализ данных базы SQL с применением Python. | SQL, PostgreSQL |