23個數(shù)據(jù)分析實戰(zhàn)項目，解救沒有數(shù)據(jù)分析經(jīng)歷的你

對于跨專業(yè)找工作或者想要轉(zhuǎn)行的小伙伴來說，沒有實習(xí)或者相關(guān)的工作經(jīng)歷是一件非常常見的事情。但是，找實習(xí)或者工作的時候卻被要求擁有相關(guān)的經(jīng)驗，可是還沒有做過實習(xí)或工作哪來的相關(guān)經(jīng)驗??？對，就是這樣魔幻，陷入“找實習(xí)或工作-需要相關(guān)經(jīng)歷-沒有實習(xí)或工作就沒有經(jīng)歷”的循環(huán)中。下面的圖，大家肯定感同身受吧，這一定是存在于你的求職面試當(dāng)中。

的確，跨專業(yè)或者是轉(zhuǎn)行找第一份實習(xí)或工作很難，但每年校招也有很多沒有實習(xí)經(jīng)歷的同學(xué)進(jìn)了BAT等大廠??！所以，如果你還有大把時間的話，建議先找一份相關(guān)實習(xí)，校招的同學(xué)可以在找工作前兩年開始實習(xí)，以保證自己有兩到三段實習(xí)經(jīng)歷；如果你馬上找工作了卻沒有實習(xí)經(jīng)歷和拿得出手的項目，那么花上一兩個月的時間深度鉆研一兩個數(shù)據(jù)分析項目，搞懂項目中的每一個細(xì)節(jié)寫在簡歷上也是加分項哦！

面對沒有相關(guān)實習(xí)經(jīng)歷或工作經(jīng)歷的小伙伴來說，找到一些合適數(shù)據(jù)分析類的項目練手會在短時間內(nèi)提升數(shù)據(jù)分析的能力，小編也給大家整理了一些資源網(wǎng)站，希望能夠幫助到大家！

Kaggle是為開發(fā)商和數(shù)據(jù)科學(xué)家提供舉辦機器學(xué)習(xí)競賽、托管數(shù)據(jù)庫、編寫和分享代碼的平臺，其網(wǎng)址為https://www.kaggle.com。Kaggle發(fā)布了大量的數(shù)據(jù)分析、挖掘、機器學(xué)習(xí)預(yù)測項目，沒有實習(xí)和項目經(jīng)歷的小伙伴可以在Kaggle上找到項目練手。Kaggle上的項目有不同的項目分類，包括探索性分析，數(shù)據(jù)可視化，趨勢預(yù)測，分類等多種類型，可以根據(jù)自己的需要選擇不同過類型的項目練手。小編也為大家整理了一些項目，從數(shù)據(jù)挖掘到數(shù)據(jù)可視化再到預(yù)測模型，其難度是一次上升的，可以先易后難各個擊破。

1.1 數(shù)據(jù)挖掘項目

數(shù)據(jù)挖掘項目也成為了數(shù)據(jù)探索性項目，這類型的項目是希望通過對具體業(yè)務(wù)的分析給出一定數(shù)據(jù)性結(jié)論，如果能夠發(fā)現(xiàn)業(yè)務(wù)問題給出一定建議那是再好不過了。下面給出五個Kaggle數(shù)據(jù)挖掘類型的項目，沒有項目經(jīng)歷的小伙伴可以試著練練手。

1.紐約愛彼迎Airbnb數(shù)據(jù)挖掘

愛彼迎為房東和房客提供了極大地方便，該數(shù)據(jù)集包括了商家id、民宿id、民宿位置經(jīng)緯度、價格等信息?？梢苑治鍪裁礃拥拿袼薷芟M者歡迎、各種因素對于消費者選擇民宿的影響等等。

項目鏈接：https://www.kaggle.com/dgomonov/new-york-city-airbnb-open-data

2.酒店預(yù)訂數(shù)據(jù)挖掘

酒店預(yù)訂數(shù)據(jù)集包含城市酒店和度假酒店的預(yù)訂信息，例如預(yù)訂的時間，停留時間，成人，兒童和/或嬰兒的數(shù)量以及可用停車位的數(shù)量等信息。通過該數(shù)據(jù)集可以分析一年中最佳的時間預(yù)定酒店房間；消費者獲得最佳每日房價而停留的最佳時間；酒店是否可能收到過多的特殊要求，如果有該怎么辦？

項目鏈接：https://www.kaggle.com/jessemostipak/hotel-booking-demand

3.IBM員工離職因素分析

IBM員工離職原因數(shù)據(jù)及包括員工編號、年齡、受教育程度、離家距離、生活和工作的平衡、工作參與情況等信息。通過分析該數(shù)據(jù)集可以找出員工流失的因素，例如，工作角色和流失率的相關(guān)性；離家距離與流失率的相關(guān)性；平均月收入和受教育程度對流失率的影響”。

項目鏈接：https://www.kaggle.com/pavansubhasht/ibm-hr-analytics-attrition-dataset

4.統(tǒng)計世界大學(xué)排名

世界大學(xué)排名數(shù)據(jù)集提供了五個類型的數(shù)據(jù)集，分別是泰晤士高等教育世界大學(xué)排名，世界大學(xué)的學(xué)術(shù)排名、世界大學(xué)排名研究中心排名、世界各地教育程度的數(shù)據(jù)、國家間公共和私人直接教育支出的信息。對大學(xué)進(jìn)行排名是一個困難，世界上有數(shù)百種不同的國家和國際大學(xué)排名系統(tǒng)，比較這些排名，這些排名是否合理，提出你認(rèn)為合理的大學(xué)排名計算方式。

項目鏈接：https://www.kaggle.com/mylesoneill/world-university-rankings

5.探索影響壽命的因素

世界衛(wèi)生組織（WHO）旗下的全球衛(wèi)生觀察站（GHO）數(shù)據(jù)存儲庫跟蹤了所有國家的健康狀況以及許多其他相關(guān)因素，該數(shù)據(jù)集包括了人口統(tǒng)計學(xué)變量，收入構(gòu)成和死亡率等信息。運用該數(shù)據(jù)集可以解決以下問題：

最初選擇的各種預(yù)測因素是否會真正影響預(yù)期壽命？

哪些預(yù)測變量實際上會影響預(yù)期壽命？

預(yù)期壽命值低于（<65）的國家是否應(yīng)該增加其醫(yī)療保健支出以改善其平均壽命？

嬰兒和成人死亡率如何影響預(yù)期壽命？

預(yù)期壽命與飲食習(xí)慣，生活方式，運動，吸煙，飲酒等有正相關(guān)還是負(fù)相關(guān)？

學(xué)校教育對人類壽命有何影響？

預(yù)期壽命與飲酒有正面還是負(fù)面的關(guān)系？

人口稠密的國家是否傾向于降低預(yù)期壽命？

免疫覆蓋率對預(yù)期壽命有何影響？

項目鏈接：https://www.kaggle.com/kumarajarshi/life-expectancy-who

1.2 數(shù)據(jù)可視化項目

數(shù)據(jù)可視化也是數(shù)據(jù)分析師最日常的工作之一，數(shù)據(jù)可視化用Python的Matplotlib模塊完成，也可以將這些可視化的數(shù)據(jù)做成可視化大屏，相信做完這些項目你的數(shù)據(jù)可視化功底會突飛猛進(jìn)。

1.2019新冠病毒數(shù)據(jù)可視化

新冠病毒數(shù)據(jù)集提供了自2020年1月22日起每天新型冠狀病毒感染病例數(shù)，死亡和恢復(fù)情況的水平信息，這是一個時間序列數(shù)據(jù)，因此任何給定日期的案件數(shù)均為累計數(shù)。運用該數(shù)據(jù)集可以完成病例增長趨勢、死亡趨勢、治愈趨勢等數(shù)據(jù)的可視化。

項目鏈接：https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset

2.澳洲大火數(shù)據(jù)可視化

該數(shù)據(jù)集提供了澳大利亞火災(zāi)的初始數(shù)據(jù)信息，通過該數(shù)據(jù)集可以完成野火規(guī)模的可視化，以此來判斷本次大火是否是至今前所未有的；也可以結(jié)合本地空氣質(zhì)量和本地警報等數(shù)據(jù)進(jìn)行分析以提高準(zhǔn)確性。

項目鏈接：https://www.kaggle.com/carlosparadis/fires-from-space-australia-and-new-zeland

3.地表溫度數(shù)據(jù)可視化

該數(shù)據(jù)集包括歷年全球陸地和海洋和陸地溫度信息，通過該數(shù)據(jù)集可以實現(xiàn)海陸溫度變化可視化以評估氣候變化對于人類活動的影響。

項目鏈接：https://www.kaggle.com/berkeleyearth/climate-change-earth-surface-temperature-data/kernels

4.美國數(shù)據(jù)科學(xué)家的職業(yè)市場

該數(shù)據(jù)集收集全美7,000個數(shù)據(jù)科學(xué)家職位的信息，包括公司名稱，職位名稱，位置，職位描述和公司評論數(shù)等數(shù)據(jù)。通過該數(shù)據(jù)集可以可視化以下問題：數(shù)據(jù)科學(xué)家需要有什么樣的特質(zhì)？哪個位置機會最多？數(shù)據(jù)科學(xué)家需要擁有哪些技能，工具，學(xué)位或?qū)I(yè)？項目鏈接：https://www.kaggle.com/sl6149/data-scientist-job-market-in-the-us

5.火山爆發(fā)數(shù)據(jù)可視化

數(shù)據(jù)集來自于美國國家海洋和大氣管理局（NOAA）重大火山噴發(fā)數(shù)據(jù)庫的簡短數(shù)據(jù)集，該數(shù)據(jù)集包含與全球噴發(fā)相關(guān)的指標(biāo)。通過該數(shù)據(jù)集可以可視化火山爆發(fā)的位置、程度、造成的經(jīng)濟損失和死亡人數(shù)等等。

項目鏈接：https://www.kaggle.com/texasdave/volcano-eruptions

1.3 預(yù)測模型

預(yù)測模型不是數(shù)據(jù)分析師的日常工作，但是數(shù)據(jù)分析市場非常卷，隨著算法崗的火爆，供過于求，很多算法工程師轉(zhuǎn)向數(shù)據(jù)分析崗位。如果你能學(xué)會一些模型預(yù)測的話，在數(shù)據(jù)分析求職過程中也是比較占優(yōu)勢的哦！所以這部分項目，如果你的時間充?？梢宰鲆粌蓚€項目練練手，否則的話可以直接跳過這部分了。

1.貸款預(yù)測

該數(shù)據(jù)集包括用戶歷史借貸數(shù)據(jù)和消費數(shù)據(jù)，通過用戶歷史數(shù)據(jù)預(yù)測用戶借貸是否存在風(fēng)險以確定是否批復(fù)貸款申請。

項目鏈接：https://datahack.analyticsvidhya.com/contest/practice-problem-loan-prediction-iii/

2.信用卡欺詐檢測

該數(shù)據(jù)集包括信用卡欺詐數(shù)據(jù)以及非欺詐數(shù)據(jù)，利用該數(shù)據(jù)集建立信用卡欺詐檢測模型。

項目鏈接：https://www.kaggle.com/janiobachmann/credit-fraud-dealing-with-imbalanced-datasets

3.糖尿病預(yù)測

數(shù)據(jù)集的作者公開了包括8個可公開獲得的宏基因組數(shù)據(jù)，以及應(yīng)用MetaPhlAn2生成物種豐度的特征。他們的目標(biāo)是使用獲得的豐度特征對疾病進(jìn)行分類，并為此任務(wù)確定最佳的ML模型。通過他們的實驗，他們選擇RandomForest作為大多數(shù)疾病的最佳分類器，而SVM在某些疾病上的表現(xiàn)更好。可以考慮用其他的分類方法進(jìn)行預(yù)測，以獲得更優(yōu)的表現(xiàn)。

項目鏈接：https://www.kaggle.com/antaresnyc/metagenomics/tasks?taskId=2955

4.新冠疫苗進(jìn)展預(yù)測

該數(shù)據(jù)集包括了全球各個國家接種新冠疫苗的情況，通過該數(shù)據(jù)集可以分析哪個國家在使用什么新冠疫苗、哪個國家的新冠疫苗更先進(jìn)、每天哪個地區(qū)的接種人數(shù)最多、哪個地區(qū)接種百分比最高。

項目鏈接：https://www.kaggle.com/gpreda/covid-world-vaccination-progress

5.電影推薦系統(tǒng)

Netflix電影數(shù)據(jù)集包括各類影視的信息，使用該數(shù)據(jù)集可以構(gòu)建電影推薦系統(tǒng)，如果用戶搜索特定電影，則建議的引擎最多返回10個電影名稱。

項目鏈接：https://www.kaggle.com/shivamb/netflix-shows/tasks?taskId=2447

Kaggle的項目都是英文的，有的小伙伴可能覺得英文看起來太費勁而且還要VPN翻墻也不太方便，而阿里天池的項目就滿足了你所有的需求！同樣，阿里天池的數(shù)據(jù)集也是分類的，這里就不再一一列舉，選出幾個有代表性的供大家參考。

1.數(shù)智教育可視化

該數(shù)據(jù)集包含近五年各班各學(xué)科的教師信息、當(dāng)前在校學(xué)生詳細(xì)信息、考勤信息、考勤類型、考試信息、考試類型、學(xué)生成績、學(xué)生本年度消費信息。

利用這些數(shù)據(jù)完成學(xué)生畫像分析；對課程域相關(guān)數(shù)據(jù)進(jìn)行描述性性統(tǒng)計分析，匯總各個科目班級歷史最高分趨勢和歷史最低分趨勢；對班級域相關(guān)數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析，分析各個班級平均分排名，指標(biāo)包括原始分、絕對分；支持總分和單科目等信息進(jìn)行分析。

該數(shù)據(jù)集是非常接近數(shù)據(jù)分析師的日常工作，強烈推薦該數(shù)據(jù)集，完成這個項目后可以掌握用戶畫像以及數(shù)據(jù)分析中常用的統(tǒng)計學(xué)分析。

項目鏈接：

ttps://tianchi.aliyun.com/competition/entrance/231704/information

2.疫情數(shù)據(jù)可視化

數(shù)據(jù)集來源于各大網(wǎng)站公開數(shù)據(jù)，可以通過可視化的形式展現(xiàn)疫情態(tài)勢、社區(qū)防控情況、疫情物資物流供給情況、各地各業(yè)人員返工返程情況甚至疫情走勢預(yù)測等。

項目鏈接：

https://tianchi.aliyun.com/competition/entrance/231779/information

3.城市物流末端配送

該數(shù)據(jù)集提供了城市物流末端配送數(shù)據(jù)，可以通過建立模型以最優(yōu)的方式展示末端配送2類包裹的配送方案。

項目鏈接：

https://tianchi.aliyun.com/competition/entrance/231580/information

4.AI精準(zhǔn)助力氣象和海洋預(yù)測

該數(shù)據(jù)集包括歷史模擬數(shù)據(jù)和美國SODA模式重建的近100多年歷史觀測同化數(shù)據(jù)。每個樣本包含以下氣象及時空變量：海表溫度異常(SST)，熱含量異常(T300)，緯向風(fēng)異常（Ua），經(jīng)向風(fēng)異常（Va），數(shù)據(jù)維度為（year,month,lat,lon）。基于該數(shù)據(jù)集提供的歷史氣候觀測和模式模擬數(shù)據(jù)，可以利用T時刻過去12個月(包含T時刻)的時空序列（氣象因子），構(gòu)建預(yù)測ENSO的深度學(xué)習(xí)模型，預(yù)測未來1-24個月的爾尼諾指數(shù)。

項目鏈接：

https://tianchi.aliyun.com/competition/entrance/531871/information

5.學(xué)術(shù)前沿趨勢分析

該數(shù)據(jù)集使用了在arXiv公開的論文數(shù)據(jù)集，可以通過數(shù)據(jù)分析能夠挖掘出最近學(xué)術(shù)的發(fā)展趨勢和學(xué)術(shù)關(guān)鍵詞。

項目鏈接：

https://tianchi.aliyun.com/competition/entrance/531866/information

6.貸款違約預(yù)測

該數(shù)據(jù)集以金融風(fēng)控中的個人信貸為背景，包含貸款申請人的歷史借貸和消費數(shù)據(jù)，可以根據(jù)貸款申請人的數(shù)據(jù)信息預(yù)測其是否有違約的可能，以此判斷是否通過此項貸款。

項目鏈接：https://tianchi.aliyun.com/competition/entrance/531830/introduction?spm=5176.12281949.1003.21.493e2448YYBkn7

7.新聞推薦

該數(shù)據(jù)來自某新聞APP平臺的用戶交互數(shù)據(jù)，包括30萬用戶，近300萬次點擊，共36萬多篇不同的新聞文章，同時每篇新聞文章有對應(yīng)的embedding向量表示。通過該數(shù)據(jù)集預(yù)測未來用戶是否會點擊某個新聞。

項目鏈接：

https://tianchi.aliyun.com/competition/entrance/531842/information

除了Kaggle和阿里天池之外，在校的同學(xué)們還可以參加大學(xué)生或研究生數(shù)學(xué)建模大賽，這是國內(nèi)比較高逼格的比賽，參加數(shù)學(xué)建模比賽不僅能夠收獲一個項目經(jīng)歷，要是比賽打得好還能獲得證書哦，這又是簡歷上的一個亮點了。

數(shù)學(xué)建模大賽一般情況下每年6月開始組織報名，每年九月中旬正式開始比賽，三人一組比賽時間三天，參賽選手可以在組委會發(fā)布的六道題中任選一道進(jìn)行作答，最終提交一份完整的報告。

小編在校期間一共參加了兩次數(shù)學(xué)建模大賽，第一次純屬練手，第二次有了一定的經(jīng)驗之后拿

了國家級二等獎，我將題目分享出來，大家可以體會下數(shù)學(xué)建模的題型和難度。由于部分題目專業(yè)性極強，作為外行的我們可能讀不太懂，但是我們也可以選擇那些稍微簡單的題目！

1.無線智能傳播模型

2.天文導(dǎo)航中的星圖識別

3.視覺情報信息分析

4.車輛行駛工況構(gòu)建

5.氣候變化預(yù)測

6.多約束條件下飛行器航跡變化

由于專業(yè)背景的限制，小編當(dāng)年選了第五題，具體的解答過程以及報告之前已經(jīng)發(fā)布在公眾號上了，可以參考下面解題思路。

https://mp.weixin.qq.com/s/oR8P3ijX8FTJxQVBPietqQ

https://mp.weixin.qq.com/s/L7ZQgB6KG69zZcTIX8Vjvw

https://mp.weixin.qq.com/s/MNiac8RhkvTIJqczk20qog

無論是Kaggle，亦或是阿里天池，還是數(shù)學(xué)建模大賽都提供了各類優(yōu)秀數(shù)據(jù)集，借助這些數(shù)據(jù)集練手能夠補充我們的項目經(jīng)歷。在完成每一個項目時，體驗從數(shù)據(jù)清洗到數(shù)據(jù)探索再到數(shù)據(jù)可視化(建模)最后輸出結(jié)論形成數(shù)據(jù)分析報告的整個過程，踏踏實實走好每一步，最終都將有收獲。