1、业务问题驱动分析:深入理解业务需求，运用数据分析方法(包括但不限于统计分析、数据挖掘、基础机器学习)发现业务痛点、机会点，并提供数据驱动的解决方案和建议。

2、数据处理与建模:熟练使用 Python(Pandas,wumPy等)和SQL进行大规模数据的清洗、整合、转换和特征工程。构建、评估和迭代数据分析模型(如用户分群、行为预测、效果归因、异常检测等)，运用合适的统计方法和机器学习算法解决具体业务问题。理解常用机器学习算法(如回归、分类、聚类)的原理与应用场景，能够根据业务需求选择合适的模型并进行调优。

3、数据可视化与洞察传递:熟练使用数据可视化工具(如Tableau,PowerBI,Iatplotlib/eaborn等)，将复杂分析结果转化为清晰、直观的可视化报告和仪表盘，向业务

和技术团队有效传达数据洞察。

4、数据仓库与查询:熟练使用SQL从各类数据库(如关系型数据库IySQL/PostgresQL，数据仓库Redshift/BigQuery 等)中高效提取、整合所需数据。了解数据库基本原理。熟练sql性能调优

5、分析与报告:撰写规范、严谨的数据分析报告，阐述分析思路、方法、结果和业务建议。