NAB · 数据分析实习 / 完整过程
8 周里，一段数据分析实习发生了什么
任务基于 UCI Online Retail II 公开数据集：一家英国线上礼品零售商 2009-12-01 至 2011-12-09 的全部交易记录。页面上的每个数字都可以用同一份数据复算。
数据分析实习生 · Data Analyst Intern
你加入一家线上礼品零售商的数据组。业务负责人想知道：新客买过一次之后还会不会回来？哪些客户值得重点维护？8 周内给出一份能拿去开季度会的分析。
熟悉数据组的工作方式：需求怎么进来、周会怎么汇报、分析结论要附什么证据。读数据字典，写一页数据理解文档和分析计划。
交付：数据理解文档、分析计划
原始 1,067,371 行：剔除 19,494 行退货单、243,007 行无客户号记录和 34,335 行完全重复，过滤数量或单价非正的行，得到 779,425 行有效交易。
交付：清洗 SQL / Notebook、清洗日志
按首次购买月份分组，计算每组之后各月的回购比例，画留存热力图。2010-01 至 2010-11 各月新客的次月留存平均 19.8%，第 3 个月 21.3%。
交付：留存热力图、留存表
按最近购买天数、购买次数、消费金额给 5,878 位客户分层。前 20% 客户贡献了 77.2% 的收入；27.6% 的客户只下过一单；40.8% 已超过 180 天未购买。
交付：RFM 分层表、各层运营建议
做一页交互看板（留存、分层、国家分布：英国占收入 82.8%），写 10 页分析报告，按带教老师意见改两轮。
交付：Power BI 看板、分析报告 v3
5 分钟项目汇报，带教老师扮演业务负责人追问；整理简历要点和 STAR 面试案例，完成模拟面试。
交付：汇报录屏、简历要点、面试案例
留存热力图（节选）
每一行是一个月份的新客，数字是之后第 N 个月仍有购买的比例。红框是带教老师 Review 时指出的问题格。
| 首购月份 | 人数 | M1 | M3 | M6 | M12 |
|---|---|---|---|---|---|
| 2009-12 | 955 | 35.3% | 42.5% | 37.7% | 37.6% |
| 2010-01 | 383 | 20.6% | 30.5% | 25.8% | 22.2% |
| 2010-03 | 443 | 19.0% | 24.2% | 24.6% | 20.1% |
| 2010-06 | 270 | 17.4% | 20.4% | 12.6% | 14.8% |
| 2010-09 | 243 | 22.6% | 12.3% | 13.6% | 21.8% |
| 2010-12 | 76 | 9.2% | 9.2% | 5.3% | 2.6% |
| 2011-03 | 179 | 18.4% | 20.1% | 20.7% | — |
带教老师 Review 会指出什么
这些是这份分析里真实存在的问题。能自己发现并讲清楚，正是面试官想听的部分。
2009-12 的次月留存 35.3%，比后面每个月都高出一截。数据集从 2009-12-01 开始，这一组里混进了以前就买过的老客户，不是真正的新客。报告里单独标出来，算平均值时排除它：含这一组平均次月留存是 21.1%，排除后是 19.8%。
这里显示 0，不是客户全流失，而是数据只到 2011-12，还观察不到第 12 个月。不能观察的格子要留空，不要填 0，否则业务会读出错误结论。
这一组只有 76 人，留存数字波动会很大。汇报时把组规模放在旁边，别让一行小样本带偏结论。
「前 20% 客户贡献 77.2% 收入」是事实，但运营经理要的是下一步做什么。每一层后面补一句可执行动作，比如对 180 天未购买的高价值客户做召回。
写进简历的要点
只写你做过的事和你自己算出来的数字。
- Cleaned and modelled 1.07M e-commerce transactions (UCI Online Retail II) in SQL and pandas, handling returns, missing customer IDs and duplicates to produce a 779K-row analysis table.
- Built monthly cohort retention analysis and identified left-censoring in the first cohort, correcting the average month-1 retention baseline from 21.1% to 19.8%.
- Segmented 5,878 customers with RFM scoring, showing the top 20% drove 77.2% of revenue, and proposed win-back actions for high-value customers inactive 180+ days.
- Delivered a Power BI dashboard and a 10-page insight report, presented to a mentor acting as business stakeholder in a weekly review cadence.
面试里怎么讲
STAR 结构，控制在 90 秒内。
- S数据组要回答「新客会不会回来」，我负责一份 8 周的留存和客户分层分析。
- T交付能在季度会上直接用的结论和客户分层。
- A清洗 107 万条交易后做月度 Cohort 留存；带教老师 Review 时指出第一组混入老客户，我把它单独标注并修正基线；再用 RFM 把客户分成五层，每层配运营动作。
- R次月留存基线从 21.1% 修正为 19.8%，报告改了两轮后定稿，最后的汇报能回答业务负责人的追问。
数据来源：UCI Online Retail II（UCI Machine Learning Repository，CC BY 4.0）。