随着电商⾏业近⼏年的迅猛发展，电⼦商务从早些年的粗放式经营，逐步转化为精细化运营。随着 平台数据量的不断积累，通过数据分析挖掘消费者的潜在需求，消费偏好成为平台运营过程中的重要环节。 本项⽬基于某电商平台⽤户⾏为数据，使用MySQL关系型数据库，探索用户行为规律，寻找高价值用户；分析商品特征，寻找高贡献商品；分析产品功能，优化产品路径。
最近更新: 4年多前网站用户消费行为分析
最近更新: 4年多前基于spark流处理，模拟数据，统计数据，分析数据。大致架构：python脚本产生模拟数据（数据源），flume采集数据并且缓存到kafka中存储，接着spark消费并处理kafka中的数据，将结果存放至hbase（底层是hdfs）中。最后将数据进行可视化编程，javaweb项目，使用了springboot框架和echarts。
最近更新: 4年多前现有一家国内知名互联网公司旗下的电商平台，于2014年11月18日-12月18日期间，统计了该平台的用户行为、商品等各项数据。 在2014年的12月12日，也即各大电商发起的”双十二购物狂欢节“期间，平台面向用户推出了各项刺激消费的促销活动。但在活动结束后，通过对此一个月的数据进行分析，发现隐藏在数据背后的问题，为此后平台的日常发展，及类似的促销活动提供指导性建议。
最近更新: 4年多前项目主要模块 基于对电商用户行为数据的基本分类，我们可以发现主要有以下三个分析方向： 1. 热门统计 利用用户的点击浏览行为，进行流量统计、近期热门商品统计等。 2. 偏好统计 利用用户的偏好行为，比如收藏、喜欢、评分等，进行用户画像分析，给出个 性化的商品推荐列表。 3. 风险控制 利用用户的常规业务行为，比如登录、下单、支付等，分析数据，对异常情况 进行报警提示。
最近更新: 4年多前
