很多考了CDA数据分析一级的伙伴经常问的就是：如何来找一些数据分析的项目来做，练习所学习的数据分析技能，并能写出一份数据分析报告呢？想转数据运营，如果没有项目经验很难找到一份相关工作。从哪里可以学习如何做数据分析项目？如何找到项目做？如何出报告？

一、Kaggle

网址：https://www.kaggle.com

Kaggle发布了大量的数据分析、挖掘、机器学习预测项目，没有实习和项目经历的小伙伴可以在Kaggle上找到项目练手。

Kaggle上的项目有不同的项目分类，包括探索性分析，数据可视化，趋势预测，分类等多种类型，可以根据自己的需要选择不同过类型的项目练手。

二、阿里天池

网址：https://tianchi.aliyun.com/

Kaggle的项目都是英文的，有的小伙伴可能觉得英文看起来太费劲，阿里天池的项目全是中文的，阅读无障碍。

这里给大家整理了10个适合新人的项目：

1、Hotelbookingdemand酒店预订需求

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

该数据集包含城市酒店和度假酒店的预订信息，包括预订时间、停留时间，成人/儿童/婴儿人数以及可用停车位数量等信息。

适用场景：社会科学、旅行、酒店、用户行为，不具有明显的行业标识，可进行常规用户行为分析。

数据量：32列共12W数据量。

可以定义的问题：

1）基本情况：城市酒店和假日酒店预订需求和入住率比较；

2）用户行为：提前预订时长、入住时长、预订间隔、餐食预订情况；

3）一年中最佳预订酒店时间；

4）利用Logistic预测酒店预订。

2、VideoGameSales电子游戏销售分析

https://www.kaggle.com/gregorut/videogamesales

包含游戏名称、类型、发行时间、发布者以及在全球各地的销售额数据。适用场景：电商、游戏销售，常规销售数据。

数据量：11列共1.66W数据量。

可以定义的问题：

1）电子游戏市场分析：受欢迎的游戏、类型、发布平台、发行人等；

2）预测每年电子游戏销售额。

3）可视化应用：如何完整清晰地展示这个销售故事。

3、USAccidents美国交通事故分析(2016-2019)

https://www.kaggle.com/sobhanmoosavi/us-accidents

覆盖全美49州的全国性交通事故数据集，时间跨度：2016.02-2019.12，包括事故严重程度、事故开始和结束时间、事故地点、天气、温度、湿度等数据。适用场景：无明显行业标识，通用。

数据量：49列共300W数据量。

可以定义的问题：

1)发生事故最多的州，什么时候容易发生事故；

2）影响事故严重程度的因素；

3）预测事故发生的地点；

4）可视化应用：讲述4年间美国发生事故的总体情况

4、IBM员工离职因素分析

https://www.kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset

IBM员工离职原因数据及包括员工编号、年龄、受教育程度、离家距离、生活和工作的平衡、工作参与情况等信息。

可以定义的问题：

1）通过分析该数据集可以找出员工流失的因素

2）工作角色和流失率的相关性;

3）离家距离与流失率的相关性;

4）平均月收入和受教育程度对流失率的影响

5、探索影响寿命的因素

https://www.kaggle.com/datasets/kumarajarshi/life-expectancy-who

世界卫生组织(WHO)旗下的全球卫生观察站(GHO)数据存储库跟踪了所有国家的健康状况以及许多其他相关因素，该数据集包括了人口统计学变量，收入构成和死亡率等信息。

可以定义的问题:1）最初选择的各种预测因素是否会真正影响预期寿命?

2）哪些预测变量实际上会影响预期寿命?

3）预期寿命值低于(<65)的国家是否应该增加其医疗保健支出以改善其平均寿命?

4）婴儿和成人死亡率如何影响预期寿命?

5）预期寿命与饮食习惯，生活方式，运动，吸烟，饮酒等有正相关还是负相关?

6）学校教育对人类寿命有何影响?7）预期寿命与饮酒有正面还是负面的关系?

6、NewYorkCityAirbnbOpenData纽约市Airbnb订房数据

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

用途：房价预测和可视化展示

7、TheMoviesDataset电影数据集分析

https://www.kaggle.com/rounakbanik/the-movies-dataset

用途：多表关联、评分排序、收入分析、推荐引擎

8、TelcoCustomerChurn电信客户流失问题

https://www.kaggle.com/blastchar/telco-customer-churn

用途：流失客户分析、客户终生价值LTV

9、LendingClubLoanData贷款数据分析

https://www.kaggle.com/wendykan/lending-club-loan-data

用途：金融小贷、逾期分析、逾期预测

10、BitcoinHistoricalData比特币数据分析

https://www.kaggle.com/mczielinski/bitcoin-historical-data

用途：时间戳、数据清洗、价格预测