金融信贷ERP

这个项目可以实现数据自动化爬取，并且自动生成xlsx文件保存，还附带几个可视化图表，有柱状图，条形图以及饼状图，可以清晰的看出数据分布，功能实现有爬取功能，以及反爬技术，还包括了自动化运行，效率高效，数据准确

一、立项背景与目标 当前短信广告投放存在“同内容群发、转化低、运营人工干预多”的痛点。企业已经积累了大量用户行为、属性、偏好等基础数据，并经整理沉淀为可复用的“标签”资产。本项目旨在： 将标签结构化、可视化，降低运营理解与选取成本。 通过标签组合构建细粒度“用户群”，支撑差异化短信营销。 以项目为载体管理投放生命周期（创建、进度、成员协作、结果归档）。 提供营销效果分析（触达量、意向量、意向率等），形成数据闭环。 面向运营人员，提升投放精准度、响应效率与过程可追溯性，减少盲目触达与资源浪费。 二、软件功能与核心模块 首页仪表盘 我的项目：展示项目总览、进度百分比、状态、成员头像（首位为负责人） 系统通知：运营平台公告、功能变更提醒 我的待办：工单列表，支持分页与状态色标 快捷操作：直达“标签广场 / 项目管理 / 用户群管理 / 审批 / 营销管理 / 统计分析” 标签模块 平台数据统计：标签分类数、标签定义数、标签总量、覆盖人群数（自动格式化万/亿单位） 标签上新 / 热门标签：快速浏览最新或高使用频次标签 标签地图：按“消费行为 / 出行偏好 / 生活阶段 / 兴趣偏好 / 内容行为 / 设备属性 / 地域特征 / 会员特征 / 渠道来源 / 场景人群”等维度分层展示，支持点击跳转详情 用户群管理 用户群列表：名称、编码、人数、最后更新时间、计算状态、推送状态、更新方式、创建方式 操作能力：详情、下载申请 / 取消申请 / 下载、扩展（人群再加工）、画像生成 / 查看 / 重新生成 项目管理 统计卡：项目总数 + 各状态数量分布 列表：基本信息（图标、名称）、状态标签、进度条、最后更新时间拆分显示、成员头像、操作 支持按状态 Tab 与名称关键词筛选 营销分析 过滤条件：项目、推送配置、日期范围 效果概览：堆叠柱图展示“有意向 vs 其他”数量，动态高度自适配 数据明细：计划名称、关联项目、通道类型、推送人群、推送时间、推送人数、意向人数、意向率、城市 支撑投放效果复盘与优先级策略优化 工单与审批：支撑运营流程化、责任明晰化 三、业务流程 / 功能路径 登录进入首页：获取个人信息、项目概览、通知与待办 → 识别需处理事项 进入“标签”模块：理解可用数据资产与结构 → 发现可组合的特征因子 在“用户群管理”中：基于标签规则或导入构建目标人群 → 运行与维护（更新策略、暂停、画像生成、下载） 在“项目管理”中：创建营销项目 → 选择匹配用户群 → 分配成员 → 跟踪进度与协作 进入“营销分析”：查看阶段或汇总效果 → 分析意向率差异 → 反向指导标签与人群策略迭代 必要时通过工单 / 审批通道保障合规与流程闭环。 整体形成“标签沉淀 → 人群构建 → 项目投放 → 效果分析 → 策略回流”闭环，持续提升精准触达与营销 ROI。

电价预测模型 — 独立项目 时间：2024年暑期 基于时间序列与深度学习模型（LSTM、Transformer）构建电价预测系统，探索短期与中长期预测的差异化效果； 实现数据预处理与特征工程（缺失值处理、归一化、滞后特征构造、节假日与天气特征融合），提升模型鲁棒性； 在实验中对比了ARIMA、XGBoost与改进的Transformer结构，并以MAPE、RMSE为指标进行量化评估； 使用PyTorch + sklearn 完成模型搭建与训练，并基于可视化分析解释预测结果，撰写完整技术报告； 项目代码与报告开源至GitHub，积累实践经验并初步形成科研表达能力 Summer 2024 Developed a time-series forecasting system for electricity prices using LSTM and Transformer-based models, comparing short-term and long-term forecasting performance. Designed and implemented data preprocessing & feature engineering, including missing value imputation, normalization, lag features, and integration of holiday/weather factors. Conducted benchmarking with ARIMA, XGBoost, and enhanced Transformer variants, evaluated via MAPE and RMSE metrics. Built and trained models using PyTorch and scikit-learn, with visualization for interpretability and a full technical report. Open-sourced project on GitHub, gaining hands-on experience in applied machine learning and technical reportin

1.体育中考平台 - 面向学校； - 提供体育中考全面的数字化能力； 2.体测平台 - 面向业务端、服务端； - 提供对其他端的管理功能，同时具备完整的代运营功能； - 提供H5入口、数据大屏入口、报告导出/打印入口以及多维度图表汇总功能； 3.学校后台 - 面向多级教育局、学校； - 管理相关体测计划；提供直观的数据； - 维护学校、年级、班级、学生、教师的从属关系； 4.智慧大屏 - 面向多级教育局、学校； - 为全国范围的代理商，提供五级数据驾驶舱视图； - 提供全方位、立体化的学生健康数据视图、专业的健康优化建议； - 提供完善的数据安全、成熟的权限控制能力； 5.神采飞扬小程序 - 面向学生，结合跳绳硬件设备； - 通过小程序BLE，结合硬件配套的SDK实现跳绳设备的交互； - 提供设备控制、数据展示、实时计数、低社交功能；

该驾驶舱按照部门设计了四个驾驶舱： （1）CEO驾驶舱 （2）销售驾驶舱（会员分单数据分析、城市数据分析、大区数据分析、业绩分析等） （3）财务驾驶舱（收入统计、利润统计） （4）市场驾驶舱（渠道账户订单分析、市场人员产出）