课程项目中担任数据分析负责人，基于某校园超市约3个月脱敏销售流水1.2万余条样本，用Python完成缺失值处理、异常值剔除与周销量聚合，构建移动平均与简单回归两类需求预测方法，并以滚动回测MAE评估效果。与两名同学分工完成数据清洗与逻辑校验，输出分品类预测结果与备货建议报告，测试集上回归方法MAE较移动平均降低约12%，为补货节奏提供量化参考。

独立完成个人分析项目，使用公开零售数据集构造库存周转天数、动销率与滞销占比等指标，用SQL完成分品类与分门店汇总，并用Tableau搭建含筛选交互的库存健康度看板。按品类对比周转差异，识别滞销SKU特征并整理清仓优先级清单，在自建测试集上校验指标计算逻辑，最终形成含结论与建议的完整分析文档，为库存瘦身与精准补货提供思路。