数据分析师作品集：SQL分析、Tableau可视化与机器学习项目实战

Siti Suharyanti的GitHub作品集涵盖Chinook音乐商店SQL分析、Tableau收入可视化仪表板、PT Esteh Indonesia Makmur推文情感分析三大项目，展示从数据提取到可视化的完整数据科学流程，是初级数据分析师求职与学习的优质参考案例。

• 原作者/维护者：Siti Suharyanti（aspiring初级数据分析师）
• 来源平台：GitHub，项目标题Data-Analyst-Portfolio，链接https://github.com/SitiSuharyanti/Data-Analyst-Portfolio，发布时间2026年6月4日
• 作品集定位：展示SQL查询、数据可视化、机器学习等领域能力，覆盖数据提取、清洗、分析到可视化的完整流程。

项目方法

1. SQL分析：使用PostgreSQL处理Chinook数据库，涵盖聚合函数、表连接、CTE、窗口函数等技能
2. Tableau可视化：通过交互式仪表板呈现收入趋势、客户细分等，转化SQL结果为直观可视化
3. 机器学习：用朴素贝叶斯和SVM分类Twitter情感，含数据抓取、预处理、模型构建与评估

技术栈

• 数据库：PostgreSQL
• 语言：Python
• 可视化：Tableau、matplotlib、seaborn
• NLP：Sastrawi、demoji
• 数据处理：pandas、numpy
• ML：scikit-learn（朴素贝叶斯、SVM）、SMOTE、TF-IDF
• 版本控制：Git/GitHub

SQL项目

• 数据集：59位客户、412张发票、3503首曲目，覆盖24国，2021-2025年
• 工具：PostgreSQL、pgAdmin

Tableau项目

• 成果：2个交互式仪表板，满足高管（收入概览）与运营（曲目表现）需求

机器学习项目

• 数据集：通过snscrape抓取2022年9月24-30日含"es teh indonesia"和"somasi"的推文
• 工具：Python、Google Colab、scikit-learn
• 技能：NLP预处理、TF-IDF、SMOTE、模型评估（准确率、F1等）

亮点

• 完整技术闭环：SQL提取→Python处理→可视化呈现
• 领域针对性：印尼语NLP处理，解决非英语文本问题
• 项目策略：选择教育领域常用数据集（Chinook）与热点事件（Twitter情感）

学习价值

• 提供清晰学习路径：SQL基础→Python数据处理→ML与可视化
• 项目驱动学习：每个项目有明确业务场景与技术目标，比语法学习更有效

1. 项目覆盖核心环节：数据提取（SQL）、分析建模（Python/ML）、结果呈现（可视化）
2. 项目说明清晰：每个项目需明确业务背景与技术细节，体现价值
3. 技能展示直观：用分类表格列出工具技术，方便招聘者匹配需求
4. 提供可访问链接：指向代码仓库或在线演示，便于深入了解