又到了可视化分析精选时间！ 上期评选主题为“企业人力资源数据分析”，共有111名用户参与了投票，瓜分的398F币将于3个工作日内发放，注意查收哦~ 本期评选主题为“拍拍贷平台贷款业务数据分析”，共有15名番薯参与了活动，最终有8名番薯提交了作品 活动说明： 1.本期活动投票截至日期为2019.9.30 2.我们将在每期活动截止后对完成作品进行回顾，依据投票结果进行前三名的评选，前三名将依据投票结果按比例瓜分300F币（1F币=1RMB）的奖励 3.每月（两期活动）后，我们将依据投票结果以及评委打分，综合评选出一幅最佳作品。获奖者将有资格参与帆软讲师激励计划，在hunter和royide老师的全程指导下，用直播的方式秀出你的最佳作品制作过程，获取500-1000F币/场的讲师激励~ 4.参与投票也可以获取丰厚的参与奖，投票总人数越多，瓜分的奖励也越多 投票参与人数达到50人，所有参与用户将瓜分98F币 投票参与人数达到100人，所有参与用户将瓜分398F币 以此类推，参与人数每增加50人，瓜分奖励增加300F币... 优秀作品欣赏： 说了这么多，来欣赏一下本期的优秀作品吧：（排列顺序按照提交日期倒序） 作者id：haigang 活动新星（首次参与活动） https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/haigang.jpg 作者id：athlonk7 BI工程师培训班1901期学员、活动新星（首次参与活动） https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/athlonk7.jpg 作者id：fineread 活动新星（首次参与活动） https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/fineread.jpg 作者id：guoycbx 活动新星（首次参与活动） https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/guoycbx.jpg 作者id：Shirley-ok BI工程师培训班1901期学员、常胜将军（连续参与活动>5） https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/Shirley-ok.jpg 作者id：白易初 BI工程师培训班1904期学员 https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/%E7%99%BD%E6%98%93%E5%88%9D.jpg 作者id：xrr1231 BI工程师培训班1904期学员 https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/xrr1231.jpg 作者id：林思度 活动新星（首次参与活动） https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/190808_%E5%8F%AF%E8%A7%86%E5%8C%96%E7%B2%BE%E9%80%89_%E6%8B%8D%E6%8B%8D%E8%B4%B7New/%E6%9E%97%E6%80%9D%E5%BA%A6.jpg 想要制作出一样深刻的可视化分析作品？ 1.点我了解 - FineBI工程师从入门到精通实战班 全面的导师引导式培训，让您以前所未有的速度成为熟练的FineBI使用者 https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/%E4%BB%BB%E5%8A%A1%E7%B3%BB%E7%BB%9F%E9%99%84%E4%BB%B6/20190916104150_45801.png 2.查看 - FineBI出色可视化分析制作教程 ,并关注 - FineBI可视化分析精选活动 不断从他人的优秀作品中汲取灵感，提高水平 下期可视化分析精选主题 下一期可视化分析活动主题为 - 《双十一当天某平台用户消费记录》（点击参与） 想要提升FineBI能力，获得丰厚奖励，立即报名参与吧 最后，来为你心中的最佳作品投出宝贵的一票吧~ 参与投票也可以获取丰厚的参与奖，投票总人数越多，瓜分的奖励也越多 投票参与人数达到50人，所有参与用户将瓜分98F币 投票参与人数达到100人，所有参与用户将瓜分398F币 以此类推，参与人数每增加50人，瓜分奖励增加300F币... 编辑于 2019-9-16 14:20

经过14天，105位番薯的投票参与，最终 FineBI可视化分析精选活动（190718期）（点击查看详情） 的前三名作品已经诞生 本期活动采用的数据为《某企业人力资源数据分析》，汇聚了对大量员工的信息数据统计，包括企业因素（如部门）、员工行为相关因素（如参与过项目数、每月工作时长、薪资水平等）、以及工作相关因素（如绩效评估、工伤事故），意在通过这些数据分析出员工异动、离职等异常情况及其原因，针对企业的人力资源情况提出指导意见 活动奖励 1.第一次参与活动并提交作品，就可获得10F币的新人激励。连续参与活动可获得奖励加成BUFF，一旦获得前三名奖励更多哦~ 2.获奖的3名番薯将依据投票数量按比瓜分500F币（1F币=1RMB）的奖励。 3.除此之外，每月（两期活动）后，我们将依据投票结果以及评委打分，综合评选出一幅最佳作品。获奖者将有资格参与帆软讲师激励计划，在hunter和royide老师的全程指导下，用直播的方式秀出你的最佳作品制作过程，获取500-1000F币/场的讲师激励~ 4.参与投票的番薯人数为105人，将共同瓜分398F币，参与投票的番薯越多，共同瓜分的奖励就越多哦~拉上你的小伙伴们一起投票吧！ 参与下期活动 学习掌握FineBI技能的同时还能拿丰厚奖励，是不是已经跃跃欲试了？下一期活动等你来参加： 作品展示 一等奖 获奖人：白易初 作品名称：点我查看在线作品预览 奖励：142F币 + 10F币=152F币（首次参与奖励） 128059 点评：颜色搭配最用心的作品，每个图表的配色经过调校后都与整体色调相一致，给人赏心悦目之感。 二等奖 获奖人：Shirley-ok（BI工程师培训班1901期学员） 作品查看：点我查看在线作品预览 奖励：102 * 1.7=173F币（连续参与8次，加成70%） 128061 点评：报告从业务实际出发，从多个角度对企业人力资源状况进行了深入浅出的分析，主题清晰，页面排列有序，图表配色也经过了细致调整，非常具有行业推广和参考价值。 三等奖 获奖人：solo_ma（BI工程师培训班1901期学员） 作品查看：点我查看在线作品预览 奖励：56 * 1.6=90F币（连续参与7次，加成60%） 128062 点评：公司人力资源数据决策支持平台，围绕核心绩效数据，为公司HR部门运营现状及未来规划提供数据依据 首次参与奖励 为了鼓励大家多多参与活动，首次参与并提交作品的番薯将会新人激励 本期活动中以下新人获得了奖励，恭喜他们获得10F币的奖励 jethro、chengjunrui、白易初、卢科委 想要制作出一样深刻的可视化分析作品？ 1.点我了解 -FineBI工程师从入门到精通实战班 全面的导师引导式培训，让您以前所未有的速度成为熟练的FineBI使用者 http://bbs.fanruan.com/data/attachment/forum/201908/13/142041tk4npkho3zjh2pa4.png 2.查看 - FineBI出色可视化分析制作教程 ,并关注 - FineBI可视化分析精选活动 不断从他人的优秀作品中汲取灵感，提高水平 编辑于 2019-9-16 10:30

又到了可视化分析精选时间！ 上期评选主题为“2017高考录取数据（点击查看获奖作品）”,共有117名用户参与了投票，瓜分的398F币将于3个工作日内发放，注意查收哦~ 本期评选主题为“企业人力资源数据分析”，共有25名番薯参与了活动，最终有11名番薯提交了作品 活动说明： 1.本期活动投票截至日期为2019.8.25 2.我们将在每期活动截止后对完成作品进行回顾，依据投票结果进行前三名的评选，前三名将依据投票结果按比例瓜分300F币（1F币=1RMB）的奖励 3.每月（两期活动）后，我们将依据投票结果以及评委打分，综合评选出一幅最佳作品。获奖者将有资格参与帆软讲师激励计划，在hunter和royide老师的全程指导下，用直播的方式秀出你的最佳作品制作过程，获取500-1000F币/场的讲师激励~ 4.参与投票也可以获取丰厚的参与奖，投票总人数越多，瓜分的奖励也越多 投票参与人数达到50人，所有参与用户将瓜分98F币 投票参与人数达到100人，所有参与用户将瓜分398F币 以此类推，参与人数每增加50人，瓜分奖励增加300F币... 优秀作品欣赏： 说了这么多，来欣赏一下本期的优秀作品吧： 作者id：chengjunrui 活动新星（首次参与活动） 127604 作者id：白易初 活动新星（首次参与活动） 127609 作者id：卢科委 活动新星（首次参与活动） 127615 作者id：Shirley-ok BI工程师培训班1901期学员、常胜将军（连续参与活动>5次） 127641 127642 作者id：bear9939 BI工程师培训班1811期学员、常胜将军（连续参与活动>5次） 127643 作者id：solo_ma BI工程师培训班1901期学员、常胜将军（连续参与活动>5次） 127607 作者id：张洪威 127610 作者id：thyclu BI工程师培训班1906期学员 127644 作者id：Hankingz BI工程师培训班1904期学员 127605 作者id：awan8654 BI工程师培训班1905期学员 127645 想要制作出一样深刻的可视化分析作品？ 1.点我了解 - FineBI工程师从入门到精通实战班 全面的导师引导式培训，让您以前所未有的速度成为熟练的FineBI使用者 127638 2.查看 - FineBI出色可视化分析制作教程 ,并关注 - FineBI可视化分析精选活动 不断从他人的优秀作品中汲取灵感，提高水平 下期可视化分析精选主题 下一期可视化分析活动主题为 - 《拍拍贷平台贷款业务数据分析》（点击参与） 想要提升FineBI能力，获得丰厚奖励，立即报名参与吧 最后，来为你心中的最佳作品投出宝贵的一票吧~ 参与投票也可以获取丰厚的参与奖，投票总人数越多，瓜分的奖励也越多 投票参与人数达到50人，所有参与用户将瓜分98F币 投票参与人数达到100人，所有参与用户将瓜分398F币 以此类推，参与人数每增加50人，瓜分奖励增加300F币... 编辑于 2019-8-29 15:36

什么是FineBI每周数据可视化分析精选活动 每周提供一个数据分析主题，通过官方提供的相关数据表，借助FineBI的数据可视化分析能力，完成并提交你的数据可视化作品，即可获得相关奖励。 详情：http://bbs.fanruan.com/thread-123041-1-1.html 本期主题《广州链家二手房数据分析》参与地址：http://bbs.fanruan.com/task-80.html 作者信息： 社区id：Solo_ma（BI工程师从入门到精通实战班【1901期】学员） 作品赏析： 该仪表板根据广州链家的二手房信息，先从广州市整体对房价进行了趋势分析，又进一步探索了房价与区位、户型、电梯、楼层等因素与均价之间的关系。结论合理，为二手房交易提供了一定的指导作用。 在线预览地址：广州链家二手房数据分析 127437 想导入到自己的BI中观摩学习？ 127438 127439 127440 资源导入教程：http://help.finebi.com/doc-view-441.html#7 我如何才能拥有这样的能力？ 1.点我了解 - FineBI工程师从入门到精通实战班 全面的导师引导式培训，让您以前所未有的速度成为熟练的FineBI使用者 2.查看 - FineBI出色可视化分析制作教程 ,并关注 - FineBI可视化分析精选活动 不断从他人的优秀作品中汲取灵感，提高水平 编辑于 2019-8-2 16:41

又到了可视化分析精选时间！ 本期主题为“2017高考录取数据（点击查看数据）”，共有13名番薯参与了活动，最终有6名番薯提交了作品 活动说明： 1.本期活动投票截至日期为2019.8.8 2.我们将在每期活动截止后对完成作品进行回顾，依据投票结果进行前三名的评选，前三名将依据投票结果按比例瓜分300F币（1F币=1RMB）的奖励 3.每月（两期活动）后，我们将依据投票结果以及评委打分，综合评选出一幅最佳作品。获奖者将有资格参与帆软讲师激励计划，在hunter和royide老师的全程指导下，用直播的方式秀出你的最佳作品制作过程，获取500-1000F币/场的讲师激励~ 4.参与投票也可以获取丰厚的参与奖，投票总人数越多，瓜分的奖励也越多 投票参与人数达到50人，所有参与用户将瓜分98F币 投票参与人数达到100人，所有参与用户将瓜分398F币 以此类推，参与人数每增加50人，瓜分奖励增加300F币... 优秀作品欣赏： 说了这么多，来欣赏一下本期的优秀作品吧： 作者id：solo_ma(BI工程师培训班学员) 127297 作者id：ywnq0628(BI工程师培训班学员) 127299 作者id：你是只ju啊 127300 作者id：张洪威 127301 作者id：Shirley-ok(BI工程师培训班学员) 127293 作者id：thyuclu 127294 想要制作出一样精美的可视化分析作品？ 1.点我了解 - FineBI工程师从入门到精通实战班 全面的导师引导式培训，让您以前所未有的速度成为熟练的FineBI使用者 127304 2.查看 - FineBI出色可视化分析制作教程 ,并关注 - FineBI可视化分析精选活动 不断从他人的优秀作品中汲取灵感，提高水平 下期可视化分析精选主题 下一期可视化分析活动主题为 - 《企业人力资源数据分析》（点击参与） 想要提升FineBI能力，获得丰厚奖励，立即报名参与吧 最后，来为你心中的最佳作品投出宝贵的一票吧~ 参与投票也可以获取丰厚的参与奖，投票总人数越多，瓜分的奖励也越多 投票参与人数达到50人，所有参与用户将瓜分98F币 投票参与人数达到100人，所有参与用户将瓜分398F币 以此类推，参与人数每增加50人，瓜分奖励增加300F币... 编辑于 2019-8-15 12:53

金融服务行业通用FineBI分析方案 在线demo地址 金融服务行业账号 金融服务行业密码 http://demo.finebi.comdemo_fncldemo_fncl 金融服务行业大数据应用背景 近年来，我国金融科技快速发展，在多个领域已经走在世界前列。大数据、人工智能、云计算、移动互联网等技术与金融业务深度融合，大大推动了我国金融业转型升级，助力金融更好地服务实体经济，有效促进了金融业整体发展。在这一发展过程中，又以大数据技术发展最为成熟、应用最为广泛。从发展特点和趋势来看，“金融云”快速建设落地奠定了金融大数据的应用基础，金融数据与其他跨领域数据的融合应用不断强化，人工智能正在成为金融大数据应用的新方向，金融行业数据的整合、共享和开放正在成为趋势，给金融行业带来了新的发展机遇和巨大的发展动力。 但是，国际金融服务商摩根士丹利公司的研究报告显示，金融服务业的数字化指数并不高。事实上，由于IT遗留系统和过时的业务流程，只有35%的金融服务公司实现了数字化。而在数字化进程中但在数据应用管理、业务场景融合、标准统一、顶层设计等方面存在的瓶颈也有待突破： 1.数据资产管理水平仍待提高。主要体现在数据质量不高、获取方式单一、数据系统分散等方面。2.应用技术和业务探索仍需突破。主要体现在金融机构原有的数据系统架构相对复杂，涉及的系统平台和供应商较多，实现大数据应用的技术改造难度很大。同时，金融行业的大数据分析应用模型仍处于起步阶段，成熟案例和解决方案仍相对较少，需要投入大量的时间和成本进行调研和试错。系统误判率相对较高。3.是顶层设计和扶持政策还需强化。体现在金融机构间的数据壁垒较为明显，各自为战问题突出，缺乏有效的整合协同。同时，行业应用缺乏整体性规划，分散、临时、应激等特点突出，信息价值开发仍有较大潜力。 金融服务行业大数据技术应用架构 大数据技术应用架构126917从源数据对接——>数据抽取转化——>数据仓库——>数据集市——>整合分析——>自助分析 业务分析整体架构图：126918金融服务行业典型FineBI应用场景 1.行长综合驾驶舱 a.问题背景：1.各经营业务关键指标分散在各业务系统，管理者想查看了解比较麻烦。2.海量的数据指标、数据维度，而决策层关注的往往不是明细数据。3.传统数据统计采用人工核算、汇报的方式，反馈滞后，没有时效性。 b.问题解决分析思路：1.利用FineBI制作直观的数据驾驶舱，将业务中产生的关键数据进行呈现，提供给总裁、管理层进行核心指标的查看。2.针对利润完成率设置警戒线，可以了解哪一段时间利润水平下滑，从而进一步探寻原因。3.通过地图、折线图、KPI指标卡等组件，从地理等多个维度观察数据，辅助决策。 c.方案/指标体系：分析指标：总资产、总负债、总利润、不良贷款率、总存款、利润完成率等等分析维度：时间、地理维度、各分行、业务条线等等展现方式：地图、面积图、矩形图、折线图、KPI指标卡等等 d.应用对象：总裁、高层领导或者综合业务管理者 e.成果展示和应用价值：1269211.公司整体状况一览无余，数据实时展示，辅助进行决策2.异常数据预警与检测，有问题及时暴露、及时解决 2.风险分析 a.问题背景：目前许多银行与券商已经拥有了不少分散的业务系统，但在系统对接、数据互通，以及分析指标方面还存在不少问题：1.大部分银行的系统虽然覆盖主要风险类型，但无法实现风险类型的全覆盖，近一半银行的系统仅覆盖子公司的少部分业务，但无法实现各子公司风险数据的全覆2.虽然支持监管指标的逐日监控，但无法实现操作风险指标的逐日监控，但限额指标体系还不够丰富3.依靠手工或半自动化简单工具进行风险数据的收集、核对和整理，无法完全自动生成定期报告 b.问题解决分析思路：1.利用FineBI的多源数据连接，以及自助数据加工能力，保证数据的真实、准确、完整，继而有效的用于风险识别、计量、评估、监测和报告。2.每个分公司、业务部门都可利用FineBI的自助分析与简便易上手的可视化组件，制作对应业务方向的风险分析dashboard，真正实现数据驱动业务。 c.方案/指标体系：分析指标：不良贷款余额、不良贷款完成率、存货比、比计划、季度风险指标、贷款五级分类占比分析维度：时间、地理维度、各分行、业务条线等等展现方式：组合图、饼图、指针图、明细表等等 d.应用对象：风险管理部门与相关业务人员 e.成果展示和应用价值：1269201.为公司管理层提供一站式风险数据展示平台2.具备监管指标管理功能，确保公司外部风控指标持续达标3.根据各类风险管理特征，建立相应的风险管理功能，满足各类风险的管理需求。 3.权益分析 a.问题背景：1.所有数据分析的工作需要各业务部门在现有平台中的业务数据明细表的基础上手动加工，通过月报和季报等形式对数据进行分析处理，将业务情况中的趋势、占比、排名等分析制作成图表给领导和上级部门审阅，无法在平台中直观展现；2.现有的数据分析统计基本都是处于线下文件存储，定期数据汇总，导致数据数据采集、汇总、处理、审核、可视化各各步骤都需要人力重复劳动、效率极低。 b.问题解决分析思路：1. 利用FineBI从财务管理系统、万得（wind）系统及流动性管理系统等获得数据。同时也可以从EXCEL电子表格导入方式输入报表数据，方便快捷。2. 使用FineBI前端组件，将总部多部门多维度或汇总后进行分析，实现将所有机构按机构、条线、部门等形式通过多种财务分析方法（例：趋势分析法、比较分析法、环比分析法、结构分析法）进行展示、排名。 c.方案/指标体系：分析指标：净利润、利润预算、存贷款利息净收入、市场类业务利息净收入、中间业务净收入、营业费用等等分析维度：时间、地理维度、各分行、业务条线等等展现方式：组合图、饼图、指针图、明细表等等 d.应用对象：集团财务部 e.成果展示和应用价值：1269231.按日、月、季度、年度等频度展示分析的权益指标2.灵活定义权益分析的各项指标以及分析的结构，对权益分析指标结果进行图形效果展示，可自由选择3.分析结果可通过多种形式导出，在各集团会议中通过pdf、Excel等形式展示分析成果 4.资产负债分析 a.问题背景：1.资产负债信息不透明，不能及时了解到风险所在2.数据反馈不及时，存在大量的重复性线下工作量，同时会产生手工统计上的偏差； b.问题解决分析思路：1.根据业务部门的相关需求设计相应的分析指标；结合图表的联动和钻取，多维度动态展示业务数据；通过PC端和移动端结合，多平台展现数据，多渠道让业务人员实时查看数据；2.根据业务部门的报表设计模板，关联后台数据取数；将定期的报表制作从手工工作量转变为定时自动化生成；通过不同的查询条件可以实时自动生成需要的报表；3.从业务平台将数据抽取过来形成数据仓库，有效整合业务数据、形成数据资产 c.方案/指标体系：分析指标：资产金额、资产结构占比等等分析维度：时间、地理维度、资产项、资产结构等等展现方式：组合图、饼图、指针图、明细表等等 d.应用对象：集团财务部 e.成果展示和应用价值：1269241.将数据从业务系统中抽取存储于FineBI的Spider数据引擎中，将资产负债数据指标按照客户类型和时间维度（本月末、上月末、去年同期）从Spider引擎中取数，并对数据进行同比环比以及占比计算；通过关联饼图实现数据图表的联动和钻取 5.A股走势分析 a.问题背景：自2015年以来，长久的股市低迷状态被2019年开春之后的市场所打破，政策红利持续释放以及券商业绩需要改善。从近期来看，券商行情有望持续推进，阻力A股持续倒逼推进，从数据体现来看也就是涨幅、交易量、换手率君大幅攀升。2月中旬各股呈”金叉“态势，随后开启急速攀升模式。从股票热点来看，最大的热点可能是金融板块，周末大篇幅的政策也随之出台，可以重点关注。另外，创业板块、证券板块或许也都将有不俗表现。大消费，蓝筹股可以重点跟踪，对于中长期股民来说更为利好，擅长长线投资者可以重点关注其市场走势。整体来看，上股/深股两市放量创新高说明市场运行还是相对健康的，对于近期或出现的关口震荡休整也属于正常现象。在国家政策的大力引导之下，特别是沪指未来应该具备突破3000点大关的能力，未来总体股票市场行情看好。 b.问题解决分析思路：1.使用FineBI连接到A股数据库，利用自助数据集进行数据的加工与清洗工作。2.在前端通过简单的拖拽字段制作K线图、词云、时序预测等组件，点击联动、钻取等OLAP多维分析功能，针对大盘以及各股的数据进行探索性分析。 c.方案/指标体系：成交量、涨跌幅、换手率、开盘价、最高价、最低价、收盘价 d.应用对象：股市相关从业人员 e.成果展示和应用价值：1269191.从股票的日线走势可以看出，自2018年以来，股票市场处于一路震荡走低的大趋势，2018年10月份出现触底，2018年11月份又一波小的上涨行情，但是随后12月份又迅速回调。到2019年1月份，开始出现小幅上涨，2月份春节之后，股票市场迅速拉升，一路飘红，换手率也是一路飙升。今年年初经过小幅调整后，立即放量拉升，2月份呈现“价量齐升”的态势，颇有一番从过往低迷熊市转向高昂牛市的势头。2.通过FineBI联动对比分析深圳、上海A/B股的市场情况可以看出，A股的市场行情总体提升较B股明显，A股占据主体成交量。3.分析股票的移动平均线，5日、10日、30日、60日均线呈发散向上趋势，在股市术语来说这个叫做”金叉“，这些都是牛市可能来临的信号。4.未来趋势预测方面，采用FineBI的时序预测法，按周开盘价、周成交量预测未来走势，根据预测结果未来5周仍然势态良好，进入3月份后，大盘行情持续走高，截止目前（3月6日），沪市A股已站上3100点，深市A股已站上9700点。 编辑于 2019-7-4 12:01 编辑于 2020-6-16 11:52

能源化工行业通用FineBI分析方案 在线demo地址 能源化工行业账号 能源化工行业密码 http://demo.finebi.comdemo_chedemo_che 能源化工行业大数据应用背景 能源化工是国家的基础和支柱行业，是我们日常各项工作和生活的基础与保障。随着现代化建设的迅速发展，各行各业需求日益强劲，尤其是对能源化工行业的依赖也越来越强，能源化工的发展和建设关系到国计民生，是整个国家安全保障体系的重要一环。 2018上半年，我国GDP同比增长6.8%，经济增速连续12个季度稳定运行在6.7%—6.9%的中高速区间，石化行业主营收入利润率达7.56%，同比提高1.72个百分点，为连续7年来增幅最大的一年，但在国际贸易环境日趋复杂、产能过剩状况尚未根本改变、结构性矛盾依然突出、资源制约日益严峻的形势下，全行业高质量发展仍面临着不少挑战。 在此大背景下，国家对能源化工行业的转型和智慧化升级也是相当重视的，互联网+和智慧能源已经是我国重要的战略方向。国家在近年发布了一系列相关政策，明确提出提高可再生能源的利用率，都在指向新型的、更智慧化的能源化工互联网。而工业4.0 和两化融合都不可避免的需要通过数据分析来提高公司数据管理的能力，推动公司数据化经营的持续发展。 在现有企业的数据化情况之下，虽然业务系统、ERP、供应链系统已经上线，但对于集团管理层与业务层，仍面临着以下问题：1.数据分散存放于多个业务系统中，形成了一个一个的“数据孤岛“，没有办法将这些数据打通，从多个角度对数据进行深度分析。2.各业务部门迫切的希望通过数据解决一些管理、业务发展的问题，但苦现有的报表展现形式不能满足分析需求。3.依托IT取数的配合方式，传递效能低，易造成重复劳动，而且数据时效性也不能保证，往往从数据产生，到流入业务部门需要经过一周以上，风险并不能被及时暴露。4.随着公司的发展，数据的安全和保密日趋重要，特别是一些公司财务信息、客户信息等，需要有权限的管理来对数据进行保护和管理。 能源化工行业大数据技术应用架构 针对我们的遇到的问题和对信息化的展望对系统的构建主要分为“一个中心、两个统一，三个平台”，对业务和管理进行优化。一个中心，指利用FineBI商业智能产品，对底层数据进行完善，对业务进行分析，辅助管理和决策。两个统一，保证在整个系统建立过程中，统一基础数据来源、统一分析报表规范。三个平台，根据各层级要求和业务情况，BI 分析平台、数据化会议平台、数据应用移动平台。实现不同层级对业务分析的要求，同时方便信息部门对系统的维护和管理。 数据流处理架构： 126909 业务解决方案架构：126910 能源化工行业典型FineBI应用场景 1.企业产量完成分析 a.问题背景：在传统模式下，数据统计采用人工核算、汇报的方式，反馈滞后，没有时效性。无法及时监控到各项目、各产品的生产情况，这势必会造成以下问题：1.不合格品项目和原因不明确，无法提出针对性的调整方案2.合格率不准确、无监督，工厂不合格品数量不断增多，各工厂、项目生产的产品合格率是稳定还是波动？如何解决？3.生产产能有限，如何动态调整产能，保证每种产品的产量都能按时保证？ b.问题解决分析思路：通过仪表板指针、折线图等方式将生产和质量管理的关键指标进行展现，通过警戒线、动画效果的设置突出展现质量不达标、完成率不达标的异常产品，提醒管理人员做出相应对策 c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 生产情况总览KPI指标卡- 各项目目标完成率指针图项目名称生产完成率 温度计图产品名称生产完成率 产品产量分布扇形图产品名称产量占比 产品良品率分布散点图产品名称良品率 各项目产量排序柱状图项目名称、产品名称产量 产品产量月度趋势组合图产品名称、年月产量 生产成本月度趋势散点图项目名称、年月生产成本 d.应用对象：生产与生产质量相关人员 e.成果展示和应用价值：1269071.通过设立警戒线对良品率、生产完成率异常的产品进行监控。2.将关键指标从各个维度通过图表形式进行展现，辅助管理层进行生产能力分配。 2.企业原料采购分析 a.问题背景：通过综合管理手段，在恰当的时间，以合理的价格、恰当的数量和良好的质量，从适合的供应商处采购物料、服务和设备就是采购管理。在过去，企业的领导层对于采购成本能否下降，下降多少，从哪方面下降一向是难以抉择的一件事。 b.问题解决分析思路：1.利用FineBI的多源数据连接、整合能力，将分散在多个业务库中的采购数据进行整合、清洗。2.建立采购关键指标看板，通过警戒线的设置，即使发现采购异常数据。3.利用FineBI的联动、钻取等OLAP分析方式，针对异常采购数据联动，深入探究采购异常问题，并从多个维度探索降低采购成本的方法。 c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 月度采购量趋势组合图年月采购量 原料采购量分析扇形图原料名称采购量 原料含税平均单价分布柱状图原料名称含税平均单价 采购原料合格率柱状图原料名称采购合格率 供应商采购量排序柱状对比图供应商名称采购量、采购金额 各供应商汗水平均单价分布矩形块图供应商名称含税平均单价 供应商分析面积图供应商名称产品合格率、到货及时率 d.应用对象：采购部门与采购相关人员 e.成果展示和应用价值：1269081.每一项原材料，去年同期均单价PK今天均单价，高出来的标红，并分析近12个月，材料价格走势图，是否处于正常价位，如果出现偏离，则追责改善；2.查询每一次进货，所用的供应商，谁来负责进货，进行精细化追寻，为什么不采购同类型产品更低价格的供应商，利用数据来说话；3.通过明细化追踪方式，追踪每一笔采购的合格率等详细信息，帮助排查采购异常数据 3.企业产品销售分析 a.问题背景：对于大部分企业来说，销售部门是为企业直接带来利润的主要部门，说是企业命脉部门其实也不为过。然而事实上是为数不少的销售部工作人员由于缺乏营销分析概念和方法，企业累积的大量数据得不到有效的利用，营销分析只停留在数据和信息的简单汇总和流水帐式的通报，缺乏对客户、业务、营销、竞争方面的OLAP深入分析，结果决策者只能凭着本能的反应来运作，决策存在很大的失误风险。 b.问题解决分析思路：1.使用FineBI将销售、财务系统的数据整合，数据通过系统自动获取，打破数据孤岛，并减小认为的干预和加工。2.建立销售业务实时数据看板，实现数据动态分析，并通过FineBI的OLAP分析操作逐层追溯异常数据。 c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 月度销量分析组合图年月实际销量、计划销量、产量、产销率 组合图年月销售额、总利润、利润率 明细表产品名称销售额、目标、目标达成率、同比销售额、增长率 漏斗图产品名称利润率 销售区域物流分析组合图区域发送量、及时率 指针图物流类型发送量 饼图运输模式每吨运费 折线图年月发送量、及时率 d.应用对象： 产品销售人员 e.成果展示和应用价值：1269051. 扁平数据立体化。提供多样化和自由化的分析手段。2. 扩展分析维度。数据分析维度不仅局限于图表界面上的汇总展示，提供落实到每单的具体数据分析。3. 销售数据深层次对比。通过对采购、销售数据的同步挖掘，提供更多维度的采销数据对比，实现精准分析 4.企业报工数据分析 a.问题背景：报工数据的主要作用有两点：1.领导想要知道手底下的员工每天究竟在做什么；第二，员工的工作效率究竟怎么样，用工成本高不高。设立报工机制的初衷是好的，但在执行过程中往往会遇到遇到以下问题，反而提高了用工成本1.数据分析是需要投入大量时间和精力的，而目前的管理人员投入量不支持大数据量的统计分析。2.统计目标不清晰，关键数据信息无法提取，我们的报工分类每个部门的分类视角都不同，相互之间可交叉验证的数据源有限。3.数据可信度不高。存在人为造假的可能，将会影响企业管理层的决策。 b.问题解决分析思路：因此，需要先从现有的报工数据异常分析着手，判断报工数据不准确的原因有哪些，如何改进1.通过建立报工异常数据总览看板，整体针对集团的报工数据准确率给出分析结果2.使用FineBI通过拖拽等方式创建组件进行数据即席分析，以联动、钻取等方式深入探究报工异常数据的原因3.对异常明细数据，采取明细表、交叉表的展现方式，进行有效追溯 c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 分析模块 图表类型 分析维度 分析指标 报工异常数据看板KPI指标卡-总报工次数、报工正确次数、正确率 折线图分时秒报工错误率、报工正确率 组合图报工类型报工数、占比 组合图车间报工数、报工正确率 车间月度报工数据监控词云责任人、报工设备异常报工数 柱状图车间名称报工准确度分类 明细表-报工明细数据 d.应用对象：企业生产管理人员 e.成果展示和应用价值：126906分析结果：1.整体报工准确率在逐月下降，目前仅维持在17.89%，如果不加以干预，相信报工准确性会持续下降，需要制定考核指标，将报工准确率提升；2.报工异常中，小于20分钟报工的占据了多数，因此考虑从程序功能角度控制报工时间间隔，并加以管理手段，针对短时长报工的予以适当的考核；3.报工数据准确性，直接影响到产能计算及生产排产准确性，需要仔细研究各班组报工的错误数据情况，针对短时长报工(600分钟），分别从程序功能角度，现场管理角度，绩效考核角度，三管齐下，打好数据准确性的攻坚战。 编辑于 2019-7-4 12:02 编辑于 2020-6-16 11:53

Hello大家好，我是FineBI的产品运营经理Hunter，在学习FineBI的过程中，经常会有同学来问我，如何将自己制作好的仪表板分享给别人查看。这个问题看起来非常的简单，但要解释清楚却需要了解FineBI的服务器-浏览器架构模式，以及一些基础的地址、端口的概念。因此在这篇文章中，我就将从刚刚提到的几个方面，简要讲解一下深入学习FineBI所需要了解的概念，以及如何实现将自己制作好的仪表板分享给别人这一需求~ 1.FineBI基础架构想要解释清楚以上的问题，就要从FineBI的基础架构讲起。FineBI使用的架构为B/S架构，B即Browser，浏览器。S即Server，服务器。在这种架构下，用户工作界面是通过浏览器来实现，极少部分事务逻辑在前端(Browser)实现，但是主要事务逻辑在服务器端(Server)实现。通俗来讲就是，我们对FineBI的操作在浏览器内实现，但是FineBI的计算、更新等等核心操作都在服务器内进行。 采用这种架构的好处：1.客户端不需要安装额外的软件，也不需要维护，只需要一台能打开浏览器的设备即可。2.计算放在服务器端进行，节省了客户端宝贵的计算资源，使得一些配置较差的设备也可以利用服务器端的高性能引擎执行大数据分析。3.系统维护/升级时，只需要针对服务器端进行操作，节约了维护升级的成本。126851 在我们本机使用的时候，由于没有将服务器部署在别的服务器上，因此我们的FineBI需要本机部署一个服务器给浏览器的前端使用，这就是我们看到的服务器界面 126852 而如果将系统部署在其他服务器之后，则不需要在本机开启服务器，浏览器可以直接访问，效果可以点击demo服务器查看http://demo.finebi.com 2.IP地址、端口的概念现在我们在本机中开启了一台服务器，用来给我们的FineBI前端进行使用，如果要让别人访问到我们制作的模板，就需要让他访问到我们本机的服务器那么别人的电脑如何准确访问到我们电脑上的服务器呢？答案就是使用IP地址进行匹配。举个通俗的例子，双十一我们在网上购买了一箱零食，快递如何将零食送到我手里呢？自然使用的就是地址。比如我的地址为江苏省无锡市新吴区浙大网新9栋3楼，在计算机的世界，这一串地址就是我们的IP地址，帮助别人访问到我们的电脑。有了IP地址还不够，浙大网新9栋3楼的人很多，如何确定哪一个是我呢？在现实世界中我们使用工位号帮助确认，而在计算机的世界中则使用端口。在计算机的世界中，IP地址帮助了其他的电脑访问到我们的电脑，但电脑中的软件很多，如何准确访问到FineBI的服务器，而不是迅雷、QQ上呢？就是用到了端口，FineBI默认37799端口，因此访问IP+端口就是访问到了 我们的电脑上的FineBI服务器。 3.实现将自己制作好的仪表板分享给别人内网分享：实现内网分享：如果你要分享的人所用的电脑，和你的电脑处于统一局域网内，那就可以直接通过访问局域网ip+37799端口的形式，让别人访问到我们电脑上的FineBI服务器了windows系统通过 - 运行 - cmd - ipconfig命令，可以查询到本机的IP地址，只要在浏览器中输入http://【ip地址】:37799/webroot/decision/ 126853 这里我们的ip为192.168.1.164，其余的电脑在浏览器中输入http://192.168.1.164:37799/webroot/decision就可以访问到啦 126854 实现公网分享：这种情况比较复杂一些，因为在同一个局域网内的电脑，数据在局域网内通讯，不需要连接至公网。之前提到的内网，其是就是在公司或者是家庭内部，建立的一种局域网络或者是办公网络，从而实现多台电脑之间可以进行资源的共享，包括设备、资料、数据等。而外网则是由一个网关与其它的网络系统连接，相对于内网而言，这种网络系统称之为外部网络，也就是我们经常说到的互联网。如果想要实现在公网登录到我们本机的FineBI服务器，则需要借助第三方的内网穿透工具才可以~这里我们以花生壳软件为例，下载安装花生壳，并注册打开后： 126855 点击内网穿透，并点击了解，稍后认证 126856 点击添加映射，按图进行设置，并将本机IP(127.0.0.1)的37799端口映射到公网上~ 126857 这样，就得到了我们本机的FineBI服务器，映射到外网后的IP+端口 126858 之后在浏览器中访问http://IP地址:端口/webroot/decision/就可以啦~ 本例中就为http://19e2s85504.imwork.net:43172/webroot/decision/实现效果：126859 4.其他设置 以上教程均为使用另一台电脑直接访问FineBI系统，如果想只分享某一张模板，在仪表板设置中设置公共链接： 126860 之后将URL种对应的IP+端口替换成对应映射后的IP+端口就可以了~另外，FineBI的个人版本和企业版本只在并发上进行了限制，因此个人版本的FineBI最高只支持两个用户在线~如果在分享过程中显示超出并发的提示，不妨将超出的用户退出登陆后再次尝试哦~ 本期的FineBI分享教程就到这里了~如果各位同学们还有什么其他的教程需求，可以在帖子后留言哦 编辑于 2019-6-25 17:56

医药大健康通用FineBI分析方案 在线demo地址 医药大健康行业账号 医药大健康行业密码 http://demo.finebi.comdemo_heademo_hea 医药大健康行业大数据应用背景 中国医疗产品供应链面临质量标准的全面提升：1.药品、医疗器械审评审批标准全面向欧美最高标准看齐，创新药、市场亟需产品有望获得加速审批；2.仿制药一致性再评价势在必行，推动已上市药品质量快速提升；3.“两票制”逐步落地、“营改增”加重代理渠道税票处理难度，医药流通行业迎来集中度快速提升的第二次浪潮。 未来几年，医疗产品供给端质量标准全面提升，唯有创新型企业强者恒强。在这种前提下，医药行业结合大数据、物联网、人工智能等新兴科技已经势在必行。传统的医疗健康产业正在向智慧型一体化医疗健康方向转型。利用大数据分析，实现疾病诊疗领域智能化的判断、筛查、应用，突破行业地域界限，为大家带来充满想象和无限可能的应用场景。 而在医药行业这一数字化进程中，也存在着许多亟待解决的问题，比如：1.原有数据模式传递效能低，易造成重复劳动，费时费力。每周、每月需要花大量的精力，用于数据整理、周报日报制作、PPT文稿制作等，及时性低。且数据数据并非由系统直接提供，基本上都是手工使用Excel等软件进行汇总制作，误差无法完全避免2.内、外部数据结合度不够、串联性不强，零散存放，数据不成体系，各种分析无法交叉验证3.企业数据量大，每年新增的数据称指数形式增长，大数据处理慢，决策者查看繁琐，影响决策时机、准确性成为应用瓶颈 医药大健康行业大数据技术应用架构 数据流处理架构： 126824 业务解决方案架构： 126825 医药大健康行业典型FineBI应用场景 1.医药产品分析 a.问题背景：以过去的分析方式，对于医药产品的销售达成率，增长率，历史对比分析等，均需要精力业务上报-录入系统-手工汇总-形成分析这一流程，业务报告延期严重，月初的数据等到形成分析，往往需要半个月甚至一个月的时间，滞后的数据往往丧失了决策的价值。而一些个性化的统计需求，比如非协议商业务，需要的时间更长。b.问题解决分析思路：使用FineBI的多源数据整合功能，将财务数据、业务数据等多个内、外部数据源数据抽取到FineBI中进行加工后展示出来，并且可以使用FineBI前端的简单拖拽快速制作图表完成定制化分析，从产品贡献率、销售达成率、增长率等等多个指标，时间、空间等维度进行医药产品分析。c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 医药产品分析扇形图、柱状图产品类别销售贡献率 象限图产品类别产品销售额、增长率 明细表产品名称销售额、目标、目标达成率、同比销售额、增长率 组合图产品类别销售额、销售额同比、增长率 大区销售分析组合图产品名称、区域销售额、销售额同比、增长率 产品市场分析折线图区域、年份 市场占有率 散点图产品名称、年份市场占有率 d.应用对象：产品管理、市场管理人员e.成果展示和应用价值：126827 2.生产质量分析 a.问题背景：对于药品生产环节，往往需要关注以下问题：1.生产的产品，是否按照计划正常生产？每天产品的产能走势是怎样的？有没有优化空间？2.良品率又如何？不同批次、不同车间生产的产品，检验合格率差异在哪里？b.问题解决分析思路：针对此类生产过程中的问题，解决思路如下：1.讲FineBI连接到工厂的生产系统中，利用多源数据连接、直连等功能，将多个生产系统的数据整合。2.从时间、车间、批次等多个维度建立生产目标达成率、产品检验合格率看板，并设置异常值预警，当生产出现问题及时发现并排查。c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 车间产能分析柱状图产品名称生产目标达成率 雷达图产品批次生产目标达成率 面积图时间段生产目标达成率 车间合格率分析矩形图产品名称一次性检验合格率 散点图产品批次一次性检验合格率 明细表产品名称、车间、批次成产目标、达成比率、合格率等明细数据 d.应用对象： 药品生产管理者e.成果展示和应用价值：126830 3.客户分析 a.问题背景：针对市场、销售等业务人员，往往需要对自己负责的区域有一个整体的认知：1.客户的地理分布是怎样的？接下来一段时间的工作重点应该集中在哪个区域？2.客户少的地区，有着怎样的特征？各个机构的客户分布是怎样的？3.和去年，上个月的数据相比，客户数是增加了还是减少了？整体趋势又是怎样的？b.问题解决分析思路：1.通过结合订单业务系统、crm等系统的数据，利用FineBI进行整合，处理。2.依据客户数建立填充地图，通过点击地图下钻，联动，分析客户少的地区的客户特征，并制定针对性的营销策略。c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 客户区域分析KPI指标卡-在销客户数、授信占用客户、客户销售额 填充地图省份、城市客户数量 客户等级分析扇形图客户分类在销客户数、授信占用客户、客户销售额 客户类型分析柱状图客户类型 授信总额、客户销售额 客户数量同环比折线图时间维度、机构类型客户数量 d.应用对象：市场、销售业务人员与管理人员e.成果展示和应用价值：126831 4.品规分析 a.问题背景：传统的医药企业中，往往会有数十个经营单位，药品也区分为不同的品规。品规与经营单位之间的差异是精细化运营的必要分析：1.最赚钱的是哪些品规，销量最高的又是哪些品规，这些排名是一直不变的吗？哪些品规的利润发生明显变化，如何深入探究变化的原因？2.每个单位对同一品规的销售情况在销售额、毛利率、毛利额上各有什么差异？b.问题解决分析思路：1.整合相关产品/销售业务系统的数据，将不同系统、不同数据库中数据整合。2.构建产品品规与经营单位分析仪表板，以多种图表进行对比分析，探求差异背后的原因。c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 医药产品分析扇形图、柱状图产品类别销售贡献率 象限图产品类别产品销售额、增长率 明细表产品名称销售额、目标、目标达成率、同比销售额、增长率 组合图产品类别销售额、销售额同比、增长率 大区销售分析组合图产品名称、区域销售额、销售额同比、增长率 产品市场分析折线图区域、年份 市场占有率 散点图产品名称、年份市场占有率 d.应用对象：领导管理层e.成果展示和应用价值：126833 5.门店分析 a.问题背景：作为销售门店的管理者，需要时刻保持对以下指标的关注：1.门店销售的产品，销售额、毛利率分别是多少？每种产品的占比又是多少？在产品销售过程中，需要重点关注的大宗交易、退货情况又是怎样的？2.门店员工的工作情况，每个员工的销售业绩是多少？同比、环比又是多少？每个员工的主力销售商品一样吗？3.门店的客流量随时间呈怎样的变化？是否应该在客流量小的时间减小人员，以减小人力成本？b.问题解决分析思路：为了回答以上问题，我们需要：1.整合相关产品/销售/ERP业务系统的数据，将不同系统、不同数据库中数据整合。2.通过简单的拖拽构建门店业绩情况分析驾驶舱，以多种图表结合，进行指标的监控c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 门店业绩分析KPI指标卡-开卡数、销售额、毛利额、毛利率、来客数、客单价 商品销售分析扇形图商品名称销售额、销售占比 员工业绩情况组合图员工销售额、毛利额、毛利率 退货及大单情况交叉表交易分类销售额、毛利率、交易笔数 门店来客/客单分布象限图门店客单价、来客数 销售业绩对比折线图年份 销售额 d.应用对象：门店管理人员e.成果展示和应用价值：126832 6.医疗机构耗材分析 a.问题背景：各个医疗机构想要实现盈利，一方面是通过营销手段提高销售，另一方面则是降本。时刻掌握各个科室对医疗耗材的消耗量，以及医疗耗材的成本则是重中之重：1.哪些科室的耗材消耗量最大？消耗量大的耗材，能否通过技术手段降低消耗量从而减少成本？2.耗材的售价以及成本走势如何？成本高售价低的耗材，是不是应该考虑调高售价，保证利润？b.问题解决分析思路：1.整合相关产品/销售/ERP业务系统的数据，将不同系统、不同数据库中数据整合。2.针对消耗量特大(10万)以上的耗材，建立特大消耗量耗材监控板，进行重点监控。3.通过多维度，占比、对比等多角度的分析，探索耗材消耗背后更深层次的原因。c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 不可收费耗材分析柱状图院系耗材销售量、消耗量同比 扇形图院系、科室、耗材名称耗材销售量 交叉表院系、科室、年份耗材销售量、消耗量同比 超10万耗材分析柱状图科室耗材消耗量、耗材总金额 明细表部门、耗材品牌、耗材名称数量、金额 词云耗材名称耗材消耗量 常用耗材用量分析柱状图医院分类、科室、耗材名称 耗材成本、耗材售价 扇形图院系耗材消耗量 明细表院系、年份、耗材名称成本总额、销售总额 d.应用对象：耗材管理业务人员e.成果展示和应用价值： 样例1： 126828 样例2：126829 样例3：126826 编辑于 2019-7-4 12:03 编辑于 2020-6-16 11:53

零售行业通用FineBI分析方案 在线demo地址 零售行业账号 零售行业密码 http://demo.finebi.comdemo_salesdemo_sales 随着城市化进程加快和消费者需求日益多元化，零售市场释放出巨大的潜力同时也瞬息万变，零售商必须因势而变，才能在残酷的竞争环境中生存下去。在帆软看来，零售业的升级是一个商业与技术不断激荡交错的过程中。其中，传统零售企业拥有行业视角的广度，而大数据技术公司手握单点技术的深度，两种不同基因的交汇融合将为行业发展提供更大的推力。同时，在不断的交流碰撞中，双方的边界也将逐渐模糊。帆软相信，未来二者绝不仅仅只是单纯的甲乙方关系，而是还存在更多的可能性。 零售业行业大数据应用背景 1.数据的统一性、完整性较差由于数据整合系统的缺失，票务、餐饮、零售系统各自独立，没能对各个系统数据进行整合，导致数据相互独立，形成一个个数据孤岛，数据价值难以得到充分的发挥。很难得到统一、完整、直观，并能从各个业务主题与维度展现运营活动的管理数据。同时，在企业经营管理、经营决策、战略决策、风险管控上，经常出现信息数据依据不足、不准确，判断困难的情况。如何有效进行数据整合以响应企业运行效率，也是零售行业数据决策的实际需求。2.数据响应不及时一.现在行业应用的业务系统比较多，随着业务系统的越来越多，收集的数据越来越细，使用系统的时间越来越长，数据量的增长越来越快。但现有的系统无法对数据量比较大的数据进行快速响应。二.传统的数据应用模式中，业务部门需要将数据需求提交给IT处理，但IT的人力不能保证对分析需求的及时响应，对一些报表的调整也十分不容易。3.缺少多维度的数据分析平台，以顾客分析为例：一.不能掌握顾客消费轨迹，无法对顾客的消费进行引导经营。通过对会员消费数据的积累，可以对会员消费轨迹、消费规律进行分析，以此来调整计划公司运营策略，提升会员的二次消费能力。二.无法掌握顾客群体属性，导致缺少提升服务水平的重要参考项。服务业市场化充分，竞争压力相对较大，顾客对服务质量的要求相对较高，缺少对会员的有效管理，无法掌握企业顾客群体属性，企业难以走到消费者签名，提供更出色的服务体验。 零售行业大数据技术应用架构 126834 如图所示，针对数据决策分析过程中的数据处理，需要经历四个阶段：源数据库数据抽取->ods数据库ETL转换->数据仓库/ 数据集市→最终用户界面。其中：I.源数据库用户需要采集的源头数据库或者数据仓库，本系统源数据库为crm系统和其他原有应用系统，以及一些可能的需要EXCLE导入的数据源。II.ods数据库(预处理数据库)用于存储从源数据库中获取的数据，中间使用ETL工具进行数据抽取、转换、清洗、装载，数据进入预处理数据库对数据进行清洗和架构，实现数据的可用性。III.数据仓库/Cube文件对目标数据库中的数据进行多次整合加工，形成面向主题的、集成的、稳定的、不同时间的数据集合，改数据库可根据业务情况，有选择的转义成可识别的字段名称，生成用户前端用户可直接拖拽使用的Cube文件数据。IV.前端页面（最终用户界面）前端用户根据业务包转义名称，直接拖拽数据进行统计得到dashboard进行分析结果的展示。 零售行业典型FineBI应用场景 分析模型126835梳理零售业务，行业关注重点:商品、门店、库存、活动、会员等五个方面。 1.商品分析 a.问题背景：在实际工作工作中，无论是领导或是业务人员，都会面对以下问题：1.到底哪些商品能够获得消费者青睐，一路飘红？哪些商品应该淘汰？而应该淘汰的商品销售额占比又是多少？2.同一种商品的价格区间分布是怎样的？竞争对手的价格分布又是怎样的？如何推测一件商品的最恰当售价，从而实现利润与销量的平衡？b.问题解决分析思路：使用FineBI整合多个业务系统中的数据，进行数据加工、清洗后，通过图表来展示以下分析结果：1.ABC分析：根据商品对店面销售的贡献度及顾客对商品的本身的需求，按照70%，20%，10%将商品分为A，B，C分类，并进行分类数据分析，包括 SKU数量，销售金额，库存金额。2.商品价格带分析：商品价格带分析是零售商在做市场研究时经常使用的方法，通过分析同类商品不同价格带的销售额，销量，掌握此类商品用户的消费层次及数量，勾画出超市对该商品的基本需求。从而超市采购再根据店面定位来选择商品的采购层级及数量。3.品牌效益分析：通过对各品牌对应的销售额，利润，客单价，销售成本率等指标的月度变化趋势，进而评估该品牌的效益。c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 商品ABC分析仪表盘ABC分类商品数量 矩形图ABC分类销售额、占比 组合图ABC分类库存金额、占比 商品价格带分析柱状图价格分布商品数量 散点图商品类别、价格分布销售额、销量 品牌效益分析气泡图品牌销售额 折线图时间（月度）销售额、利润、客单价、投入产出比 d.应用对象：商品管理部门e.成果展示和应用价值：126836 2.门店分析 a.问题背景：实体门店仰赖营业额作为绩效指标,但对于营业额不佳,却难以有更进一层的数字观察，例如：1.各个门店中，销售额最高的门店有哪些？分别具有哪些特征？直营店和加盟店的利润比例相差多少？接下来应该开直营店还是加盟店？2.门店的整体销售额随时间呈怎样的变化趋势？每周的哪几天销售情况较差，是否应该推出活动提升销售情况？3.在每年的节假日、“双11”、“618”等营销活动中，哪几次的营销效果最好？有哪些值得借鉴的方案呢？b.问题解决分析思路：1.利用FineBI前端丰富的图表、组件间联动、下钻等功能，探索销售额、利润率等前10位的门店，以及不同类型的门店与它们的营销情况。2.通过设置警戒线进行每月关键指标走势的监控，即使发现并解决存在的问题。3.针对关键指标排序，结合前面的分析组件，探索每个营销关键节点，各门店的营销表现如何，利润占比等等。c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 门店关键销售指标排名KPI指标卡-营业额、利润额、门店数量、员工数量 柱状图门店名称TOP10销售额 扇形图门店分类销售额 柱状对比图门店分类直营销售额、加盟销售额、直营利润、加盟利润 各门店经营状况查看组合图月份销售额、利润 折线图月份销售坪效、会员数 重要营销节点柱状图日期TOP10销售额、利润、客流量 明细表日期销售额、利润、销售坪效 d.应用对象：门店管理人员e.成果展示和应用价值：126840 3.库存分析 a.问题背景：我们经常听很多管理人员抱怨库存太多，其实高库存大多时候是企业“自找”的。高库存其实是“冲动的惩罚”。店铺里明明只有月销售80万的能力，采购经理非要订120万的货进来，肯定会造成公司营运能力的下降，那么问题出在哪里呢？对零售行业来说，库存分析无外乎两个方面，是否会缺货？是否会库存过大，占用资金？在以往，由于数据化管理的缺失，往往会造成以下问题：1.哪些商品的库存最多，库存积压的原因是什么？产品问题、预测不准还是销售问题？2.商品的周转周期分别是多长？周转周期长的商品，如何采取手段缩短周期，提高资金流动性？b.问题解决分析思路：1.利用FineBI的前端OLAP多维分析功能，从库存量、库龄、库存金额、商品数量等多个角度对库存情况进行分析2.将分析得到的结论与商品分析、门店分析等分析结果进行对比，得出改进结论c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 ABC类商品库存数据一览折线图ABC分类商品库存量 扇形图ABC分类库龄 商品大类库存数据折线图商品类别商品数量 详细分类库存词云商品类别库存量、库存金额、库龄 详细商品名称明细表商品名称库存量、库存金额、库龄 d.应用对象：库存管理人员e.成果展示和应用价值：126839 4.会员分析 a.问题背景：了解消费者是形成市场营销战略的基础。消费者对营销战略的反应决定企业的成败。”有效的客户细分是深度分析客户需求、应对客户需求变化的重要手段。通过合理、系统的客户分析，企业可以知道不同的客户有着什么样的需求，分析客户消费特征与商务效益的关系，使运营策略得到最优的规划；更为重要的是可以发现潜在客户，从而进一步扩大商业规模，使企业得到快速的发展。而在以往，没有数据的支撑，想要了解以下问题往往是比较困难的：1.消费者(会员)的特征分布是怎样的？不同特征的会员又有着怎样的消费偏好？怎样才能有的放矢，针对的提出营销手段？2.消费者(会员)的行为又是怎样的？喜欢在哪些时间消费？在不同的时间喜欢购买的品牌又是否一样？b.问题解决分析思路：1.使用FineBI强大的多源数据整合功能，将crm、erp等系统的数据打通，建立完善的用户画像与用户分类2.针对不同类型的不同用户，结合过去历史数据形成的消费特征，进行差异化精细化的营销动作c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 会员总体情况KPI指标卡-会员数、消费金额、消费数量、新增会员 会员属性分布堆积柱状图年龄/性别会员数 扇形图会员活跃等级会员数 矩形图会员职业分布会员数 价格分布商品数量 会员行为分析折线图时间（小时）消费数量 柱状图商品品牌销售额 词云商品品类销售额 d.应用对象：营销部门相关人员e.成果展示和应用价值：126837 5.活动分析 a.问题背景：优质的、有价值的活动运营方案能够严格的落地执行并且助力业绩提高，活动中实时数据监控及有效数据反馈可以对活动计划执行和快速解决其中问题提供重要保障。当业务人员辛辛苦苦策划举办了一场促销活动，活动的效果如何追踪，又该如何改进呢？在过去，活动的效果只能通过销售额等基础指标进行判断，无法通过更加精细化的指标进行分析，也无法解决以下问题：1.活动效果究竟好不好，活动的转化率为多少？对品牌知名度的提升有多大？2.活动对不同地区的消费者，影响是否一样？不同类型的消费者分别偏好哪种活动？3.哪些区域、门店的效果较好，又有哪些较差？效果不好的原因是什么？该如何改进？b.问题解决分析思路：1.利用FineBI的直连数据模式，在活动中进行实时的活动数据监控，时刻发现并调整活动策略，以便最大化活动效果2.在活动结束后，进行活动效果、转化率的统计，利用OLAP多维分析与钻取联动等功能，总结活动在不同维度下的效果c.方案/指标体系： 分析模块 图表类型 分析维度 分析指标 推广报告方块图推广渠道核销量、领卡量、曝光量 扇形图推广渠道核销量、曝光量 推广统计散点图推广渠道、区域曝光量 折线图门店名称TOP10曝光量 词云负责人曝光量 区域曝光量走势折线图区域、时间曝光量 d.应用对象：市场部门相关人员e.成果展示和应用价值：126838 编辑于 2019-6-25 09:56 编辑于 2020-6-16 11:51 编辑于 2020-6-16 11:51

一、公司介绍 东吴证券股份有限公司作为全国第18家上市券商，拥有以证券经纪、资产管理、投资银行服务、投资服务、基金债券代销服务等为基本架构的专业证券服务体系，为客户提供全方位证券理财服务。东吴证券自成立以来始终坚持“待人忠、办事诚、共享共赢”的朴素理念，严格管理，稳健经营，不断加强自身专业团队和管理团队建设，致力于为实体经济增添活力，为美好生活创造价值，建设公司和客户共赢的财富家园。 同时，东吴证券作为苏州本土券商，依托苏州经济发展的强大动力，在20多年的蓬勃岁月中，累积区域经济动能、谋略全国布局发展。真正做到让客户满意 让股东满意 让员工满意 让监管部门放心。证监会近日公布“2018年证券公司分类评价结果”, 东吴证券连续四年被评为A类A级。 126811 二、项目背景 随着公司业务规模的发展，以及互联网发展带来的数据利用技术的进步，公司各业务条线碰到了一些数据利用的问题：多头数据源、数据标准不统一、数据质量不够、数据价值未充分发掘、无统一的数据管理组织。公司意识到数据对于公司在客户挖掘、风险管理、决策支持、客户服务、运营提升等方面将会有很大的价值。目前，我们东吴证券大数据平台建立了结构化数据库系统和大数据平台的数据通道。东吴大数据平台拥有数据存储、计算处理、数据采集、数据查询接口、管理与监控、搜索方面基于Hadoop生态圈的几十个组件。资源管理Yarn、协作管理ZooKeeper、权限管理、分布式计算框架Mapreduce、Spark Core等基础组件，为大数据平台提供了完善的支撑框架。 对于大数据平台而言，如何才能让大型数据集变得亲切和易于理解，可视化无疑是最有效的途径。可视化BI工具的目标是提高公司核心竞争力，提升领导决策能力，提升公司整体运营效率、降低公司运营风险，为公司打造全方位的互联网金融平台提供有力的保证、支撑。在此背景下，迫切需要一套行之有效的可视化数据工具来为公司保驾护航。帆软商业智能FineBI作为新一代自助大数据分析的BI工具，其核心价值意义是建立高层战略决策支持统计指标框架，主要针对经营指标，绩效指标，财务指标，风险指标，监控指标等，使用仪表盘技术，综合展示现状及目标完成进度以帮助了解目前经营指标是否均衡发展，市场规模是否良好发展的态势。126812 三、分析模式及价值 开放BI前的配合方式： 业务的取数需求和报表制作需求，需要向IT部门反馈并发起流程。首先双方部门进行业务逻辑沟通，然后IT部门再进行取数和报表制作，返回给业务部门后需要进行对数验证，最后IT信息员还要再进行2个月左右的问题跟踪与数据准确性跟踪，才结束整个流程。痛点： 业务部门取数需求频繁，IT部门工作压力积增。 需求排期与沟通耗时，业务部门需求无法得到快速响应 现在的配合方式： IT部门为各个业务部门梳理并提供数据；配置数据源，建立业务包并提供好基础数据表。业务部门根据各自部门不同的需求，自行制作模板做可视化探索分析，最后根据不同的要求和形式以汇报的形式或大屏展示给决策层提供参考。业务部门的临时分析需求与取数需求，不用再向IT部门发起流程，部门内部就可以将问题快速消化。BI无法处理的复杂样式需求与填报需求再提交给IT部门。 126813 实现的价值： 给IT带来的价值：减轻了IT日常给业务部门取数、做分析、沟通业务逻辑、验证对数的工作压力。 给业务带来的价值：满足了自己部门内部快速分析的需求，不需要再提需求走流程。 四、BI平台建设 126814 1.基础使用情况 产品版本：BI5.1 使用部门：运营中心（IT）、零售客户部（业务）、风险管理部（业务）、信用业务部（业务） 制作内容：业务明细/汇总的取数表格、业务分析报告、管理驾驶舱等 实际在用设计用户：10个（IT部门2人，业务部门8人） 实际活跃查看用户：36个（业务部门） 当前系统模板数量：100-150张（还在逐渐增长） 近期系统平均访问量：40-50人次/日 数据量情况：主要是使用抽数模板，单表最大300W 2.数据准备 业务包构建：一个业务部门创建一个分组，一个分组下添加这个部门的基础数据包。 这样构建业务包便于权限管理：分组/业务包根据部门划分开，权限配置的时候为部门赋予相应的业务包权限就可以了，这样整个权限管理过程较为清晰。126815126816 关联关系：IT部门会将表间的关联关系配置好，再给到业务部门。126817126818 3.权限管理 以部门为主角色为辅的方式，进行权限配置；不会用到用户这一级进行权限配置。 3.1业务包权限： 一个部门都拥有该部门业务包的使用权限；以部门粒度进行配置。使整个部门的人都可以查看这个部门的模板。 部门的分析师作为一个设计角色，拥有该部门业务包的管理权限；以角色为粒度进行配置。使分析师可以向业务包中进行添加表并编辑数据。 如果有用户想申请其他部门的数据进行使用，超管将新建一个包含这个用户的角色；再为这个角色赋予其他部门业务包的使用权限。 场景示例：风险管理部因其工作需要监管各个部门的风险问题，所以拥有较高的数据权限；有时候需要申请使用其他部门的数据。当有这种情况发生时，超管将以角色为单位去配置权限，而不是以用户为级别。这样保持了权限体系清晰，每次权限调整只要检查配置部门/角色即可。即时发生人员变动，角色是不会改变的，也就不会出现权限混乱的情况。 目录的权限配置与业务包保持同步——即该业务部门所有人都拥有该部门目录的查看权限，分析师拥有该部门目录的编辑权限。 该部门的人只能查看自己部门的模板。如果有用户想查看其他部门的模板，再完成数据权限申请流程后，会附带开启需要的目录权限。这样分配权限实现了业务部门目录的自我管理：随着系统的使用模板会越来越多；每次都管理员申请挂出模板，加上超管对业务逻辑不熟悉，会大大增加沟通时间降低使用效率。开放权限后，让最了解业务的人自我管理，减少沟通耗时，提高了工作效率。（截图为风险管理部的目录截图）126819126820 3.3数据连接权限： 数据连接权限属于权限级别较高的权限项，需要严格进行管控。 数据连接的管理权限与授权权限不外放，仅超管一人可以设置。如果业务部门想添加数据连接进行使用，需要走流程申请，由超管审核并添加之后再返回业务部门使用。 为保证业务部门的分析师可以添加并修改sql数据集，会将数据库连接的使用权限开放给业务部门的分析师角色。 普通业务人员缺乏数据库相关知识，开放数据连接使用权限容易因误操作导致使用问题。所以对普通业务人员不开放数据连接相关的权限。 3.4其他权限内容： 授权权限：因当前用户体系，一名超管就可支撑所有管理内容，所以暂时不开放任何授权权限。所有的权限赋予由业务部门提出申请，超管再进行分配。（目录管理除外） 管理系统权限：除目录管理由业务部门自我管理外，其他的管理系统内容均由超管负责管控，不对其他角色开放。 4.分析模板样例: 样板1：购买收益凭证客户探索分析126821 此处模板为网络金融和经纪业务总部所提供的购买收益凭证客户的探索分析，主要针对已经购买公司产品的客户的帐户结构、帐户购买频率、购买金额、持有金额、投入资产比例、购买帐户分布等情况进行分析。把数据逐渐提前到销售支持，提供目标客户人群，并跟踪销售进展，提供销售决策依据，提高产品营销的成功率，降低产品营销的成本。 样板2：信用风险测试管理驾驶舱126822 此处为信用风险测试管理驾驶舱，通过指标体系，实时反映公司全面风险的运行状态，将数据直观化、具体化、形象化。实际上这是为与风险相关的高层管理层提供的“一站式”决策支持的模板。通过信用风险相关数据，从而实现风险管理信息展示与工作流转，实现风险偏好到风险指标，经济资本等量化分析管理。 样板3：营业部客户活跃情况程度看板126823 通过查看各家营业部每天活跃客户数量情况，可以清楚的了解到各家营业部客户活跃情况程度，对那些活跃客户比较多的业务部门进行表扬，提高大家积极性，同时勉励活跃度不高的营业部。 编辑于 2019-6-25 09:42

参与FineBI入门指南，一边结合案例学习FineBI操作，一边还有京东卡和周边拿，是不是学习更有动力啦？ 离第一次抽奖活动（4月14日）还有不少时间，赶快领取任务，行动起来吧！ 如果您对入门指南任务有任何疑问或困惑，均可以在本贴下回复，我们会尽快给您答复~ FineBI入门指南 刚刚下载FineBI，想入门？ 帮助文档茫茫多，不想看？ 入门视频太繁杂，没兴趣？ 教学资源没实践，不好玩？ 孤军奋战心好累，要朋友？ 现在，有FineBI入门指南就够了 什么？你还不知道FineBI入门指南是什么？ 戳我了解FineBI入门指南（暂时只支持电脑访问），助您快速而系统的入门FineBI 内容简介 在入门指南中，您将扮演一个大型商品零售集团的数据分析师，应对经理交给你的任务——发现集团毛利率下滑的原因，并给出建议 随着您一步一步的完成指引，您将通过对商品和订单的相关历史数据的分析，逐步找出影响毛利率的关键要素，并给出相应的分析结论，帮助改善集团遇到的困境 戳我简单了解一下故事吧：利用FineBI解决业务问题 针对入门指南中的故事与内容，我们在讲堂上线了入门指南教学视频，由帆软产品运营经理Hunter为您细致讲解入门指南中的操作与技能，助您快速完成任务 您还可以加入FineBI学习互助小组，获取最新最全的学习资源，与志同道合的小伙伴们一同提升，与帆软的讲师们零距离交流沟通！ 优秀完成作品展示 125593 FineBI学习互助小组 注：因微信平台限制，群满100人后无法扫码加群，您可添加右侧班主任Suri微信，回复FineBI新手训练营，班主任会邀请您加入 125705 总而言之，想要入门FineBI，FineBI入门指南一定你的不二选择。 注： I.本帖子为FineBI入门指南完成用户月度抽奖活动贴 II.每月我们将从完成学习的用户中抽取一名完成情况优异的用户奖励200F币或200元京东卡一张 III.对于完成学习并填写反馈的用户，我们将每月从中抽取10位送出帆软精美周边（雨伞、公仔、抱枕） 编辑于 2019-4-2 14:10