一、选手简介 1、选手介绍 （1）团队选手版 · 队长介绍：米修，帆软社区用户名“热爱数据热爱分析”，目前就职于国内大型零售业公司，就业以来一直在数据分析领域发展，非常热爱数据分析且爱专研业务知识，比较擅长将业务与数据结合分析，思维比较跳跃； · 成员-xxxr，目前就职于国内大型零售业公司，从事零售数据分析应用建设工作。擅长电商零售、财务经营分析、人力资源分析的数据分析， 同时擅长 FineReport、 FineBI 、powerbi等多个可视化工具。 · 成员-Cai，目前就职于国内大型零售业公司，从事多年零售、商品的数据开发工作，痴迷新技术研究，思维敏捷。 2、参赛初衷 · 希望通过比赛与更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞，同时也因为大赛奖励很诱人~~ 二、作品介绍 1、业务背景/需求痛点 · 分析背景： ·  公司对于618等线上大促活动的订单发货情况经常收到投诉，故急需分析目前订单寻源发货的优化空间，找到更高效的订单发货规则； · 现有订单发货规则： · 1、判断符合仓库阈值的店仓+大仓仓库； · 2、总分高优先（店+仓）：在阈值范围内仓库，选取最高分仓库； · 3、仓库优先（店仓+大仓）：如同时满足以上，则有大仓优先级1，店仓优先级2；  2、数据来源 · 自选数据：导出系统订单交易、库存、发货等数据（需做脱敏处理） 3、分析思路 · 根据实际库存和618订单商品，按现有打分规则分析库存分数分布、打分系数合理性以及打分系数设置建议； 4、数据处理 · 数据准备时，需要还原618销售、库存等数据并按照现有规则及优化后的规则进行打分后进行分析，数据处理逻辑复杂且数量较大； · 具体打分分析时，需分别按照不同的规则特征统计其SKC\库存得分占比，并计算每个特征之间的重合度，这部分逻辑较为复杂，花费时间较多； 5、可视化报告 · 散点分析 分析当前SKC在每个店铺得分的分布情况，观察SKC打分的分散是否合理。   结论：由skc得分分布可知：单SKC在每个店铺得分的分布情况呈分散趋势，基本符合预期。 · 对比分析： 通过对打分规则中的四大特征得分占比分析，了解四大特征的关联性，以及优化的方向。具体如下： 打分判断中，需要根据以下几个因素进行打分： 1、单店单SKC断码 2、单SKC全国库存小于50件滞留 3、滞留后仓店≥7天 4、14天内0动销； 下面将分别从这四个方面分析划分是否合理： 1、通过分析14天0动销占比可知，99%的正价店铺14天0动销占比低于10%，说明符合该特征的SKC很少。在14天0动销分析中还可以发现一个现象，断码SKC出现14天0动销的概率很高，同一个SKC两个特征重合较大；   结论：建议区分14天0动销与7天0动销，分别计算得分，减少携带多个特征的可能性； 2、分析单SKC全国库存小于50可知，符合该特征的SKC较少；但是断码的特征却很明显，同一SKC两个特征重合性很高；   建议：拉大库存数的划分，分为单SKC全国库存小于50、小于75、小于100等区间进行打分。拆分特征重合性； 3、分析滞留后仓超7天占比情况时可知，滞留后仓的打分结果较为分散，记录40%+的店铺集中在40~60%间，近30%店铺集中在60~80%间，特征强烈。而同其中断码的占比也是强吻合。故建议拆分滞留后仓仓周期，分开计算得分，减少skc携带的多个特征属性。   结论：建议将滞留后仓分为超3天与超7天分别打分； 4、经上多重分析及断码特征分析可知，大部分店铺的断码率很高，符合寻源需求。   结论：经过以上分析，将针对寻源逻辑进行优化，通过对比优化前后的得分店铺数来判断寻源的变化。 整体上得分相同的店铺数经过优化后有明显减少，这样有利寻源逻辑的溯源提效，同时也能减少特征间的影响度，更精准进行打分寻源。   最终看板：