请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
solo_ma(uid:174583)
职业资格认证:FCA-FineBI | FCA-业务分析理论 | FCP-FineBI | FCA-FineReport
帆软日历
有人可以解释解释这张图么,下面的31,41,是啥意思,上面的雨滴的数字又代表啥
【2020冬季挑战赛】公交公司安全事故分析
1.选手简介 1.1.选手介绍帆软社区用户名:solo_ma职业简介:就职于青岛海信网络科技股份有限公司,作为乙方单位为客户提供公交公司信息化软硬件产品,在公司负责业务系统数据查询,报表开发等相关工作。 1.2.参赛初衷 提升数据分析能力,结交数据分析相关朋友。 准备为客户推广FineBI产品,目前已成功推荐2家客户,个人觉得你们应该给我点奖金O(∩_∩)O~~ 为CPDA认证名额奋斗一把✊ 2.场景介绍 公交公司每年会发生多起安全事故,且由于属于社会公共资源,一旦发生事故极易引起社会舆论关注,如18年10月重庆万州公交坠江事件,20年7月的贵州安顺公交坠江事件等,因此公交领导层十分重视安全事故,但安全事故的影响因素极多,如车辆品牌,车型,驾驶员情况,路况,车辆年限,事故责任,性质,费用等,传统的数据报表无法提供全方位的分析,因此需要使用BI分析工具进行多角度全方面的安全事故分析。 2.1.业务背景介绍&数据来源2.1.1.公交车的安全事故影响重大,但导致事故的原因众多,急需要进行全方面多角度的安全事故分析,降低事故发生率。2.1.2.对可能影响事故发生率的各种原因进行分析:(1)组织维度:总公司>分公司>路队>线路的下钻维度分析(2)时间维度:事故发生时间(3)事故属性: 事故责任:主责,次责,同责,无责等 事故原因大类>事故原因二级分类,交通,客伤等 事故性质:特大,重大,一般,轻微等 事故费用等级:无费用,千元以下,千元至万元等 事故高发地点 (4)天气维度 天气情况 温度情况 (5)车辆维度 车辆品牌>车型 车辆燃油类型:电动,气电混动,柴油等 车辆车龄 车辆颜色:主要是车身广告颜色。 (6)驾驶员维度 年龄 驾龄 性别 事故发生时当日已累计工作时间 事故发生时段(小时) 高发驾驶员 (7)数据来源:使用企业数据: 事故信息 组织信息:已对分公司名称和车队名称进行脱敏处理。 车辆信息 :已对关键信息车牌号进行脱敏处理。 驾驶员信息 个人获取数据: 爬取的天气数据:由于事故信息中部不包含天气信息,因此使用python爬取了天气后报网站数据。http://www.tianqihoubao.com/,爬取之后通过日期与事故信息中的事故发生日期进行关联。 2.2.分析思路139222 分析事故数量随着时间的趋势 分析事故各属性分布,找出事故的主要原因,事故易发地点,事故主要责任,主要性质,事故费用分布,从而为来年车险及事故费用预估提供依据。 分析天气对事故的影响,由于晴天占据大多数,无法通过各天气下事故发生天数简单判断,通过不通天气下,发生事故的天数 / 该天气下的总天数,得到天气下的事故发生概率。 分析温度对事故的影响,算法同上,计算温度对事故发生概率的影响。 分析车辆维度对事故的影响,包含品牌,车型,车身颜色,车龄,燃料类型等不同维度,由于不同车辆的保有数量不同,不能单独通过事故车辆数来判断,因此通过 该维度下发生事故车辆数/该维度下总车辆数,计算不同维度下的车辆事故率。 分析驾驶员对事故的影响,包含性别,年龄,驾龄,事故发生时的累计工作时间等维度,原因同上,因此使用 该维度下发生事故的驾驶员数量/该维度下总驾驶员数,计算不同唯独下的驾驶员事故发生率 2.3.数据整理更多的处理为数据库导出之后,进行的EXCEL数据预处理 将事故信息导出之后,对数据进行清洗处理,去除重复数据,关键字段缺失数据,非营运组织的事故数据。 将事故信息与天气信息关联,得到每一天的事故发生次数 导入数据,建立自助数据集。 通过事故基础信息,建立自助数据集,发现无组织事故2条,过滤掉无组织的事故信息。 通过车辆数据,新增列,判断该车辆是否发生事故,如发生事故则填写1,未发生事故则填写0,继而在仪表板组件中通过添加计算指标,计算事故发生率。 139217 通过驾驶员数据,新增列,判断该驾驶员是否发生事故,如发生事故则填写1,未发生事故则填写0,继而在仪表板组件中通过添加计算指标,计算事故发生率。 通过天气数据,新增列,判断该日期是否发生事故,如发生事故则填写1,未发生事故则填写0,继而在仪表板组件中通过添加计算指标,计算事故发生率。 2.4.完成分析报告2.4.1可视化图表的选择和制作步骤 对于事故随时间变化趋势,用折线图和散点图组合显示,将最高和最低的月份标出。 组织需要钻取,所以采用柱形图设置钻取格式及路径 由于需要分析各天气情况下的事故数量与事故概率,使用散点图,继而制作四象限,找出需要重点关注的天气情况 对于多维度的事故情况,如天气,温度,驾驶员工龄与年龄使用矩形块图,对矩形块进行大小和颜色区分,一目了然的看到哪些温度条件下,事故易发。 使用条形图对各种天气情况的事故概率进行排序。 对于分布占比使用圆环图。 对比排序使用柱状图或条形图展示。 对事故高发地,高发人员采用词云,直观了解易发地点,易发人员。 2.4.2通过图表的分析,得到以下结论(1)从整体来看 近两年事故总次数为1792起,车辆事故发生率为27.39%,驾驶员事故发生率为19.67%,其中2019年7月事故次数最高,达到1406起事故,受疫情原因影响,2020年2月营运车次数骤减,故2020年2月事故次数最低,随着疫情逐渐稳定,营运车次逐步恢复,事故次数逐步攀升,到2020年8月达到20年的最高值83起。 (2)组织及事故属性维度 从组织维度来看,19年7月,三公司事故概率最高,达到91.43%,通过钻取发现三车队,五车队事故率更是达到100%,事故主要为交通事故,通过钻取发现路口事故占比最高,从事故易发地多为路口也可看出。 事故责任方面,主要责任为无责轻微事故,无费用及千元以下费用占比将近75%,事故虽然次数较多但大多为无责且轻微小事故。 因此需要对以上组织和路口进行重点管控,重点查看由于线路站点位置设置是否合理。 (3)天气维度 从事故发生时天气情况来看,处于左上角区域的阵雪/阵雨/大雪/大雨/暴雨天气事故高发,事故发生率为100%,温度范围为16~30℃,20~35℃时,事故易发,且低温-5~0℃区间,事故也极其易发。从图中温度范围可以看出,事故易发多为温度适宜的春秋季节。 (4)车辆维度 从车辆维度来看,处于右上角重点关注区域的中通,车辆保有量和车辆事故率都最高,钻取发现车型为LCK6127PHEVG的事故概率最高,联动发现车龄为2-5年和5-8年的车辆事故率最高,其中油电混动车辆,气电混动车的事故概率最高。 因此需要对达到使用年限的车辆更换为单一燃料或采购新车时尽量采购单一燃料车辆,降低事故概率。 从车身颜色来看,白色车辆事故率最低,红色次之,因此需要对车身广告颜色与厂商协调行设计调整,降低事故概率。 (5)驾驶员维度 当累计工作时间为0-2,2-4小时时,上午7-9时,极易发生事故,一是由于刚上班,路上车辆及行人极少,二是早班视线不佳,极易发生事故,2-4小时处于驾驶与疲劳期,也极易发生安全事故。对于0-2小时,需要加强教育培训,降低车速,对于2-4小时,则需要根据驾驶员情况,进行排班调整,延长休息时间,降低事故概率。 当年龄处于20-30岁,50岁以上时,事故高发,尤其是在50周岁且驾龄小于10年的情况下,事故概率极高,同样20-30岁,驾龄在2-5年的驾驶员也需要同样注意,需要对此类驾驶员重点进行监管,其车辆应全部配备主动安全监控系统。 从性别来看,男性驾驶员事故概率明显高于女性驾驶员。且联动发现,女性驾驶员事故造成的经济损失和事故性质都明显低于男性,可能和女性天然的细致有关。 对于事故高发驾驶员,如张维奇,刘杰等需要重点关注,如通过教育培训,增加主动安全监控等仍不能降低事故,则考虑其他方式如更换岗位等。 2.4.3.图表 配色设置 设置背景 设置组件标题 设置组件的系列配色 设置组件背景 2.4.4.附上最终作品140020 2.5.总结 通过此次数据分析,对公交公司安全事故涉及的多方面因素进行了分析,尤其联合了天气数据,对分析结果有一定的支撑性。 因为此次缺少了仪表板讲解环节,不得不把很多结论写在仪表板中,为了保持一贯性,缺少了更多的联动分析。在实际工作中会去掉此部分结论,通过多方面数据联合分析,得出专门的数据分析报告。 感谢此次活动组织,允许使用企业脱敏数据。也感谢配合客户,允许使用近两年的事故数据。 140331
【数据追梦人】从一个工厂从业人员到大数据分析工程师的成长之路
时间:现在是2019-11-30日早上05:25分 这是数据追梦人故事最后一天了,周末的早上突然醒来,发现睡不着了,脑海里回想着数据追梦人的事情,于是决定起床把我的故事分享给大家。 ----------------------------我是一条线,我很美,我很华丽-------------------------------------------- 第一阶段:初入江湖 我的专业是家具制造及管理,我现在的岗位是大数据分析工程师。这中间是怎么一步一步跨越的呢,且听我娓娓道来。 时间倒回到12年(倒带倒的有点多哈,但是还是得从这里说起,因为这里是个起点),这一年,我开始接触ERP+MES系统,过程中需要帮处理很多数据问题,包括数据收集,整理,初始化,也需要帮客户完成数据报表,这会的工作工具是自己的系统+EXCEL完成报表样式,交由开发进行,样式还依赖于开发人员完成,效率低下,而且没有样式,现在想想真是及其难看,举个例子来讲,它是这样的: 130240 第二阶段:普通升级(没钱充VIP) 用这样的方式做了好多年,之后有了自定义报表工具,有一定的图表,但是依然很丑,且依然需要SQL,于是熬了好多年,一直到18年。这么多年的过程中,EXCEL是越来越熟练,SQL还基本是略懂皮毛。 到底还是人懒,我想有没有一种东西,可以直接用EXCEL类似功能,不需要熟练SQL,但是又对于我们这种人能用的,好看的高大上的工具。 第三阶段:觅得玄铁重剑 经过我的探索,发现了FineBI,安装完成之后,当时的感觉是这样的 130241 心里想这就是我要的,高大上,好看,简单,好用,完美。先自己研究了一番,错过了第一期的培训班,但是我报名了第二期,当时并不图以后用得着,因为当时的公司太穷了,根本不可能负担的起,但是基于自己业务的需要,领导汇报需要一个图像展示数据分析的结果,而EXCEL明显不具备这么高的逼格,所以我毅然决定报名学习。现在回想真是每一步都踏在了该在的地方。 学习的过程是记忆深刻的,老师布置的作业是难的,印象最深刻的是高铁上在做作业(连续5个小时),好歹是顺利毕业(还拿了一等奖学金),之后是参加社区任务来进行锻炼,培养审美,培养数据分析思维,培养故事讲解的能力,成功用BI分析了客户的报工数据,制定了问题处理方案,在短短数周之间有了效果。这是我第一次看到了数据产生的巨大价值。 130242 第四阶段:人剑合一持续修炼 之后还作为分享人为BI初学者分享了一个《广州二手房交易数据分析》,这中间的过程一步步在提高自己,现在想想当时的每一步都为我的新工作提供了最有利的支持。 学习BI之后,自己开始游刃有余的处理公司客户的数据,但是仅限于汇报用,因为自己公司和客户公司都觉得这东西离他们还很远,有个免费的即可,但是我不认为,我认为这是未来的方向,只有掌握数据,了解数据,才能了解业务,了解问题,所以决定离职,走向真正的数据分析之路。 终于在今年8月,我决定离职,排第一位的公司是当然是帆软(因为中间接触了他们很多人,都很好,态度积极,性格很好),心向往之,想去看看到底是个什么样的公司,但是他们太无情了,拒绝了我。大概意思是嫌我太老了,他们只要帅哥,小鲜肉。当时我的内心是这样的。{:9_257:}{:9_246:} 之后找到了我现在这家公司,基于业务方向的数据分析,要求能通过图表发现问题,并且能指导客户去解决问题,具备方案解决能力,具备实施能力,我想,这不就是说的我么,经过面试之后,成功转行,真正步入数据分析应用的领域。 现在我的图表是这样的: 130243 130244 ---------------------------------------------------------我是一根线,我也很美------------------------------------- 数据才是真正的线索,我们需要剥开数据的迷雾,找到真实的业务线索,从而牵一发而动全身帮助企业进行改革,预防和解决问题。这就是我为什么从一个基础业务人员慢慢逐步转向数据的原因,数据给了我方向,我会继续沿着这条路前进,借助数据成为真正的业务专家。
BI带来的项目经理价值提升——BI工程师实战班学习分享
第一部分:和FineBI的初次见面之旅 现在依然清晰地记得,那是一个下午,项目正式上线一月有余了,数据量突破万级,却不知道要分析什么数据给客户,跟产品经理讨论、思考了将近一个下午,决定暂时搁置这个数据分析报告。但是对于项目经理的我来说,一个月了客户拿不到分析数据,非常打脸。于是我开始百度,大数据分析到底要分析什么内容、怎么分析、用什么工具分析等一系列问题。 问题搜索之后,有一个东西映入眼帘——FineReport。查了一下个人使用免费,随即下载试用,但不知道是个人理解问题还是其他原因,没能成功连接数据库,首次尝试失败。 三天之后,帆软销售电话咨询使用FineReport的原因,我回答是个人研究。之后再次百度了解到,帆软软件在中国BI市场占有率第一,我决定再次尝试一下。于是我好奇试了试销售人员电话添加微信好友,没想到很快同意了。于是我开始咨询产品使用问题,销售人员给的建议是,你为什么不用FineBI,那个上手容易简单。至此,FineBI出现在了我的眼前。之后才发现,她是那么漂亮、简单、纯粹,就像你看见了一位美少女一样。 第二部分:FineBI工具及培训班带来的一些变化 在认识FineBI之后,我下载了4.1版本,尝试做了几个可视化组件(做的及其丑,所以就叫组件吧),发现有点难,第二次放弃了。 之后看之前那个销售同事朋友圈,发现居然有培训,可是第一期报名时间已过,甚至都结课了,我很郁闷,随手填了一份问卷,说是有时间参加第二期培训。若干天之后,收到工作人员确认报名意向的电话,我立刻同意,加微信、充值、缴费一气呵成。当时那个激动不亚于收到大学录取通知书啊。于是就变成了第二期也就是1901期学员。 参加BI课程培训过程中,困难重重,中间有个过年,之前各种努力,经常一个人对着老师布置的题目发呆,但是当做出来的时候,那个成就感和满足感可以抵挡一切。晚上晚睡,早上早起,彻底把我从一个赖床的人变成了一个坚持早起的人,直到现在依然每天早起学习一个小时然后吃早饭去上班,这是带给我的第一个巨大改变,这个收益之大是我现在还无法想象的。(这里可以补充一下,时间真的就像海绵里的水,挤挤还是会有的。举个例子,我出差到北京,高铁上做了5个小时的作业,所以说自己没时间,可能只是你的借口。) 随着课程逐渐深入,马步扎好了,要打组合拳了。通过一个个案例、工作总结,掌握了一个通用的问题分析思路,这时候也逐渐明白了,可视化是一个工具,背后是分析的思路。这是非常关键的一个转变,千万不要以为可视化是一个结果,那个漂亮的高大上的可视化永远只是一个工具,通过工具背后的思路,我们可以发现很多的业务问题、管理问题,从而快速做出响应,做出有价值的决策。这是我认为BI工具可视化的重要作用。 第三部分:利用工具如何提升个人价值 在课程最后,有一个课程作业,是自己的工作总结。我做了我们项目的一个总结汇报,汇报给客户,并指出了其中的一些问题。紧接着,我就其中一个报工问题,做了一个专题可视化仪表板,并就其中的思路及问题通过故事讲解方式,与客户主要领导进行了沟通。客户领导马上意识到了问题所在以及问题的严重性,并和我讨论制定出了一套方案,包括系统方面以及现场管理方面的管理措施。经过半个多月的推进实施,现在这个问题已经基本解决,报工的准确率平均值已经提升到了85%以上。同时,客户也倾向于分析更高层面的数据,比如工资产值比,用工成本等数据,并能分析制定出管理措施去改进、去提高。这对于企业管理来说,能很快地发现问题并定位原因,这一点对于企业管理效率的提升是非常大的。等这一个思维形成习惯,其实就是科学管理,数据化管理,我认为这才是数据的价值,它给企业带来的管理改变,给个人带来受尊重的价值,是无法估量的。现在再做任何涉及到项目及生产的管理决策时,客户往往先询问我,希望我能从数据方面给出支持和意见。以上就是工具对我个人价值的提升。附上个人做的那个仪表板,也有幸被帆软官方看中,发了一个帖子,有兴趣的同学可以点此链接了解一下:(【每周可视化精选】企业车间报工准确率分析 ) 126488 以上就是我的学习分享,最后用Royide老师的一句话总结一下:知识就是财富,希望同学们能保持一颗终身学习的心态,莫问前程,勇往直前! 这句话很受用的哦! 附课程地址,有兴趣的可以了解一下:BI工程师从入门到精通实战班 126490 更多推荐: 一个工具带来的思维转变——BI工程师实战班学习分享 一个企业IT人员的数据分析学习之旅——BI工程师实战班学习分享
个人成就
内容被浏览59,382
加入社区5年223天
返回顶部