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
一切都值得(uid:186120)
个人标签:数据分析,数据可视化,数据中台,数据运营,数据管理 职业资格认证:FCA-FineBI | FCP-业务分析师 | FCP-FineBI | FCP-报表开发工程师 | FCP-零代码开发工程师
何为数据分析?
首先,在统计学领域里, 数据分析大概可以分为 描述性数据分析、探索性数据分析 和 验证性数据分析。   而数据分析的目的和作用, 包括 监控现状、分析原因 以及 预测未来。   数据分析一定是为了为了透过数据, 提出建议去解决问题的,是对公司(或者管理者以及其他人群)未来的战略和决策发挥重要、积极作用的。   千万别把 数据可视化 和 数据分析 画了等号。
【2023BI数据分析大赛】基于某服装店销售数据的分析方法应用
团队介绍   1、参赛队伍         ①队长,一切都值得。某世界500强医疗板块数据搬运工。擅长电商零售、快时尚、房产建筑、通讯、医疗等行业领域的数据分析,熟练使用帆软各种工具,和帆软接触已多达6年有余。         ②成员,王阳阳。某世界500强公司区域高级财务经理,对公司经营、财务管理、预算管理等均有丰富经验,接触帆软3年+,成为不断向身边人安利,推广帆软的一份子。         ③成员,Joy。某世界500强财务共享服务中心资金结算部门负责人,拥有丰富的大数据分析、大型团队运营管理、资金业务管控经验。接触帆软3年+,日常使用帆软得心应手,快乐地享受着这个工具带来的工作便利以及效率。         ④成员,xxxr。现就职于某世界500强央企,某医疗板块医院信息科高级数据分析师、数据产品经理。擅长电商零售、快时尚、房产建筑领域的数据分析,帆软工具管理员,同时擅长FineReport和FineBI两个工具。   2、参赛初衷         BI佐罗曾说过,数据分析的本质和核心是对比。回头想想,无论咱们平时用折线图做趋势分析,用柱形图做对比分析,用饼图做占比分析,还是四象限、帕累托等各种分析方法,本质依然是对比分析。         数据进行对比,才能突出它的“好”与“坏”、“优”与“劣”,只有对比才赋予了数据真正的意义和灵魂。那么,本作品的种种经典数据分析方法的应用,回归本质是不是也是数据的对比呢?         数据分析方法多种多样,应用场景复杂,“变式”较多。各种方法帆软论坛课程、文档均有讲解,甚至往届很多作品也有专题分析,但相对比较零散。         本作品的主要目的是基于某服装店的销售数据,使用描述统计、假设验证、探索分析、四象限分析、帕累托分析、RFM模型、关联分析(购物篮分析)、目标分析(子弹图)等多种数据分析方法进行数据分析,方便大家通过一篇作品便掌握常用的数据分析方法的原理、应用背景、操作过程等。   摘 要       本作品基于某服装公司佛山某门店2022年3月的销售数据,以公司执行“目标考核”和促进“连带销售”两个销售“制度”为出发点,通过描述统计、假设验证、探索性分析、四象限分析、帕累托分析 RFM模型、关联分析、子弹图等分析方法,发现目标达成问题、产品销售问题和连带销售问题,并提出了适当提升鞋子类产品的销售价格、重视会员管理、挖掘金牛产品和结合支持度、置信度和提升度共同分析促进连带销售等建议。         过程中,利用子弹图和对比分析得出整体目标完成较好,但鞋子类完成不高的结论,并进行了进一步的探索分析和假设验证;利用帕累托分析和四象限图分析发现运动鞋、夹克、卫衣、牛仔裤以及短袖T恤是该门店的主产品且为明星产品,但门店存在缺少金牛产品的问题;利用RFM模型发现该门店不太重视会员的维护管理;利用关联分析,发现了部分较高捆绑销售的产品组合。   关键字:描述统计     假设验证     四象限分析     帕累托     RFM模型     关联分析     子弹图   Abstract Based on the sales data of a store in Foshan in March 2022, this work takes the company's implementation of the two sales "systems" of "target assessment" and promotion of "associated sales" as the starting point, and through the analysis methods of Through descriptive statistics, hypothesis verification, four-quadrant analysis, Pareto analysis, RFM model, correlation analysis, bullet diagrams and other analytical methods, the company found target achievement problems, product sales problems and associated sales problems, and put forward recommendations such as appropriately raising the sales price of shoes, paying attention to member management, exploring golden calf products, and combining the analysis of the degree of support, confidence and enhancement to promote the associated sales.   During the process, bullet diagrams and comparative analysis were used to conclude that the overall target was well accomplished, but the shoes category was not, and further exploration analysis and hypothesis validation were carried out; Pareto analysis and four-quadrant diagrams were used to find that sneakers, jackets, sweatshirts, jeans and short-sleeved T-shirts were the main products of the store and were star products, but there was a lack of golden calf products in the store; RFM model was used to find that the store did not pay much attention to member maintenance management. Using RFM model, it is found that the store does not pay much attention to the maintenance and management of members; using correlation analysis, it is found that some of the product combinations with higher bundled sales.   Keywords: descriptive statistics, hypothesis validation, four-quadrant analysis, Pareto analysis, RFM model, correlation analysis, bullet diagrams.     一、业务背景         2022年,某服装公司开始对店铺进行目标考核,其中完成80%以上,员工绩效系数为1.1;完成90%以上,员工绩效系数为1.2;超过100%员工绩效系数为1.5;之后每超过10%,绩效系数多加0.2。         为了避免店铺团队中出现“吃大锅饭”的情况出现,促进相互督促进步,公司决定对每个店铺的成员进行业绩晾晒排名。         同时,为了进一步提升公司的整体业绩,店铺开始特别注重连带销售,并对员工的连带销售行为进行10元/单的奖励。         为了更好的执行以上考核、奖励制度,公司总部商品部的数据分析师对每个门店进行了销售数据分析和和问题反馈。(本作品根据其真实的业务背景和脱敏的数据“改编”而成。)   二、数据说明   1、销售明细       销售数据主要包括销售日期、订单号、员工信息、产品信息、顾客信息和价格、销量、金额等字段。该数据本作品主要用于四象限分析、帕累托分析、RFM模型和关联分析。    2、目标数据       目标数据包括类别、目标金额两个字段。本作品结合销售数据利用子弹图对其进行目标达成率展示和探索分析。   三、数据加工             本作品的数据加工过程较为复杂,且步骤过多,篇幅太长,特别是RFM模型和关联分析模型的搭建过程。为不影响评委老师和各位网友阅读本作品关键信息,故采用附件的方式放在作品最后。若感兴趣,可翻到作品最后进行查阅。         以下直接展示子弹图数据集、RFM模型数据集、关联分析数据集的最终加工的结果:   1、子弹图分析数据集   2、RFM模型数据集   3、关联分析数据集   四、分析过程 1、描述统计   (1)分析目的       通过描述统计,特别是平均数和标准差,以及销售金额的分布状态,大致整体掌握门店的销售情况,形成初步的结论,方便后续并对其展开进一步的分析。   (2)方法简介       描述统计是通过图表或数学方法,对数据资料进行整理、分析,并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。       描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。       其中,集中趋势最具代表的是平均数、中位数,离中趋势最具代表的包括方差、标准差和变异系数。   (3)分析结论       根据统计描述结果,其集中趋势中的指标平均数为351.14元,中位数为310.8元;其离中趋势的指标最小值为19.6元,最大值为1076.2元,极差为1056.6元,标准差为209.91。       由下图可知,该店铺的销售价格主要集中在200-500元之间,共773单。其分布呈现明显的左偏分布。       从其分布和描述统计结果可知,价格的分布呈现偏态形状,较为离散。究其原因,是因为该门店存在部分配套配饰品销售且价格相对较低的原因造成的。   2、目标分析   (1)分析目的       本作品利用子弹图进行目标金额和实际销售的对比,直观展示各个类别产品的达成情况,突出显示未达成目标的类别,以便更进一步的探索分析。   (2)方法简介       子弹图是一个可视化实际与目标完成情况的图表,它的外形很像子弹射出后带出的轨道,所以叫做子弹图。子弹图的外表上有点类似条形图(柱形图),但是信息量比条形图更多。 (上图黑白子弹图为百度百科示例,非本作品组件)       通过子弹图,我们不仅可以看到实际数值的大小与等级,还能与目标值比较(是未达目标、达到目标,还是超过目标)。因此,它经常被用在销售、报表、KPI考核等场景。   (3)分析结论             ①结果:通过以上分析表格和子弹图可比较直观的显示,该店铺整体目标达成率较好,达到了94.5%,当月该店铺员工的绩效系数为1.2。其中,服装类的销售目标超过了100%,但配饰销售不达标低于60%,鞋子类的销售目标达成率也只有81%。             ②问题:总体目标94.5%,未能完成当月目标考核;装饰品、鞋子类目标达成率较低。        ③原因:鞋子类产品过度打折销售,导致门店当月销售目标未能完成。(下文验证)             因为配饰的销售占比较小,且非业绩主要贡献产品。故以下只对鞋子类销售目标不太理想的情况进行深入的探索分析。   3、假设验证(探索分析)   (1)原因假设       总体目标或者鞋子类目标完成率未达成,主要是由于过度打折销售造成的。(据了解,该店铺每个月的鞋子类产品销量比较稳定,故作品只从折扣一个角度进行探索分析)   (2)分析过程       将服装、配饰、鞋子三种品类的打折情况,利用柱形图进行对比分析。其中,折扣的计算公式为:折扣=单价/吊牌价。 (3)分析结论         ①验证结论:对比分析显示,鞋子的销售折扣最高(即打折最厉害),为7.5折左右;服装折扣则为8折左右。即,假设“总体目标或者鞋子类目标完成率未达成,主要是由于过度打折销售造成的”成立!         ②策略建议:为下个月继续冲击100%的目标达成率,可适当减少折扣活动,或者打折力度可以适当缓缓。而后一个月,再根据需求价格弹性指数来决定是降价促销还是升价的决定。   (4)篇外知识       需求弹性是指市场上消费者对于价格变动的反应程度,而销售收入则是企业售出产品的收益总和,需求弹性和销售收入存在着密切的关系。       当产品的需求弹性较大时,产品价格的变动会引起消费者购买数量的较大波动,即价格上涨消费者购买量下降,价格下降消费者购买量上涨。当企业希望提高销售收入时,若该产品需求弹性较大,那么企业可以适当降价以吸引更多消费者购买,从而通过降价的方式提高销售量和销售收入。反之,当产品的需求弹性较小时,即消费者对产品价格变动不敏感,无论价格如何变化,消费者购买数量变化不大。此时企业想要提高销售收入,涨价对销售量的影响并不大,企业可以通过适当涨价,来获取更多的销售量和销售收入。       需要注意的是,在实际经营过程中,需求弹性经常会随着时间、市场环境、竞争情况等因素而发生改变。企业需要依据实际情况不断调整产品价格策略,以获取更好的销售收益。   4、帕累托分析   (1)分析目的       作品中该分析方法应用的目的是为了抓住重点产品,从众多产品中抓取有限数量以提升门店的整体业绩。   (2)方法简介       帕累托分析,又成二八原则、主次因素分析法,是一种得到广泛应用的统计学分析方法。具体来说,指20%的投入可以产出80%的效果。   (3)分析结论       ①结果:从以上数据结果显示,运动鞋、夹克、卫衣、牛仔裤以及短袖T恤是该门店的主产品,其销售贡献率(累计销售占比)超过了80%,其余产品销售不到20%。         ②问题:产品之间的销售差距较大,头尾效益较为明显。         ③原因:公司产品研发重心偏向运动鞋、夹克、卫衣、牛仔裤以及短袖T恤这些产品,装饰品只是作为连带销售的“添头”,同时受季节因素等影响长袖、外套等销售不明显。         ④建议:对运动鞋、夹克、卫衣、牛仔裤以及短袖T恤主产品进行重点管理和陈列。同时,结合上述鞋类的目标达成率较低的现状,建议着重管理鞋子类的销售,并做好库存保障工作,同时要时刻关注市场流行因素和款式的变化,挖掘尾部产品的市场价值。   5、四象限分析   (1)分析目的       作为一种策略分析模型,本作品利用四象限分析法可以使门店使用两个维度分析业务、产品的表现,协助其更好的进行资源分配、问题诊断。   (2)方法简介             四象限分析方法由波士顿矩阵图演变而来。波士顿矩阵法可以用于许多方面,在使用波士顿矩阵法中,企业可将产品按各自的业务增长率和市场占有率纳入不同象限,使企业现有产品组合清晰可知。同时可以对处于不同象限的产品做出不同的经营决策,从而保证产品组合的投资合理性,实现产品及资源分配结构的良性循环。   (3)分析结论 说明:作品用销量占比和销售额占比两个派生指标进行四象限分析,结合波士顿矩阵的思想原理。         ①结果:波士顿矩阵图数据结果显示,该门店的运动鞋、夹克、卫衣、牛仔裤以及短袖T恤位于第一象限,是该门店的明星产品,其余为瘦狗产品。         ②问题:产品结构不合理,如缺少金牛产品等。         ③原因:产品研发、产品设计团队投入力度不足;市场部人员不足,市场流行样板更新缓慢等。         ③建议:       针对明星产品,要以提高门店的相对市场占有率为目标,甚至不吝放弃短期收益,以长期收益为目标。四象限分析和帕累托分析的结果和结论一致,验证了作品数据分析结果的准确性。       针对剩余瘦狗产品,建议门店进行适当的清理和撤销某些产品,减轻负担,以便将有限的资源用于收益较高的业务。一个企业必须对其品牌业务进行收放与缩减的调整,以使其投资组合趋于合理。       该门店存在一个较大的问题,缺少短期获利(提高业绩)的金牛产品。加大研发、设计投入,时刻关注市场流行因素,做好当季流行款式的研发。此举目的主要是为了获得短期收益,在短期内尽可能地得到最大限度的现金收入,以便更容易完成公司的绩效考核目标。   6、RFM模型   (1)分析目的       RFM模型较为动态地显示了一个客户的全部轮廓。本作品通过该分析方法的结果,对个性化的沟通和服务提供依据。同时,如果与该客户打交道的时间足够长,也能够较为精确地判断该客户的长期价值(甚至是终身价值),通过改善三项指标的状况,从而为更多的营销决策提供支持。   (2)方法简介       RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。并针对不同的客户分类采取不同的营销模式。例如:       ①重要价值客户(111):最近消费时间近、消费频次和消费金额都很高,必须是VIP。       ②重要保持客户(011):最近消费时间较远,但消费频次和金额都很高,说明这是个一段时间没来的忠诚客户,我们需要主动和他保持联系。       ③重要发展客户(101):最近消费时间较近、消费金额高,但频次不高,忠诚度不高,很有潜力的用户,必须重点发展。       ④重要挽留客户(001):最近消费时间较远、消费频次不高,但消费金额高的用户,可能是将要流失或者已经要流失的用户,应当给予挽留措施。   (3)分析结论 说明:RFM指标计算过程见附录数据加工部分         ①结果:RFM模型结果显示,该门店的重要价值客户和重要保持客户,加起来不到0.4%。但,重要发展客户和重要挽留客户占比较多,应该做好发展和挽留工作。(该作品数据只有2022年3月一个月的数据,所以本专题的RFM模型结论只作为参考)         ②问题:重要价值客户和重要保持客户占比太少,客户复购情况不太理想,客户“流失”情况较为严重。         ③原因:门店处在禅城中心地段,人流量非常大,故“一次性”游客较多;同时,因为客流量大的原因,该公司(门店)并不太重视会员的维护。         ④建议:“吸引一个最近个月前才上门的顾客购买,比吸引一个一年多以前来过的顾客要容易得多”。想要门店能够可持续发展,公司应该有居安思危的策略,要重视会员管理,门店应该与顾客建立长期的关系,而不仅是卖东西会让顾客持续保持往来,要定期进行会员活动,并赢得他们的忠诚度。(哪天人流量没那么多了也不一定,现在门店只是吃了地理位置的红利而已!)   7、购物篮分析   (1)分析目的       从交易数据中,发现不同商品之间的联系,挖掘顾客的购买潜力,调整产品的陈列布局,提高销售连带率,从而促进销售的提升。   (2)方法简介       关联分析的起源是啤酒和尿布的故事。是指通过研究用户消费数据,将不同商品之间进行关联,并挖掘二者之间联系的分析方法,即购物篮分析。       购物篮分析主要是为了研究以下几个问题问题:       ①找出顾客购买行为的模式,比如用户买了A商品,是否会对B商品产生什么影响?       ②不同的用户是否具有不同的购买模式?       ③哪些产品应该放在一起捆绑销售? 说明:购物篮分析相关指标计算过程见附录数据加工部分   (3)分析结论         ①结果:从以上分析结果可知,在STY1267这款夹克的所有购买顾客中,有59%的顾客也购买了STY1288这款牛仔裤,两者之间具有较强的关联性;除了STY1267和STY1288两个产品外,其他产品的销售关联度普遍不高。         ②问题:该门店产品的连带销售情况并不理想。         ③原因:连带营销策略不足;不太重视产品的陈列;模特搭配较少;店员服务水平不高。         ④建议:在库存满足的情况下,在空间运行的情况下,重视产品的陈列,同时可在店铺橱窗以模特搭配出样展示,促进连带销售,产出更多的业绩,促进考核目标的达成。另外,应该重视买一送一等连带销售的促销活动,以及提高门店成员的服务水平让客户产生信任等。             需要指出的是,并不是所有的关联都是有效的。有时候产品A和产品B完成出现相同的顾客购物篮中,可能由于只有一个顾客购买了这两个产品,基数太小导致不具有参考价值。因此,在分析过程中,一定要结合支持度、置信度和提升度一起来分析。   8、其他分析             从上图可知,员工SS0036当月销售额排名最后,且销售额不到第一名的1/10之一。其原因是因为SS0036为新员工,刚培训完调到该店铺帮忙。         差距太过明显,不利于团队和谐发展。         老员工应做好帮带活动,并“分享”部分个人业绩,提升其个人信心,早日发挥其个人作用,补齐短板,注重讲究团结共同完成店铺业绩。   五、结论建议         本作品结合“目标考核”和“连带销售”两个制度为出发点,以提高门店业绩和连带率为目的,结合多种数据分析方法得出以下主要结论建议。 研究问题 分析方法 数据结果与结论 建议与改进措施 目标达成 子弹图、假设验证 鞋子折扣较低导致目标达成不理想 加价,根据需求弹性调整 产品销售 帕累托、四象限分析 主产品和明星产品一致,缺少金牛产品 挖掘市场流行金牛产品 会员管理 RFM模型 缺少价值客户,门店不太重视会员管理 重视管理,做好发展挽留 连带销售 购物篮(关联)分析 门店连带销售情况不理想 多指标分析,重视陈列、服务 (此章节为总结性结论,具体可看分析过程)   六、写在最后   1、参赛感言         累并快乐着,4个不知疲倦的家伙,因为队友王阳阳和其老同学聊天,获得了一份具有“灵感”的数据,所以又临时决定组队,“再”弄一份参赛作品。然而灵感是灵感,落地却没那么简单。         首先,RFM模型和购物篮的数据集加工过程,又长又臭。因为分析过程检查发现很多异常数据,所以过程还出现过几次回头修正数据集的情况。         其次,因为作品突出的是用一篇作品来进行多个常见数据分析方法的“串烧”。所以,得参考很多很多的资料,包括书籍、知乎、帆软社区的帮助文档等,再后才转换成通俗的语言以减少读者和评委的理解成本。         最后,很多操作细节只有队友一切都值得才清楚,但因为不在同一个地方办公,所以其中的沟通成本大到无法想象,甚至一度想要放弃了。         作品最后能发表,是基于我们这群人对数据分析(qian)的热爱,对于帆软BI工具的痴迷。虽然DEF函数帮助文档还不完善和全面,虽然新版本的书籍也还没有(这也是我们给帆软提的建议)。但是,通过平时的学习和此次比赛的历练也都掌握得七七八八了。   2、作品亮点         因为临时组队决定创作一篇“不一样”的作品的原因,所以作品可能还有很多瑕疵,但作品最大的亮点最后还是再次强调——通过一篇比赛作品的篇幅,集合了多种常用的数据分析方法。并且,以通俗易懂的短暂篇幅介绍了这些数据分析方法的使用原理和具体应用。         描述统计、假设验证、探索分析、子弹图、帕累托分析、四象限分析、关联分析、购物篮分析、RFM模型等分析方法在大家提交的很多作品中都有应用,但本作品是它们的“串烧”。以业务背景的“目标考核”和“连带销售”为出发点,以各种分析方法为抓手,一步步从不同的角度和方法展开分析,分析过程采用“结果-问题-原因-建议”的分析思路,最后结论建议也回归到“目标考核”和“连带销售”两个出发点。         本作品采用了“描述性数据分析”、“探索性数据分析”和“验证性数据分析”等型式,是多种数据分析报告类型和分析方法的综合应用。同时,为了保持整个仪表板的布局合理、突出核心。放弃了以往一窝蜂的多组件多文字往里面堆的风格,避免了阅读骚扰,直接开门见山、突出重点和核心。   七、作品展示   八、附录   1、参考文献   (1)知乎,https://zhuanlan.zhihu.com/p/556216877 购物篮分析,作者王一晨 (2)清华大学出版社,《数据分析思维之分析方法和业务知识》,作者猴子 (3)电子工业出版社,《写给UI设计师看的数据可视化设计》,作者吴星辰 (4)电子工业出版社,《数据化管理》,作者黄成明 (5)帆软文档,https://help.fanruan.com/finebi/doc-view-703.html?source=4 RFM分析 (6)帆软文档,https://help.fanruan.com/finebi/doc-view-1195.html 购物篮分析   2、数据加工   A.RFM模型 (1)分组汇总 (2)添加指标(新增列):最近一次消费距今(2022年4月1日)的天数 (3)添加指标(新增列):所有用户的消费金额 (4)添加指标(新增列):所有用户的消费总次数 (5)添加指标(新增列):用户平均消费金额 添加指标(新增列):用户平均消费次数 添加指标(新增列):最近一次消费距今平均天数 添加指标(新增列):R、F、M 客户分类 B.购物篮分析 (1)字段设置:选择订单号、货号 (2)左右合并 字段设置 添加字段:购买A的订单数 添加字段:购买B的订单数 添加字段:同时购买A和B的订单数 添加字段:总订单数 添加字段:支持度 添加字段:置信度 添加字段:提升度 过滤 C.模型视图
【2023BI数据分析大赛】资深HR,是这么做数据分析的
团队信息       ①队名:“和”作“云”快       ②队长:张凌云,现就职于北京某央企,5年的HR岗位经验。       ③成员:李和平,现就职于广州某央企,数据搬运工岗位。 参赛初衷        团队的组建源自于两个“不务正业”的人。一个热衷于研究数据分析的HR、一个拿下人力资源管理师的数据“搬运工”,在各自的职业领域,努力的向另外的领域开疆扩土。       本着“存在即是合理,遇见就是缘分”的原则,自此精诚合作,互捧互损,共同朝着“在对方的领域绽放异彩”的目标,奋勇前进。   一、作品概述         人力资源管理知识体系,主要包括 人力资源规划(供需规划)、人员甄选(招聘等)、绩效管理、薪酬管理、培训与开发、劳动关系 等。人力资源管理就是通过招聘、甄选、培开、薪酬、绩效、职业规划等管理形式对企业相关人力资源进行有效运用,满足企业当期及未来发展的需要,并保证企业目标实现的一些列活动的总称。         本作品通过FineBI工具,分别对某企业的招聘、培训、薪酬等人力资源管理环节进行数据分析和可视化展示,介绍与之相关的人力资源管理思路、方法,并提出具有建设性的建议。     二、数据说明 2.1关键指标   2.2整理步骤 1、招聘渠道分析:添加面试率、复试率、通过率指标。   2、招聘质量分析:添加完成率、到位率、转正率、留存率等指标。   3、招聘成本分析:添加经济成本和时间成本指标。 (1)招聘经济成本 (2)招聘时间成本   4、培训质量与参与度分析:添加培训覆盖率、出勤率和合格率指标。   5、培训费用与产出分析:添加人均培训费用和投入产出比指标。   6、薪酬偏离度分析:添加外部偏离度、外部竞争性、内部偏离度、内部公平性指标。 (1)外部竞争性计算逻辑: IF(外部偏离度< 1,"差",IF(外部偏离度<= 1.1,"良","优")) (2)内部公平性计算逻辑: IF(AND(内部偏离度>=0.98,内部偏离度<=1.02),"优",IF(AND(内部偏离度>=0.95,内部偏离度<=1.05),"良","差"))   7、薪酬结构分析:行列转置。   三、分析思路   四、分析过程 4.1招聘专题       招聘是企业及时寻找、吸引并鼓励符合要求的人员到企业任职和工作的过程,是企业人力资源管理中的一个重要环节。企业通过对招聘数据进行分析,可以直观的理解招聘渠道、招聘成本以及招聘质量的情况。   1、招聘渠道分析       招聘渠道即招聘人员的路径,企业选择招聘渠道时不仅要考虑经济性,首先更应该看重渠道的可行性,即哪种渠道可以带来更多的面试人员。企业通过数据分析,可以了解各种招聘渠道的岗位贡献情况和实际表现情况。   (1)招聘渠道岗位贡献分析       招聘渠道的岗位贡献分析是指对各个渠道为各个岗位带来的面试人员的数量情况进行分析,找出最能吸引面试人员的渠道。       总体而言,网上招聘、中介机构、媒体广告和人才招聘会都能为企业带来一定的面试人数,其中,BOSS直聘、猎聘和前程无忧等网上招聘吸引的面试人数最多,内部推荐相对较少。但具体选择哪种或哪些渠道,还需要进一步分析渠道的实际表现、质量等因素。   (2)招聘渠道实际表现分析       招聘渠道的实际表现分析是指借助面试参与率、复试率和通过率等指标分析各个渠道带来的人员在各个环节的表现情况,以找出企业需要的优质渠道。       总体而言,人才的招牌质量普遍偏低。内部推荐渠道的表现是最好的,但从上述分析结果可知,内推数量有限(进一步了解,是由于内推报酬不高原因造成的);其次是,网上招聘和校园招聘相对较好;人才招聘会和媒体广告两个渠道的表现相对较差。       人才招聘质量较低的原因可能包括:岗位实际需求和岗位发布信息不符合,简历筛选、人才测评或面试的专业性较差,背景调查工作质量较低,招聘人员的工作态度或者专业能力较差。   2、招聘成本分析       招聘成本不仅包括经济成本,也包括时间成本,企业需要充分考虑这两项成本才能选择出最有利的招聘渠道。其中:       ①单位简历成本:反映每产生一个面试者需要的成本。       ②人均招聘成本:反映每产生一个入职者需要的成本。       ③时间成本:应聘人员从参与面试到正式入职所花费的时间,一般按天数计算。   (1)招聘经济成本       其中,不考虑其他因素的情况下,按单位简历成本最有选择排名为:网上招聘、内部推荐、人才招聘会、校园招聘、媒体广告、中介结构。   (2)招聘时间成本       总体而言,中介机构(猎头)推荐的面试者,所花费的时间成本最低,若是用人部门提出急招需求,在经济成本预算内,可以有限考虑中介机构;校园招聘成本最高,超过20天。         忽略实际表现的前提下,在同时综合考虑经济成本和时间成本的情况下,可优先选择媒体广告、人才招聘会、网上招聘、内推。   3、招聘质量分析       招聘质量分享可以对企业组织的某次招聘活动的最终结果进行分析,从而判断此次招聘活动的质量高低,如招聘完成情况、员工到位情况、员工留存情况等。       从上图可知,各岗位的完成率都相对较好,完成率最高的是财务类岗位,到位率最高的是行政类岗位,转正率最高的是技术类岗位,留存率最高的是行政类岗位。         总体来说,该企业招聘行政类和技术类员工的质量相对较好,而招聘销售类和财务类员工的质量相对较差。         销售类岗位的留存率最低,说明员工的满意度较低,企业需要结合人员培养、薪酬等因素及时找出并分析离职原因,从而采取补救措施。   4.2培训专题       企业为了提高员工的素质、能力和工作绩效,会实施有计划的、系统的培训和训练活动,这就是企业培训。企业通过对培训数据的分析,能更加直观地了解此次培训活动的具体情况,如培训质量、培训参与度、培训费用、培训产出情况等。   1、培训质量与参与度分析       企业开展培训活动后,应该对培训的质量和参与度进行分析,如果质量较低、参与度不足,那么在下一次开展培训活动之前,就能够有针对性地对培训内容进行改善,以修正这些方面的不足。       ①培训覆盖率:指参加培训的员工人数占在职员工总人数的比率。       ②培训出勤率:指实际参加培训的员工人数占计划参加培训的员工人数的比率。       ③培训合格率:指通过培训测试的员工人数占实际参加培训的员工人数的比率。       从上图可知,各岗位的培训出勤率都较高,说明计划参与培训的员工的积极性都很高,该企业的培训活动深得人心;从培训覆盖率来看,财务、技术类覆盖率不够,需要重点加强宣传;从培训合格率来看,财务岗位培训合格率高达100%,说明参与培训的员工都能顺利通过考核、测试,这充分反映了企业在财务管理方面做得很好。         但是,行政类、销售类和技术类等岗位的培训合格率在50%上下,建议继续加强对员工的培训和指导,进一步提供培训导师的专业性。   2、培训费用与产出分析       培训费用与产出可以反映企业开展培训花费的成本和得到的效果,是企业培训数据分析的重要方面。(由于销售部门比较容易量化,故本作品只对销售部门进行分析。)其指标计算逻辑如下: 人均培训费用:指每位员工平均花费的培训费用。 培训投入产出率:指企业在一定时期内的营业额与该时期内的培训费用总额之比。       从上图可知,华中地区的人均培训费用最高,但培训投入产出比最低,每单位的培训费用只能产生27.8单位的销售收入,企业需要重点对华南销售部的培训方案进行调整,降低人均培训费用,提高投入产出比。         相比之下,华南地区的人均培训费用最低,培训投入产出比也相对降低;西南地区的人均培训费用中等水平,但培训的投入产出比最高,此培训方案值得其他地区借鉴。   4.3薪酬专题       企业员工薪酬,不仅仅能反映员工的待遇,更能反映企业所在行业是否具有竞争力、企业内部是否具备公平性、企业运营状况是否良好等,这是人力资源管理中非常重要的内容。   1、薪酬偏离度分析       薪酬偏离度分析的是员工薪酬相对外部市场的薪酬水平和企业内部的薪酬水平偏离程度,以反映出企业薪酬水平的外部竞争性和内部公平性情况。       ①薪酬水平的外部竞争性分析可以反映企业是否有优势吸引外部人才。其中,外部薪酬水平,可以是不同行业的薪酬水平、同行业的薪酬水平、不同地区的薪酬水平等,这几种指标各有其特定的作用。       ②薪酬水平的内部公平性可以反映员工对企业内部其他同岗位员工薪酬水平的态度,如果内部公平性足够,那么员工的工作积极性、团队责任感等都会提高;否则就不利于企业团队建设,甚至导致人才流失。 说明:因数据保密原因,只随机选取4名员工数据进行分析。 (1)外部偏离度分析结论       ①员工钟敏的年薪和同业年薪水平相比较低,说明外部竞争性较差,但偏离程度不大。       ②员工黄磊的年薪与同行业年薪水平相比相对较高,说明具备一定的外部竞争性,但外部偏离度也不大。       ③员工宋晓晓的年薪比同行业年薪水平低,且偏离度也较大,说明外部竞争性较差。       ④员工朱婷的年薪比同行业年薪水平高,外部偏离度也较高,说明外部竞争性较好。       这几名员工中,宋晓晓长期任职的可能性较低,存在随时离职的风险,应做好人员储备,或者根据其综合能力适当提升其薪酬水平;朱婷长期任职的可能性较高。 (2)内部公平性分析结论       ①员工钟敏和黄磊的年薪与企业该等级工资水平中位数相比较高,内部偏离度不大,说明具备一定的内部公平性,特别是钟敏的薪酬具有更好的内部公平性。       ②员工宋晓晓的年薪与企业该等级工资水平中位数相比较低,但内部偏理度不大,同样说明具备一定的内部公平性。       ③员工朱婷虽然年薪比企业该等级工资水平中位数高出很多,但是内部偏离度较大,说明内部公平性差。经进一步了解,朱婷为特优员工(学历、能力等),企业给予了其比较有竞争力的薪酬待遇。       温馨提醒:并不是数据分析结果显示为外部竞争性为“差”或者内部公平性为“差”的就不合理,应进一步了解其背景和情况。但企业也应该避免过多的外部竞争性为“差”或者内部公平性为“差”的情况出现。   2、薪酬结构与变化分析       薪酬结构与变化指标主要体现的是企业的经营状况,企业通过对这些数据进行分析,能够为制订或改善薪酬策略,调整经营方针等提供有力的依据。       以上,为工资总额(年薪)对比情况,其中财务员工工资最低,主要原因包括财务会计专业人员供给饱和,二是该企业每年都有一个会计实习生的原因,拉低了平均年薪,建议该企业剔除实时员工后再进行统计分析,此处不做进一步分析。         结合上文财务类岗位留存率减低的结论,建议该企业适当给财务岗位提供更有竞争力的薪酬待遇,减少招聘成本。         总体来看,薪酬各个项目结构都处于增长的态势,说明该企业的人力成本在增加。其中绩效工资和福利津贴的增长率最高,这也从侧面反应了该企业的效益在不断地增加,企业经营情况较好。         从薪酬结构来看,基本工资和绩效工资占据了员工的大部分比例。就2022年的占比来看,绩效工资占比进一步增加,基本工资小幅度下降,但福利补贴有小幅度上涨,说明企业更加重视人力资源管理,改善了员工的福利津贴。       同时,加班工资占比有所下降,说明在薪酬增长的前提下,员工的工作效率提到了一定的提升,但还是保持在了较高水平,超过10%的占比,加班情况依然较为严重。   五、结论建议 5.1总体性建议       (1)结合招聘分析结果,网上招聘为该企业较优渠道,另外内推的招聘成本、质量和效率较优但数量较少,可适当给予鼓励措施,推广该招聘方式。       (2)结合培训分析结果,总体覆盖率和出勤率较高,合格率较差,不到60%;各岗位培训质量和产出不一,财务合格率较高,其他岗位合格率偏低。       (3)结合薪酬分析结果,该企业依然存在一定的外部偏离性和内部公平性问题,员工总体薪酬有一定幅度的提高,但依然存在较为严重的加班问题。   5.2问题性建议   5.3加强企业人力资源管理的其他建议       根据以上的数据分析和该企业的人力资源管理现状的了解,针对该企业人力资源管理中所发现的一些问题,先提出以下建议工该企业参考。       ①全员参与人力资源管理。人力资源管理不仅仅是HR部门的事,企业的管理者和员工,上至董事长、总经理,下至每个主管及普通员工,都应承担人力资源管理工作。       ②加强企业员工流失监控。针对留存率较低(流失率较高)的销售岗、财务岗,HR部门对已经办理离职和正在办理离职手续的员工进行详细的沟通和交流,尽量避免因缺少辅导和帮助、团队氛围不好缺少活力、晋升渠道不明朗和薪酬待遇不公平等原因造成的离职。       ③丰富员工培训活动课程。HR和管理者应该把培训当成投资认真规划,而不是当做是成本,因为很多情况培训的收益不能马上见效。针对培训合格率较低的问题,应该重新做好课程设计以及授课方式和讲师专业度。同时,培训除了对专业知识、技能等培训,而且还应该特别注重对员工归属感的培训以及综合技能的培训,包括企业文化、沟通协调能力、项目管理能量等。       ④重视企业薪酬待遇改革。企业需重视员工的待遇情况,结合员工情况、企业的发展战略以及外部环境,动态调整薪酬包和薪酬结构,让薪酬管理成为有效的企业管理工具。   六、结果展示 作品链接:https://bisolutions.fanruan.com/webroot/decision/link/bfL3   附录:作品总结PPT(讲解)
求助:关于Excel导入的区分
Excel导入和覆盖导入的区别是?    
【2022BI数据分析大赛】网上超市经营数据分析系统
队长:李和平;队员:赖石娇、闫梦琪、刘安骐;队名:清华北大落榜生。 一、背景介绍 1.1作品引言       这是一份工程量巨大的作品,因为它包括了1个首页+6个主题的内容。本来想早早把作品发出来,带带节奏,提高所有参赛选手的作品质量和创新方式。可因为内容太多,所以拖到了现在才收工。开始,大家还讨论要不要就选择其中一个专题深入分析就好,但后面觉得不够全面不够透彻,同时觉得这有点“配不上”导师这个身份。所以,在达成一致意见后索性就做成一个“分析系统”,把比赛内卷推到顶峰。       作品的思路来源于公司内部用FineReport做的其中一个项目,统一由一个首页跳转到不同的报表界面,这样就很好的解决了数据分析人员、业务人员看相关报表时找不着或者很难找的痛点。因为FineBI主要对象面向于业务人员,于是作品在原来的思路上也做了一定的扩展。为了满足业务人员的学习需求,于是把其中几个强相关的学习地址也通过链接的方式放到了系统首页,这样既满足了业务人员工作的需要,同时还能满足业务人员学习的需要。   1.2业务背景       网上超市是指基于互联网的在线超市销售平台,为消费者提供物美价廉、种类丰富的超市商品批发、零售服务,这是一种新型的购物方式。目前,网络超市的竞争越来越激烈,在这种情况下,经营超市需要的是自身的管理和比其他普通超市优越的赢利点,而不是随波逐流的模仿和跟风。所以,对经营(运营)数据的分析显得尤为重要。       本作品以某超市在2014-2017年共计4年的经营数据作为数据源,结合本公司某零售电商子公司的数据应用项目的分析思路,围绕配送分析、商品分析、利润分析、退货分析、客户分析等方面进行全面深入的分析。全面透彻的掌握经营情况,发现问题、发现爆款、发现利润点,让经营可知可控可预测,让经营因数据分析变变得更加健康。   二、作品框架       作品的内容包括了1个统一入口(含学习链接)首页+6个分析专题,其中这6个分析专题包括了整体核心指标、配送、商品、利润、退货和客户等内容。主要分析内容概述如下:       ①核心指标概览:经营指标汇总;商品销售怎样?经营趋势怎样?       ② 配送数据分析:商品配送延期情况怎样?怎样才能选到最优的快递?       ③商品数据分析:由哪些明星产品和哪些亏损产品?       ④利润数据分析:哪些区域和用户能创造更大的利润?哪些产品利润有问题?       ⑤退货数据分析:退货趋势怎样?退货主要集中在哪些商品?如何避免?       ⑥客户数据分析:消费者分布如何?有哪些消费特征?   三、数据加工       数据来源于某数据产品内置数据库的网上超市经营数据(美国),整个过程包括了解释翻译字段,选择分析字段,删除重复数据,删除无效数据,一致化处理等。最终结果如下。(非作品重点,具体过程略)   四、分析过程 4.1核心指标概览       整体把握核心经营指标,包括销售指标、利润指标和用户指标,同时大体了解商品销售情况以及历史经营情况。       小结:数据结果显示,畅销商品主要集中在技术类产品。从2014年-2017年,经营情况呈现不断增长的趋势。同时,销售具有明显的季节周期规律,第四季度销售增长特别明显,建议提前做好商品库存储备。   4.2配送数据分析       现代的物流配送在区域范围内,根据客户的要求对物品进行挑选,包装,组配等。本作品主要研究各种快递物流的延期情况,以便商家和客户选择更好的快递合作商,避免因为快递物流原因造成的退货发生。       小结:数据结果显示,标准物流的选择占比最高(猜测是因为价格原因),超过了一半,但其延期发货情况较为严重;在不考虑物流价格等其他因素的情况下,建议优先选择一等物流。   4.3商品数据分析     “用数据说话”,用商品销售分析去证明销售成果是非常有说服力的。本次作品中,经过简单的讨论,我们主要围绕各品类销售占比、畅销商品、商品波士顿矩阵和帕累托以及相关明细表等分析方法和数据去发现产品销售的规律。       小结:该超市的明星产品类别主要有手机、餐椅、存储柜等。其中,桌子类虽然销售额占比较大(9.48%),但其利润为负数。同时,特别关注图3波士顿矩阵第二象限的产品,该产品利润非常高,但销售占比却很少,应该继续扩展市场和加大宣传。   4.4利润数据分析       经营的一切着陆点都应该是利润,所以接下来我们要对利润做几个方面的分析,包括区域利润分析,客户利润分析,产品利润分析。       小结:该超市的商品在不同的消费群体、区域的销售利润存在一定的差异。①普通消费者的利润最大,特别是技术和办公产品利润优势特别突出,其次是小型企业,公司利润最小。②区域中,西部市场所获得的利润最大,其次是东部。为了开拓市场和提升例如,建议在中部和南部地区扩建仓库。③家具品类的餐桌、书架产品亏损严重,应重点关注,特别重视物流运输、市场费用和其他成本费用。   4.5退货数据分析       在本作品中,退货分析将围绕退货总体情况、历年退货情况、商品退货情况和退货区域等多个角度进行分析。       小结:①退货金额为5.76万,退货订单为718单,退货数量为2848。②历年以来,退货情况有所好转,用户退货有逐年下降的趋势。③办公用品退货情况较为严重,其中,binders(胶粘)用品极为明显。       数据显示,退货情况较为严重,建议商家通过严把生产(或采购)质量关,减少运输、包装、装卸、配色等环节的失误和损耗,利用信息技术最短路径等方式达到这一目的。   4.6客户数据分析       客户细分是为了能够深度分析客户需求,更好的应对客户需求的变化。通过合理,系统的分析,企业可以知道客户有哪些需求,分析客户的消费特征,更好的为运营提供可供选择的运营策略以及未来规划。       小结:①该超市重要客户占比较大,经营较为健康,应该继续重点关注重要客户,及时提供有效、高质的服务。②普通客户数量409个,占比最多;且其销售金额和销售数量以及订单数等指标也最多,应该作为重点关注和维护对象。   五、结论建议       ①配送专题:数据分析结果显示,除了一等物流,其他类型的物流发货延期较为严重;建议相关工作人员注意监控发货的及时性,同时在不考虑其他因素的情况下推行一等物流,避免因为延期发货而造成的退货现象发生。       ②商品专题:数据显示该超市的明星产品类别主要有手机、餐椅、存储柜等。其中,桌子类虽然销售额占比较大(9.48%),但其利润为负数;建议保障第四季度明星产品的库存,同时对亏损产品做专题诊断。       ③利润专题:该超市的商品在不同的消费群体、区域的销售利润存在一定的差异。消费群体中,普通消费者的利润最大,特别是技术和办公产品利润优势特别突出;区域中,西部市场所获得的利润最大,为了开拓市场和提升例如,建议在中部和南部地区扩建仓库;需要注意,家具品类的餐桌、书架产品亏损严重,应重点关注,特别重视物流运输、市场费用和其他成本费用。       ④退货专题:办公用品退货情况较为严重,其中,binders(胶粘)用品极为明显;建议做好整个供应链环节的数据分析和跟踪动作。       ⑤客户专题:数据显示,重要客户占比较大,且在客户类型中普通客户类型为主要消费群体;建议做好普通客户群体的客情关系维护的同事,发展小企业用户和公司用户。   六、参赛心得      这是第三次带队参加比赛了,是最“折磨”的一次,也是最有成就感的一次。自己一个人带领了十几条队伍,有报告形式类的,有PPT形式类的,有系统类的,虽然内容方面因为公司保密需要的原因,提供的企业案例不多,但作品质量上应该也算是合格,应该勉强对得起导师这个身份。       其实,本作品完成可以把作品内容拆成6个人的6篇作品,大家每个人各自参赛就好了。但为了显示“创新”和“用心”,所以几个人硬是花了整整快一个月坚持了下来(苏瑞老师让我报名导师的时候就开始构思作品了),过程太多感触,在此只说五个字“一切都值得”。感谢队友提供的思路,以及周末的一起战斗。虽然也有小插曲,为了统一配色和风格,大家因为意见不一致,还吵了一架,幸运的是,因为有着同一个目标,大家越吵感情约好。       其实,参加比赛的过程真的很可贵,它会促使你去思考,去创新,去成长。虽然可能这是我的谢幕赛了,但我会一直持续带领更多的伙伴们去参加帆软的数据分析大赛,让大家借助这样的机会和平台更快的成长。         关于FineBI,从4.0用到现在,彼此互相成长,对它的爱,就不在描述。再次借这次BI数据分析大赛的机会,“吐槽”它所欠缺的部分。   l数据管理部分 ① 数据集表头不可直接排序,影响对数据的直接检查(升降序) ② 数据集不可直接导出(有些用户只是想导出即可,做个明细表再导出就多余了) ③ 数据集建立了关联视图后不能直接应用(还需创建自助数据集) ④ 抽数部分(spider)缺少集群功能,单节点太危险(听说后续版本会完善)   l组件(仪表板)部分 ① 组件类型偏少,比缺少甘特图、箱型图、茎叶图、等组件 ② 颜色、形状属性应用组件较少,比如指标卡的上升、下降 ③ 钻取设置还不够简便,可参考tableau实现方式进行完善 ④ 组件样式->格式->显示序号,不能跟随字体的居中设置 ⑤ 仪表板悬浮布局并不友好,可参考FineReport的绝对布局完善   l平台管理部分 ① 非超管不能做资源迁移,造成了极大困扰,各业务中心发版得依赖超管 ② 收到他人的分享仪表板缺少信息提醒,不自己打开查看一下都不知道   七、作品展示 1、分析系统动态展示图     2、作品合并长图
波澜也好,涟漪也罢,记得用心对待
没有波澜也没有涟漪,课程就这样结束了。其实,对于我来说,初衷是想通过业务班来取经,想帆软的老师学习一下面对业务用户,我该以怎样的方式去进行更好的业务使用培训和课程知识点的裁剪。第一视频学习遍过去了,好像和标准班没什么大的区别;于是我再2倍速看了第二遍过去,发现区别就是裁剪了部分比较深入的知识点,作业也稍微没那么难,知识框架和作业量大同小异! 具体学到什么,就不赘述了。没有全部作业得到满分,本来就是一种失败;要是再没有拿第一名,更是一种惨败。最终的结果是,失败了但还好没有惨败。说说自己对课程的一些看法吧! ① 关于入门:其实,业务人员在学习的时候,最希望能最快了解整体的情况。应该花个十分钟左右的时间,把“数据准备→数据加工→数据可视化→数据共享”的总体制作过程大致的了解,并吸引到大家。 ② 关于作业:有一次觉得作业量太大了,总让人有种感觉“建议你们学业可以提,但我们不采纳”。作业应该简练,突出重点知识,剩余的锻炼交给工作中的应用实践吧。我敢保证,很多同学因为作业量放弃了课程的完整学习。 ③ 关于授课:大家交了学费,交过听的永远都是录播课。如果有直播课,加强互动,提问和解答,这种授课方式会不会效果更好呢?当然,这有待尝试和验证! ④ 关于结业:现在的结业标准好像是“作业60分以上”,结业其实以为着在工作上开始应用了。如果把所学的知识融合在工作中,以工作应用作为结业标准的其中一个要求,会不会效果更好呢。 在此多说一句。很想知道,最终报名的有多少人、放弃作业的有多少人、不及格的有多少人,以及咱们帆软的运营团队有没做相应的数据运营,找出原因和整改措施。这样可以给企业做培训推广的有更好的借鉴! 最后,无论课程怎样,大家既然抱着学习和进步的心态来到了这个班级,就算在忙碌也应该去完成自己的学业。对得起自己的报名费和最初的热情。过程中的波澜也好,涟漪也罢,记得用心对待!只要你认真学习,总会学到很多你以前没能掌握或者遗漏的知识,孰能手巧,一遍不行就两遍,只要用心,知识一定会给予你很好的回报!  
一篇读懂零售数据分析
作品结果展示如下:
其实我还不够优秀,你也是
2017年开始接触,2018年深入研究,直到现在的离不开也弃不了。2020年自己分别获得了帆软冬季可视化挑战赛的“企业特别奖”和“十佳数据故事人”。如今,自己也已经成为了公司“自助分析工具”的运营推广主要力量,在公司数字化的道路上承担着重要的任务。 其实,并不是因为自己不会或者有多浓烈的兴趣,才加入FineBI【2102】学习班级。而是因为自己应部门“要求”要在3-5月开设《BI可视化工具应用与运营推广》班级,去提升团队的BI工具应用能力、项目管理能力和运营推广能力。所以,这次系统学习的目的,是因为我觉得自己还不够优秀,是为了查漏补缺,为了让自己在上课过程中面对学员的问题更加的游刃有余。 当然,除此之外。更多的可能也是自己想真正成为FineBI的专家,把相关技术细节都研究透彻,能够更好的为公司可视化开发、数据分析师或者业务人员提供更好的帮助和服务。并且,自己公司前面一期的4个学员(用企业培训基金帮忙报的)的情况都不太妙,要么直接放弃做作业了,要么也都只有七八十分,只有一个坚持到了最后考过了资深认证。他们期间有“求助”过帮忙指导作业怎么做,自己也时不时去研究过,觉得确实有点难度,所以更加想接受这样的挑战,去真正的系统提升自己。 学习期间,我给自己制定了个人学习计划。1、工作日空余时间(主要是中午和晚上)完成课程视频学习及观看直播答疑;2、周末两天必须按照“数据准备-数据加工-数据可视化-数据共享”的思路完成所有的课程作业。哪怕熬夜,也不能拖到工作日;3、对于自己遗漏的知识点,一定得看第二遍并做好笔记。 通过严格实行这个学习计划,课程学习、工作、生活并存,并没有给我造成太大的困扰。并且自己还同时报了数据运营官的课程(过年假期因要求老师提前给我开放所有视频看完,作业待完成而已),平时偶尔还在班级群里回答一些问题,帮助大家了解产品或者做作业。说句实话吧,课程视频其实讲得还是很系统,知识面涉及的比较厉,但课程作业还是很有难度,自己也表示理解前面几个报了班级的同事的情况。    自此,也借助这次结业总结的机会,给帆软产品团队、运营团队等提几点建议吧。 1、关于课程:课程内容应涉及比较常用的“系统管理”内容,比如用户管理、权限管理等;课程内容应该及时更新,而不是录一次用几年,用户体验感非常不好,版本都不一致了。 2、关于作业:作业的量还是有点偏多了,对于刚接触BI的成员且是上班一族报了班级,意味着丧失了周末的所有时间,而且很多作业有重复的嫌疑, 3、关于产品:产品版本的更新,应该是功能的迭代与性能的优化,而不是直接砍掉原来旧版本的功能,这样极有可能会导致用户放弃使用。 4、关于认证:关于初级的认证,其实有很多题目是错误的,并且不同的版本有不同的答案,希望帆软团队能及时更新题库;关于资深的认证,希望根据课程增加系统管理部分,同时建议降低一下难度,并且不要限制不能使用“SQL数据集”,因为只要把问题解决,自然什么办法方便,就用什么办法;    参加这期班级的学习,虽然牺牲了这一个多月的周末的时间,但是还是用几个字来给总结吧——一切都值得。因为作业内容涉及的比较全面,除了理论题,实践操作题基本上都需要从业务、方法、产品功能等角度去思考相关作业,这也让我的思维突然开拓了不少。同时,自己也补充了不少的知识盲点,比如说“过滤组件不绑定字段怎么实现过滤”,以及新旧版本之间的对比和缺陷。通过这次系统的学习,丰富了自己的运营分析思维及产品思维,对个人工作有很大的帮助。昨天,自己也已经成功提交了资深BI工程师的考卷,大体上还比较满意自己的答题效率和做出来的答案。自己也一定会深入研究FineBI的每一个新版本,继续加油,真正成为帆软产品的专家! 最后,以一句话和番薯们共勉作为这次学习总结的收尾吧。“当你失去了学习的动力的时候,记得提醒自己:其实我还不够优秀!”。 编辑于 2021-9-22 08:33
作废贴
    作废贴(2021年1月) 编辑于 2021-9-21 15:40
作废贴
     作废贴(2020年12月) 编辑于 2021-9-21 15:39
个人成就
内容被浏览341,971
加入社区5年174天
返回顶部