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
Abbey660(uid:503188)
职业资格认证:FCA-FineBI | FCP-FineBI | FCP-商业数据分析师
帆软BI课程学习分享-你学到的不仅仅是BI
1.学习初衷 我是一名BI主管,由于太喜欢BI了,自己工作中也会用到,于是经常研究BI的各种玩法,也经常参加BI的比赛。 最初了解帆软是从帆软比赛开始的,本次是第二次参加帆软的比赛,并且得到最佳行业应用奖,也有帆软学习币的奖励,于是毫不犹豫了报名帆软的学习班进行系统的学习。 2.学习经历 由于白天上班,加上刚好公司有个新项目急着上线,所以也是百忙之中抽出时间来学习,白天从地铁上,厕所上,吃饭中听课程,晚上加完班后就回家做完作业,虽然没办法及时交,但都会把所有作业完成。 同学们都很友好,昨天晚上11点多的时候,我做作业遇到了问题,心想这么晚了,问问题应该不会有人回复了,三人行,必有我师,我发布的问题,另外的同学们及时的回复了我,我感觉整体的学习氛围都很好,同学们都能成为彼此的老师,当然,群里的老师也是很尽心尽力,很多时候我看到很晚了还在回复同学们的问题。   3.学习成果 (1)个人成长 最喜欢帆软最后一节课,教别人如何讲好一个故事,其实,除了我们做数据需要逻辑之外,我们的表达也需要逻辑,而且这个能力是需要锻炼的,我经常听同行的分享,他们可能是各个技术大佬,公众号也有很多技术文章,也很出名,但是当听他们直播的时候感觉表达能力不是很好,这并不是说他们没有逻辑,有,但是技术逻辑跟表达逻辑是两样东西,正如我们开会表达自己的意见,我们要让别人理解我们将得需求、内容、核心是什么,而不是讲完之后只有自己知道自己表达什么,别人听到一头雾水。我觉的帆软能想到如何全方位的提升一个人技术人。这点是比较好的,感觉除了学习软件上的技术,自己的软实力也得到提升和启发。   (2)工作应用 分享一个学习中的一个小案例,这是课程中分析毛利率下滑异常的原因,什么是数据监控?就是做的图表能检测的数据异常的,就是数据监控,这个看板就很好的体现数据监控的作用,由于数据异常,通过地区、店铺、品类、商品、订单这多个维度的分析数据,抽丝剥茧的发现数据中的问题,得到解决。这就是很好的数据监控,而且直接把这个分析过程当做常规产品应用到每个店铺中,这就是数据看板的价值所在。并不是为了数据好看,而是真正的监督到每个店铺的问题。   4.小结 不忘初心,勇往直前,保持终身学习的态度,你会发现更多美好。
【2022BI数据分析大赛】京东电商用户与店铺分析驾驶舱
Your browser does not support video tags.   一、选手简介 1、选手介绍 个人介绍:帆软社区用户名Abbey660,我是在电商行业做数据分析师。个人感兴趣业务分析与BI可视化。   2、参赛初衷 我上一年也参加了Fine BI可视化大赛,觉得国内BI软件中Fine BI很适合日常工作与分析,这次的比赛主要想提升自己的Fine BI技能,同时也了解到Fine BI这次比赛更加注重分析流程、分析价值与业务逻辑,所以想通过做BI的过程中,能提升自己的逻辑与分析能力。我相信,这是目前BI工程师与数据分析师的痛点,通过BI分析出更多业务中的痛点以及价值,这将是未来BI的主流方向。同时希望与更多FineBI大神交流学习,有更多的分析思维的激烈碰撞。最后,这次FineBI官方比赛的奖品真的很给力,我觉得对数据人的一种鼓励与肯定。   二、作品介绍 1、业务背景/需求痛点 简述业务背景, 数据来源于和鲸社区的京东电商数据,主要是行为数据、用户数据、评论数据、商品数据、商家店铺数据。   简述需求痛点: 由于是网上数据,没有指明需求,但可以先搭建店铺与人员指标,查看店铺状况,同时可以根据目前已有的数据做店铺分析以及用户画像,发现店铺中的痛点,给出营销策略。   2、数据来源 自选数据:总共有5个表,部分数据下载之前已做了脱敏处理。   3.分析思路   4、数据处理 由于数据没有销售额与客单价,在做RFM的时候少了M,这时候我想到用VIP等级来判断用户消费水平,总共分为7个等级,等级越高,消费能力越强。   1.选取jdata_action中的user_id,action_time,type字段   2.过滤数据等于2,2为下单的数据。   3.左右合并jata_user的表中的user_id,user_lv_cd字段,合并依据是user_id。   4.将user_lv_cd由文本格式改为数字格式。   5.根据用户分组汇总,由于同一个用户的等级是一样的,所以这里用平均数,以免相加影响结果。   6.修改字段名称   7.新增列,计算最近一次消费距今的时间。   8.新增列,计算平均消费,7的平均数就是3.5,这里直接写上了。   9.新增列,计算平均用户消费次数   10.新增列,计算最近一次消费至今平均天数   11.新增列,计算次均消费金额评价   12.新增列,计算消费次数评价   13.新增列,最近一次消费距今天数评价   14.新增列,合并RFM   4.1整体分析 (1)数据含义表达和图表排版布局。 第一部分是整体分析的布局,构建指标有:浏览量,下单量,用户数,男女占比,VIP级别占比,客户年龄分布,销量TOP 10 城市。风格主要以商业风为主。   (2)通过分析得出的结论 1.京东店铺男女消费群体各站一半,差异不大 2.主要客户来自348、204、119城市 3.店铺主要客户VIP占比较高的是1级,占30.19%,其次是6级占27.42%,需要引导1级用户升为2级,6级用户升为7级 4.客户主要年龄分布主要在第五个等级,其次是第六个等级,可以根据用户年龄层来开发适合用户的产品。   4.2用户画像 (1)数据含义表达和图表排版布局。 第二部分是用户画像,构建的指标与模型有: 用户生命状态模型:根据用户从新用户到流失用户的生命周期计算目前每个的时期的占比与数量。 复购率:根据用户多次购买计算复购率,分析用户黏性。 行为漏斗:根据每个用户行为的漏斗转化率得到哪个行为转化率异常,另外加购和关注虽然不是最后的行为,为了保持数据的合理性,把它们放置到最后。同样也可以分析到其转化效果。 RFM模型,根据最近一次购买数量,购买频率,购买金额将用户分成8种类型的用户,可以实施不同的营销策略。   (2)通过分析得出的结论 1. 本店忠实用户占80%,用户黏性很高 2. 4月份的复购率下降,下降了3.12%,需要用优惠券等手段召唤老用户,提高用户复购率。 3.浏览量到下单的转化率有6%,符合一般电商行业状态,下单后评价转化是37%,可以用好评返现等形式提升评价数量,另外加购和关注远远少于下的那人数,可以用优惠券,小礼品等手段引导用户关注,优惠价预售活动引导用户加购。 4. 本店客户大头是一般价值客户和一般保持客户,两者加总占60%,说明有大部分消费者的消费能力不高和,应向该客户推送公司主营业务,通过宣传推广让产品信息送达客户手中。 5.其次是重要挽留用户、重要发展用户,重要保持用户与重要价值用户,占比40%,对于重要挽留用户,消费频率不高和最近消费比较远,可以通过短信方式,活动优惠券发放等方式挽留用户,对于重要发展用户,这部分消费频率不高,忠诚度不高,很有潜力的用户,必须重点发展。 6.本店铺主要客户来源于741国家和2136国家,其次是2316,187国家。   4.3评分分析 (1)数据含义表达和图表排版布局。 指标有好评TOP 10产品,差评TOP 10产品,好差评占比,每周评论趋势   (2)通过分析得出的结论 1.好评产品前三分别是217024,219334,25448,可成为店铺的主打产品,差评产品前三分别是217024,171917,25338。差评产品要优化。 2.店铺的好评率是98.95%,产品质量以及服务整体不错。 3.整体的好评与差评趋势较为平稳。   4.4店铺与品牌分析 (1)数据含义表达和图表排版布局 图表与指标有:店铺热卖品类,7级VIP的品牌喜好,0分析店铺数据,百万粉丝店铺的粉丝数,VIP数,评分对比。   (2)通过分析得出的结论 1.0粉丝店铺总共有656家,其中店铺5566,粉丝数0,店铺评价-1,vip数201,VIP数不错,但评价却是负数,要查看你该店铺的是否客服没有做到位。0粉丝僵尸店铺要合理清除,以免占用资源。 2.百万粉丝店铺中,1912,3790店铺的vip数量极低,需要将粉丝数转化为VIP,可以加强宣传,或升级VIP附送小礼品促进店铺的VIP提升。 3.店铺热卖产品可以升级为主打产品,大理宣传。 4.根据7级会员的品牌喜好,推荐相关品牌的产品,实现精准营销,促进成交率。   最后主图展示   三、参赛总结 1、FineBI工具 FInebI自助数据集还是挺好用的,只需要点击选择即可轻松清洗数据,省去代码的思考时间。 另外也有一键排版布局,在美观度上还是不错的。 在可视化当中,如何才能体现图形带来的价值,我认为应该站在看这张报表的人上思考这个问题,比如同样是条形图,除了看高低之外,业务下一步会做什么?会找标准去对比该数据是否异常,这时候我们只要多想一步,添加一条辅助线,这个从原本的多少,变成对比分析后的异常数据,这样更加体现的图形带来的业务价值。   2、参赛总结 克服的困难:当我看到产品数据时,第一时间联想到购物篮分析,奈何我电脑配置不够,及时构建了自助数据集,也更新不了,后来我导入了SQL,python构建指标,都报错,显示我的电脑内存问题,后来我直接找电竞网吧,租了VIP级别的电脑,直接在上面做,做出来之后我以为是我的数据异常,因为显示图形是空白的,不是每一个都有颜色的方块,只有隔了好远才出现的一条颜色, 于是我问技术员,自己也核对数据看是否出错,才想明白,其实并不是每种订单数据适合做购物篮,像这种客户都是单个购买比较多,很少跟其他商品一起购买的,是不适合做购物篮分析的。模型有很多,但是并不是每个都合适。 感恩的事儿:虽然是个人赛,不过自己有问题的时候也会问问大赛的技术导师,导师真的很用心负责,及时很晚了,还是回答我的问题。 遇到的人儿:感恩遇到一群志同道合的人,感恩遇到技术导师。 认知新感悟:既然时间已经花在这里,就认真对待,想要得到一个好的结果。  
【2021夏季挑战赛】5月跨境电商公司销售额分析报告
一、选手简介 1、选手介绍 (1)团队选手版 · 团队名称:凡人修仙 · 队长介绍:帆软社区用户名Abbey660,目前就职于深圳市奥盛达科技有限公司,从事数据分析师工作,个人感兴趣的方向和领域-商业分析、预测、机器算法、与BI开发。 · 成员介绍:何曌仪,周雄勤,他们都是热爱数据分析的人。 · 团队组成:我们是同公司的同事,且我们都热爱数据分析,这次FineBI比赛让我们聚集在一起,做自己喜欢和有价值的事。 2、参赛初衷 · 我们热衷于BI开发,把冷冰冰的数字以最美的姿态呈现,同时能发现问题,为业务带来帮助。 · 希望通过比赛实践提升BI工具的使用方法和技巧 · 准备在部门内推广BI工具,先来学习了解 · 和更多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 · 大赛奖励很诱人 二、作品介绍 1、业务背景/需求痛点 · 简述业务背景 对于公司来讲,销售额是重中之重,每月都需要对公司的销售额进行分析,复盘。 · 简述需求痛点 除了看整体的销售额之外,环比上月的销售额下降,需进一步找到下降产品。 2、数据来源 · 企业数据:销售额,销量,部门,产品等级,产品类目,产品类别,各站点数据。 3、分析思路 · 仪表板分为三个板块,第一个是整体分析,分析本月的销售额情况。第二个是环比分析,分析3,4,5月销售额下降较厉害的产品、部门、站点。运用了拆解法和top分析法。第三个是总结与建议。 145276 4、可视化报告 (1)数据含义表达和图表排版布局 · 所有图表都是根据时间维度,颗粒度有部门,产品等级,产品类目,产品类别,各站点一步步探索分析销售额下降的主要影响因素。 · 颜色主要以深蓝色与和亮色为主 (2)操作步骤 一、整体分析 1.先构建数据指标,总销售额与总销量 145278145284 2.构建个部门销售额,按照销售额降序排序 145279 3.制作产品状态的占比图 145280 4.分别制作一级类目与二级类目的词云图 145281145282 5.制作产品类别销售额排名 145283 二、同比分析 (1)整体趋势与新老品分析 1.制作销售额趋势图,发现销售额下降了,进一步查明原因。 145285 2.制作新老品下降排名,老品的销售额下降最多。 145286 3.再制作各部门销售额下降排名,发现销售额3部和销售4部5月与3月相比下降最多。 145287 4.制作老品销售3部,销售4部销售额下降排名,发现销售3部UK下降幅度较大,销售4部是US下降幅度较大,这两家店铺需要找相关运营询问相关情况。 145288145289 (2)产品等级分析 1.制作各等级产品销售额下降排名,发现A、B级产品下降最多。 145290 2.制作A级产品各部门销售额下降排名,发现销售额1部下降最多 145291 4.制作A级产品销售1部各站点的销售额下降排名,发现US下降最多 145292 5.同理,制作B级产品的各部门销售额下降排名,发现销售3部和销售1部下降较多,再进一步拆解到站点,销售1部US,销售3部DE站点下降幅度较大。 145293145294145295 (3)产品类别分析 1.制作一级品类销量下降TOP 5,发下户外运动类下降最多。 145296 2.制作户外运动类的二级类目下降TOP 3,发现骑行用品下降最多。 145297 3.在制作骑行用品中新老品下降情况,发现老品下降最多 145298 4.再看骑行用品,老品销售额下降最多的站点,发现是US。 145299 (3)通过分析得出的结论 1.除了A、B级产品外,其余产品销售额较低; 2.本公司的主要销售来源的产品有母婴类、工具类、家具用品类和户外运动类; 3.本月销售额下降的主要产品有:销售4部骑行用品,销售1部的A、B级产品与销售3部的B级产品。 (4)最终结果呈现的页面布局 http://bbs.fanruan.com/source/plugin/votes/function/editor/attached/image/20210627/20210627231810_86304.jpg 三、参赛总结 1、FineBI工具 · 简单实用 · 配色好看 · 能帮助业务发现更多问题 2、参赛总结 · 克服的困难:先学习视频教学,有不明白的问比赛的同学或者客服。 · 感恩的事儿:数据分析给业务团队的成长带来的帮助。
个人成就
内容被浏览52,166
加入社区4年43天
返回顶部