一、 选手简介 1. 团队名称：百世可乐 2. 队长介绍：痞老板，目前就读于广州城建职业学院物流管理专业，因智慧零售运营与管理大赛接触到FineBI。 个人对数据分析方面感兴趣，在团队中担当数据分析师一职。 3. 团队成员介绍 l Silver：目前就职于广州城建职业学院，擅长数据高效处理、数据分析等方向和领域。   l 雨宫老师：团队的头脑担当，主要分析数据，提供思路。 l 小鱼：自称“清洗大师“，工作细心，负责团队内的所有数据的清洗。 l 火山师兄：自称“魔法小王子”善于收集数据，负责各方面的数据收集。   二、 作品介绍 1. 业务背景 通过对学生学业预警分析，找出学生学业预警存在的问题，并向二级学院进行反馈。   2. 数据来源 此次数据选自广州城建职业学院经济与管理学院——近四年的学生学业预警情况进行分析。   3. 分析思路 围绕学生学业预警的主题，拆解了七个分析方向（各学年学期学生预警情况、各专业学生预警情况、各课程学生预警情况、各年级预警人数情况、各级学生预警情况、个人学业预警分析），逐个方面找出学生学业预警人数的主要分布，方便二级学院着重对某个方面进行学业预警处理，为后面专业优化提供依据。   4. 数据处理 l 数据清洗 1) 把成绩为“-”、“0”、“0.0”统一归类为“缺考”  2) 把60以下的成绩统一归类为“不及格”  l 建立自助数据集： 1) 将学业预警汇总表与成绩明细表建立关联  2) 建立数据自助数据集，将学业预警汇总表与成绩明细表进行左右合并  3) 将学号和年级两个字段的“数值”类型改为“文本”类型    5. 可视化报告 l 此次数据所用到的指标不多，主要利用COUNTD_AGG公式计算所需用到的指标，例如：总预警人数，用COUNTD_AGG(姓名)计算，如下图所示： l 分别从七个部分具体分析学生学业预警情况，具体分析如下： 第一部分：各学年学期学生预警情况 第二部分：各专业学生预警情况 第三部分：各课程学生预警情况 第四部分：各年级预警人数情况 第五部分：各级学生预警情况 第六部分：个人学业预警分析 l 最终效果展示：   三、 参赛总结 感谢这次比赛增强了我们团队的协同能力，让我们更有凝聚力，在学习和生活上更加的团结。感谢Silver老师对我们的指导，在这个比赛过程中关心我们，不断给我们提供建议，让我们的作品得到更好的优化。感谢团队的伙伴们互相鼓励，互相支持，相互纠正各自的错误，让我们更好的成长。

一、选手简介 1、选手介绍 个人介绍：Silver，目前就职于广州城建职业学院，该校是经广东省人民政府批准、国家教育部备案，于2007年在原广州大学城建学院基础上独立设置的全日制工科类普通民办高等职业院校。学校坐落于广州市从化区，占地面积1300多亩，全日制在校学生22000余人。目前我在该校从事教学工作，个人感兴趣的方向和领域是数据高效处理、数据分析等。 2、参赛初衷 去年缘于“第一届广东省智慧零售运营与管理学生职业技能大赛”认识了“帆软”，从此一发不可收拾。第一届的比赛参赛学生们在数据分析这一块吃了大亏，导致最后仅以两分之差无缘比赛一等奖。为了不再留遗憾，为了取得更好的比赛成绩，为了更熟悉FineBI操作并更好的指导参赛学生训练，我参加了寒假期间的培训班。曾经为了交作业多次奋战到凌晨两三点，那时家人甚至还问我“你是不是疯了？”也许是有那么点疯狂，但是接触了FineBI后，我真的觉得特别兴奋。首先它对个人是免费的，公益性很强，其次，它真的可以让我实现很多大胆的想法，最后，它成为了我的目标，成了我的敌人，我要打败它，研究透它。 抱着这样的想法，我们继续奋战今年的“第二届广东省智慧零售运营与管理学生职业技能大赛”，可就在赛前三天因突发疫情突然被通知赛事被按下了暂停键。刚进入如火如荼的状态，并已经做好了上战场的准备，突然一下子时间静止了，那个时候特别的沮丧。但当得知帆软举办“夏挑”时，我有了想法，比赛还不知道什么时候才能正常进行，但是我们刚刚获得的战斗状态不能让它静止下来。于是，我和学生们决定试试，试试我们前段时间的集训效果。于是，我们来了！ 我希望能够通过比赛做出转化，希望在更进一步提升fineBI工具的使用方法和技巧的同时，不仅仅能够应付我们的技能大赛，还能够真正的把FineBI应用到实际的工作当中去，让更多的人去了解帆软，使用帆软，因为真的很好，关键还是免费的，公益性很强，没几个企业能做到这样，而且个人使用足够了！ 二、作品介绍 1、业务背景 广州城建职业学院是经广东省人民政府批准、国家教育部备案，于2007年在原广州大学城建学院基础上独立设置的全日制工科类普通民办高等职业院校。学校坐落于广州市从化区，占地面积1300多亩，全日制在校学生22000余人。 高校每学期的正常教学运行离不开合理的教学任务的安排，教学任务的安排不仅涉及到了各专业的班级、任课教师和课程，还涉及到了教学场地的安排等等。 2、任务目标 通过分析经济与管理学院近三年教学任务中的专业、班级、教师、课程、课时、教学场地等的分布及变化，分析该学院的专业结构、教师结构、课程结构、教学场地结构及不同学期的变化，为后期的合理安排做好部署工作。 3、数据来源 此次作品数据数据来源于企业数据，采用的是近三年来经济与管理学院（二级学院）的实际教学任务安排表，数据已做脱敏处理。 4、分析思路 1) 分析整体合计情况，包括专业、班级、教师、课程、课时、教学场地的。 2) 分析各专业上课方式，包括是/否合班的数量分布、占比分析、合班课程性质分析、合班组成分析。 3) 分析各专业考核方式，包括考试/考查占比分析、各专业考试/考查具体数量分布、考核方式/课程性质分析。 4) 分析课程性质，包括课程性质的总体数量分布及各专业具体数量分布。 5) 分析课程的理论学时/实践学时，包括占比及各专业数量分布。 6) 分析各教研室教师构成，包括各教研室教师数量、占比、职称数量及分布、副高级及以上职称人员名单、教师身份占比及数量分布等。 5、数据处理 可视化分析之前我进行了下列数据处理： 1） 六个学期三年的教学任务数据是直接从学校正方系统导出添加学期字段并汇总在同一份工作表中。因数据表中的教师职称信息不全，缺教师身份、学期字段，需要补充。把所有教师复制到新的工作表中，去重后，根据现有的师资表用“vlookup”匹配教师职称、教师身份到汇总表中。 146154 146155 2）通过用ABC代替名字中间的字符的方法进行姓名的脱敏，但是由于这样会导致重名的情况出现，通过使用“countif”函数进行检验数据，发现有“周A”、“张A”出现了重复，通过对应的教职工号及用BC符号来代替的方式，对汇总表中的数据进行更换。146156 6、可视化报告 1) 复合过滤组件：添加学期、年级复合过滤组件，主要是用于过滤学期、年级，通过三年整体数据分析及单独学期、年级数据分析，可以分析整体的数据变动。 146157 2) 整体分析：主要包括KPI指标卡（专业、班级、教师、课程、课时） 146162 3) 合班情况分析组件：专业合班情况、合班占比、合班课程性质、具体合班组合；（需要把人数转换成维度） 146163 146164 146165 合班上课情况分析总结： 通过图表可能得出，主要的上课方式还是独立班级上课，合班上课为辅，合班上课的班级一般是两个班，最多三个班； 合班上课的专业主要是集中在会计专业、市场营销专业，其他专业没有合班上课的情况出现，考虑是否存在班级人数过少还是专业教师不足； 合班上课的课程性质，会计专业主要集中在必修课和限选课，市场营销专业主要集中在限选课； 建议可以从会计、市营两个专业的班级人数、专业师资是否充足等方面分析是何原因需要合班上课。 4) 考核方式分析组件：考试/考查占比、专业、课程性质分析； 146166 146167 146168 课程考核方式分析： 2 通过图表可以看出，课程的考核方式主要是考查，这个跟相关课程性质有比较大的关系； 2 在不同的课程性质中，必修课和限选课的考查课占的比例比较大，限选课中的考查课占了90%以上。 5）课程性质分析组件：课程性质数量分析、专业分布分析； 146169 146170 146171 课程性质分析： 在所有专业的课程性质中，必修课占了主要的比例，其次是限选课，最后是公选课，本必是只有本科实验班的班级才会开设； 会计、工商企业管理两个专业囊括了四种课程性质，物流管理、金融管理、财务管理、证券与期货、投资与理财四个专业只有必修课和限选课，市场营销、人力资源管理两个专业含必修、限选、公选三种课程性质； 投资与理财专业的课程数量比较少，主要是由于该专业已经停招，只有一届学生导致的。 6）理论课时/实践学时分析组件：占比分析、各专业数量分析。仪表组件通过过滤及悬浮的方式将两个组件组合在一起。 146172 课程课时分析： 课程中主要是分三类：纯理论课、理论+实践课、纯实践课； 通过图表得出总体实践学时占比高于理论学时占比，符合高职院校的动手为主的办学理念； 在各专业中，工商企业管理、金融管理、证券与期货的实践学时低于理论学时，会计、市场营销、物流管理、财务管理、人力资源管理四个专业实践学时高于理论学时。 7）教师结构分析组件：数量、教研室占比、职称占比、各教研室职称数量分布、副高级以上职称详情、教师身份占比、各类教师身份占比、各专业教师身份数量。（主要用到的函数是COUNTD_AGG、COUNT_AGG） 146173 146174 146175 146176 146177 各教研室教师数据分析： 各类教师中，市场营销、会计、工商企业管理、人力资源、财务管理中教师人数最多，这个是跟各专业学生人数相关； 各类教师职称中，主要以讲师为主，其次是副教授，非高校类副高职称，非高校类副高职称中会计专业占比比较大； 通过联动可以看出各个教研室具体的副高类以上人才； 在四类教师中，主要以校内专任教师为主，其次是校外兼课教师、校内兼课教师，同时也反应了各高校师资之间的流动情况； 校外兼课教师中，市场营销、会计专业的人数靠前，人力资源管理专业的校内兼课教师人数最多。 7、最终效果 146178 视频介绍：https://fanruanbbs.obs.cn-east-2.myhuaweicloud.com/BI%E5%9C%88%E5%B1%82-%E7%94%A8%E6%88%B7%E8%BF%90%E8%90%A5/BI%E5%8F%AF%E8%A7%86%E5%8C%96%E6%B4%BB%E5%8A%A8/2021-%E5%A4%8F%E6%8C%91/%E4%BD%9C%E5%93%81%E8%A7%86%E9%A2%91/21%E5%A4%8F%E6%8C%91-%E9%83%91%E4%BC%9F%E9%93%B6%EF%BC%88%E4%B8%AA%E4%BA%BA%EF%BC%89.mp4 三、参赛总结 1、简述我对BI工具的看法 FineBI工具值得点赞的除了软件平台的公益性之外，教学视频也在逐渐增加，而且技术支持很给力，给工作人员们点赞。 FineBI工具实现了很多数据的动态有效展现，超喜欢这个功能的。 大数据时代，这个数据的处理和展示显得特别的刚需，感谢与帆软相遇，感谢帆软的支持。 但是在使用过程中有个小问题，不知能否做一个组件的绑定设置呢，这样悬浮的组件就不会因为布局的调整随便游离了，如果可以给文本组件加个对齐方式的功能就更好了。 2、参赛总结 感谢帆软举办的比赛，通过这次作品的制作，让我在以后的工作中面对一些数据时都会有想用FineBI来展现的冲动。通过这次的制作，让我对工具的使用有了更深一步的了解，会思考在以后的教学中如何将FineBI工具应用到教学中，如何应用到工作中，如何才可以更快速的让小白上手！希望以后能有更多的机会参加类似的比赛，以赛促学是最直接的方式，感谢帆软！ 编辑于 2021-7-2 08:01 编辑于 2021-7-2 13:13