一、选手简介 1、选手介绍 个人介绍：帆软社区用户名：Archie，电商行业，目前从事数据分析工作，对电商行业数据分析感兴趣。   2、参赛初衷 希望通过比赛实践提升BI工具的使用方法和技巧 希望用下最新版本的FineBI 学习同行好的分析思维和优秀的可视化作品   二、作品介绍 1、业务背景/需求痛点 业务背景: 从品牌角度对电商平台各化妆品牌的浏览-加购率和加购-购买率进行分析。 简述需求痛点：平台上化妆品牌众多，通过分析其转化率，找出平台上那些需要重点关注的品牌，以实现平台资源的精准投放。   2、数据来源 自选数据：某电商平台2020年2月各品牌交易情况 字段解释如下： transaction_time：交易时间 brand：品牌名 Price：价格 交易类型：包含查看商品、加入购物车、从购物车移除商品、购买商品四种交易类型   3、分析思路 计算各个品牌的销售额、浏览-加购率及加购-购买率。 基于分群思维，运用ABC分析方法按销售额给品牌分类，重点关注销售额占前80%的那些品牌的转化率。 运用波士顿矩阵方法按转化率给品牌分类。   4、数据处理 数据已经满足需求，不用在自助数据集里做太多复杂处理，也提升了后续使用时的查询速度。   5、可视化报告 数据含义表达和图表排版布局 根据用户选择的时间和品牌，可看到整体的关键指标。 查看-加购转化率：加购量/查看量 加购-购买转化率：购买量/加购量 访客数：查看商品的用户数 加购用户数：有加购行为的用户数 下单用户数：有下单行为的用户数 移除购物车用户数：有从购物车移除商品行为的用户数 销售额：商品销售额 销售额对平台来说是最重要的指标之一，所以按所选品牌销售额给品牌进行分类，找出销售额占前80%的品牌归为1类品牌，前80%到90%的品牌归类为2类品牌，最后10%的品牌归为3类品牌。 从购买、加购、查看、移除商品数量按ABC分析法给品牌分类，因这些指标相较于销售额指标对评价品牌重要性的影响较小，就把分析这几个指标的图表放在一个tab组件里，节约仪表板空间。 默认查看筛选框所选时间和品牌范围的各阶段转化情况，也可通过图表之间的联动查看单个品牌的转化情况。 下面两个图表是组合图，把查看、加购、购买数及和阶段转化率放在一起对比，可以直观地看到有些品牌的查看、加购的绝对值高但对应转化率低，有此品牌虽转化率高，但绝对值却很低。 用波士顿矩阵法，根据所选品牌的转化率平均值给品牌进行分类，对于查看-加购转化率低但加购-购买转化率高的品牌，说明用户一旦加购，下单的概率很高，需要采取措施增加品牌的展现量，提高品牌加购量。对于查看-加购转化率高但加购-购买转化低的品牌，可以通过促销手段提升品牌购买转化率。 通过条形图对比各品牌在两个阶段的转化率。 从时间维度查看所选品牌的整体转化率变化趋势，也可通过图表的联动查看单个品牌的转化率变化趋势。 结论：通过对平台各个品牌在两个阶段转化率的分析，找出需要重点关注的品牌，让平台给那些有潜力的品牌分配更多资源提供数据支撑。 仪表板公共链接：https://bisolutions.fanruan.com/webroot/decision/link/OUzj   三、参赛总结 1、FineBI工具 几个简单的维度和指标，通过用FineBI简便地拖拉拽就能实现各种形式的数据可视化，方便用户用各种分析方法，从多个角度查看指标，让数据及时地能帮助管理者做出决策。   2、参赛总结 一个仪表板只解决一个问题，避免做一个大而全的仪表板，把关键指标放在前面，根据用户查看图表的方式摆放各组件位置。 数据集里保留了其它字段如用户id，可以通过增加钻取目录的方式实现从用户角度分析转化率。 通过筛选框能增加仪表板与用户之间的交互性。 感谢FineBI提供了这样一次比赛的机会。