作品选题
XX互联网营销公司经营分析
一、选手简介
1、选手介绍
团队名称：ZWWMN
队长介绍：周凡，22年转行入坑，目前从业一年；全靠组员疯狂抬爱但是至今仍然摆烂的不称职队长。
成员介绍：
- 王震林：一个企图认真干数据工作的人。
- 王帆：踩着deadline生存的拖延小能手，妄想变成intj的istp，16种人格中倒数第二会摆烂的摆烂queen；喜欢从自己出发尝试新事物，如果你被pick了，说明你某个点打动她了，如果你一直被pick，说明你就是她的心头好了。
- 毛立影：尽管有点孤独，尽管带着迷茫和无奈，但我依然勇敢地面对，因为这就是我的青春，不是别人的，只属于我的。
- 宁顺明：神秘感总是第五人给的。
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
- 希望通过比赛实践提升数据分析的方法和技巧
- 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
二、作品介绍
1、业务背景/需求痛点
作为互联网营销公司，XX公司的主要业务就是给万千小微企业搭上大媒体的船，从而能够混得风生水起，摆脱成为成功之母的命运。作为小微企业营销遥远的救世主，说人话就是作为中间大客户帮助小微企业在大媒体中投放广告，根据投放广告的消耗及媒体端口的返点率营生，在日常运营中已经产生了大量的数据，当前数据包含了各个客户（投放广告的甲方）在各个媒体端口（广告投放渠道）的消耗、展示量、点击量以及公司消耗目标值、部门、员工等信息。
目前公司通过月报的形式，监控消耗达成情况和公司营收利润，传统方式只能一次性的分析，不方便实现共享、不能保证实时性，既费时也费力。因此此次参加BI大赛，我们搭乘着帆软公司的平台构建公司的经营看板，日常监控公司的运营情况，方便营销负责人，各事业部以及各员工查看公司经营情况、事业部及员工表现情况。
2、数据来源
- 企业数据：本经营看板的数据来自某营销公司数据，数据已脱敏处理
- 数据字段包括：
- 数据集一：客户id、时间、消耗cost、展示shows、点击clicks、媒体、端口、员工、部门
- 数据集二：媒体、端口、返点率
- 数据集三：时间、媒体、消耗目标值
3、分析思路
- 在确定互联网营销主题之后，我们讨论了三大主题内容：
- 经营分析（包括整体和事业部经营分析及员工评价）
- 媒介（渠道评价）：为了客户满意度，寻找最优渠道
- 客户价值：公司未来长期的营收保证，因为客户数据的私密性和时间的综合考量，客户价值我们准备放在后续再开展
- 首先根据需求，我们确定了三个层次的分析：
- 面向公司营销负责人的整体经营指标和各事业部的经营表现
- 面向事业部负责人的事业部经营指标及员工评价
- 面向全部人员的渠道评价（媒体端口评价）和区域市场表现
- 经营指标：关于经营指标，我们首先确定了经营指标池子：消耗、现金消耗、现金消耗占比、销售毛利、预算达成率（消耗达成率）、毛利率
- 关于媒体评价和市场表现：我们也确定了三个核心指标：点击率（点击次数/展示次数）、CPC（每次点击费用=消耗/点击次数）、CPM（千次展示消耗=消耗/展示次数（单位：千））
- 动态分析：为了能够动态分析，我们不仅从区域、媒体端口、事业部和员工进行分析，还增加了时间维度，确定指标表现趋势、同期值、环比增长率，确定业务的周期性和增长情况。
- 关于区域评价：我们使用了四象限分析法，从点击率和千次展示消耗两个维度来区分区域的重要性和划分劣势区域。
- 在员工评价中，我们使用了TOP20员工和帕累托分析，确定核心员工（占比前80%的员工）和鸡肋员工（占比后20%的员工）方便做后续的员工绩效分配以及优胜劣汰。
4、数据处理
4.1 原始数据归集
所采集原始数据由业务系统的数据接口每日提供的日报表采集，若要进行不同维度的对比分析，就需要将明细数据表与各维度表进行关联和转换。最主要的基础数据归集方式如下所示：
- 将消耗明细数据表中的时间数据转换为为FineBI所能识别的格式，并且生成年份格式字段和月份格式的文本字段，然后因为需要和媒体返点费率表进行关联，便将“年份+月份+端口名称”进行拼接成关联用字段。
- 将媒体返点费率表中的年份和月份转换为文本字段，然后生成拼接用字段后与明细数据表关联，为其匹配各个媒体端口在每个月份的返点率：
- 将消耗明细数据表依据年份和月份进行分组汇总，求出各个月度的指标，以及将“年份+月份+媒体名称”拼接成和各媒体月度预算表关联用的字段。
- 将各媒体月度数据表和各媒体月度预算表进行关联，为后者匹配预算字段。
4.2 利用BI数据分析环境直接调取,创建自助数据集,字段计算,快速计算和汇总计算等功能处理数据。
CPC（点击单次消耗）：SUM_AGG(${消耗})/SUM_AGG(${点击率})
CPM（千次展示均价）：SUM_AGG(${消耗})/SUM_AGG(${展示量})*1000
CTR（点击率）：SUM_AGG(${点击率})/SUM_AGG(${展示量})
累计消耗：ACC_SUM(SUM_AGG(${消耗})/TOTAL(SUM_AGG(${消耗}),0,"sum"))
毛利率：SUM_AGG((${消耗}-${虚拟消耗})*${返点率})/SUM_AGG(${消耗})
现金消耗占比：SUM_AGG(${消耗}-${虚拟消耗})/SUM_AGG(${消耗})
销售毛利（千元）：SUM_AGG((${消耗}-${虚拟消耗})*${返点率})/1000
预算达成：SUM_AGG(${消耗})/SUM_AGG(${月度预算})
5、可视化
https://bisolutions.fanruan.com/webroot/decision/link/ZrLi
我们选取了年度消耗和预算达成（消耗达成率）及当日消耗三个维度来监控公司最核心的经营指标：消耗，消耗在一定程度上可以代表公司的实际营收和利润；
销售毛利和毛利率：销售毛利是根据媒体端口的返点率*现金消耗得到，为公司的实际营收（公司除了人工成本和办公场所租赁成本外无其他成本），毛利率可以在一定程度上可以代表媒体的平均的返点率，方便我们后续调整消耗目标
 可以看出当前公司的消耗达成超过1，已经完成当期消耗达成，毛利率5.93%，此为当前公司的平均返点率；
左边两个图分别评价媒体端口的市场容量（营收容量）及媒体端口的转化率，通过双层饼图可以直观看出主要媒体为今日头条，通过注释最大最小值确定媒体转化率及有效性，站在客户的角度上，CPC和CPM越小越好，可以看出今日头条的千川市占率小且千次展示消耗费用多；今日头条端口的AD和腾讯广点通的市占率较高，却CPC较低，其实对于客户是一个更合适的选择。
地图和右边两个图评价区域市场容量（营收容量）及区域市场有效性，其中消耗区域地图和区域展点气泡图的颜色和大小分别代表市场容量（消耗量），四象限中有点击率、前次展示消耗双维度表示区域坐标，点击消耗表示区域大小，综合评价了区域表现。
月度营收情况中展示了消耗、现金消耗和销售毛利的趋势图，可以看出7月份有大量的虚拟消耗，现金消耗占比较少，而且相比其他月份7月份虚拟消耗有大幅的增长，后续可以深度分析下7月虚拟消耗增长的原因。
日度趋势图是通过和去年同期相比，确定业务的增长情况，从整体来看今年的消耗是较去年有一个明显的增长。关于增长我们后续也可以通过分析月度和年度的增长率评估，去除更多的系统误差。
通过饼图大小可以看出事业部消耗占比排名，通过趋势图可以看出事业部整体处于一个增长的趋势，各个事业部各个月份的表现以及近三个月的表现；通过看板中我们可以看出第三事业部和第二事业部的消耗占比较高，7月份第三事业部的消耗环比增长最高，第五事业部销售毛利环比增长最高。通过红色代表增长，绿色代表下降。
目前还未指定事业部的消耗目标值，后续会通过分解公司的消耗目标值指定事业部的消耗目标值，计算事业部的消耗达成情况。
通过员工毛利占比和消耗帕累托图可以确定员工的绩效排名，可以构建当员工的毛利和消耗均在后10%时进行优胜劣汰的机制。
员工可以分析自己的消耗分布，在短板媒体上进行发力。
6、作品展示
https://bisolutions.fanruan.com/webroot/decision/link/ZrLi
参赛总结
1、FineBI工具
- FineBI工具用一句话评价：更适合中国打工人的BI工具
- FineBI优点一二三：
- 易用：从数据到数据处理和可视化都是菜单栏选项卡模式，不用自己编写代码；另外如果数据编辑错误可以进行回退，方便修正
- 功能强大：可以连接数据库数据，也可以自己导入数据进行的分析，方便实现数据之间的连接；可视化图表内容丰富，可以制作地图、词云、漏斗图以及模型分析，如KANO因素分析等等；包括其中的钻取跳转联动功能；
- 帮助文档辅助学习：当遇到问题时可以查阅帮助文档和论坛及问答中询问，方便快速学习上手以及后续进阶锻炼
- 共享及导出：对于在FineBI进行编辑分析报告时，不仅能够实现数据更新看板更新，也方便与他人协作编辑，以及共享给他人查看，甚至是导出生成报告进行汇报。
- 有丰富的插件和美化的主题，帮助大家做看板更加美观
- 可以后续提升的建议
- 由于FineBI功能强大，所以运行起来还是相对比较耗费内存
- 在帮助文档中可以增加插件功能的介绍以及帮助大家布局美化看板
2、参赛总结
- 我们参赛本来就秉持着学习和认识新朋友的心态的，无论是偶然帆软粉丝群认识团队成员还是大家开始逛帆软平台学习历史获奖作品和学习分析模型对于我们来说都是一种收获，所以感恩帆软平台能够给我们提供这个平台。
- 在大家都进入职场且不同的行业时，在讨论并制作参赛作品中就遇到两个最大的障碍，一是没有时间，时间都是挤出来的；二是隔行如隔山，大家对于彼此所在的行业，行业中关注的指标以及管理模式都充满了陌生，因此我们才要不断讨论交流，也是一个互相督促互相包容的过程。
- 我们阅读了这么多优秀报告和自己搭建一个平台中也发现了好的数据分析，不是罗列几张漂亮的图表就可以实现了，包含了你对业务的思考以及图表故事的叙述性，你究竟可以从图表中得出什么结论，你的结论的可靠性，这才是数据分析的内核，以及好的可视化内容和一般的可视化的区分在于内容的用心和创新。
- 数据分析这条道路很远，你的图表永远不是完美的，你的故事永远讲不完，你的业务总是在不断扩展，我们在这条路上还只是出发，未来风景无限，未来挫折不断，未来总是在路上。
| 
来自 3#