【2023BI数据分析大赛】O2O寻源优化分析

一、选手简介

1、选手介绍

（1）团队选手版

· 队长介绍：米修，帆软社区用户名“热爱数据热爱分析”，目前就职于国内大型零售业公司，就业以来一直在数据分析领域发展，非常热爱数据分析且爱专研业务知识，比较擅长将业务与数据结合分析，思维比较跳跃；

· 成员-xxxr，目前就职于国内大型零售业公司，从事零售数据分析应用建设工作。擅长电商零售、财务经营分析、人力资源分析的数据分析， 同时擅长 FineReport、 FineBI 、powerbi等多个可视化工具。

· 成员-Cai，目前就职于国内大型零售业公司，从事多年零售、商品的数据开发工作，痴迷新技术研究，思维敏捷。

2、参赛初衷

· 希望通过比赛与更多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，同时也因为大赛奖励很诱人~~

二、作品介绍

1、业务背景/需求痛点

· 分析背景：

·  公司对于618等线上大促活动的订单发货情况经常收到投诉，故急需分析目前订单寻源发货的优化空间，找到更高效的订单发货规则；

· 现有订单发货规则：

· 1、判断符合仓库阈值的店仓+大仓仓库；

· 2、总分高优先（店+仓）：在阈值范围内仓库，选取最高分仓库；

· 3、仓库优先（店仓+大仓）：如同时满足以上，则有大仓优先级1，店仓优先级2；

 2、数据来源

· 自选数据：导出系统订单交易、库存、发货等数据（需做脱敏处理）

3、分析思路

· 根据实际库存和618订单商品，按现有打分规则分析库存分数分布、打分系数合理性以及打分系数设置建议；

4、数据处理

· 数据准备时，需要还原618销售、库存等数据并按照现有规则及优化后的规则进行打分后进行分析，数据处理逻辑复杂且数量较大；

· 具体打分分析时，需分别按照不同的规则特征统计其SKC\库存得分占比，并计算每个特征之间的重合度，这部分逻辑较为复杂，花费时间较多；

5、可视化报告

· 散点分析

分析当前SKC在每个店铺得分的分布情况，观察SKC打分的分散是否合理。

 

结论：由skc得分分布可知：单SKC在每个店铺得分的分布情况呈分散趋势，基本符合预期。

· 对比分析：

通过对打分规则中的四大特征得分占比分析，了解四大特征的关联性，以及优化的方向。具体如下：

打分判断中，需要根据以下几个因素进行打分：

1、单店单SKC断码

2、单SKC全国库存小于50件滞留

3、滞留后仓店≥7天

4、14天内0动销；

下面将分别从这四个方面分析划分是否合理：

1、通过分析14天0动销占比可知，99%的正价店铺14天0动销占比低于10%，说明符合该特征的SKC很少。在14天0动销分析中还可以发现一个现象，断码SKC出现14天0动销的概率很高，同一个SKC两个特征重合较大；

 

结论：建议区分14天0动销与7天0动销，分别计算得分，减少携带多个特征的可能性；

2、分析单SKC全国库存小于50可知，符合该特征的SKC较少；但是断码的特征却很明显，同一SKC两个特征重合性很高；

 

建议：拉大库存数的划分，分为单SKC全国库存小于50、小于75、小于100等区间进行打分。拆分特征重合性；

3、分析滞留后仓超7天占比情况时可知，滞留后仓的打分结果较为分散，记录40%+的店铺集中在40~60%间，近30%店铺集中在60~80%间，特征强烈。而同其中断码的占比也是强吻合。故建议拆分滞留后仓仓周期，分开计算得分，减少skc携带的多个特征属性。

 

结论：建议将滞留后仓分为超3天与超7天分别打分；

4、经上多重分析及断码特征分析可知，大部分店铺的断码率很高，符合寻源需求。

 

结论：经过以上分析，将针对寻源逻辑进行优化，通过对比优化前后的得分店铺数来判断寻源的变化。

整体上得分相同的店铺数经过优化后有明显减少，这样有利寻源逻辑的溯源提效，同时也能减少特征间的影响度，更精准进行打分寻源。

 

最终看板：

 

 

恭喜通过大赛初审！！

1、内容缺失，请参考作品模板（https://shimo.im/docs/l6QXA2Hq3k83tcjd）补充最终BI仪表板全局图片，或者检查内容是否在上传时有遗漏；

2、图片模糊或缺失、排版混乱，建议优化排版和图片，可点击文末“编辑”按钮重新上传图片，或者选择“导入Word”按钮，重新导入全文；

3、如果使用本地BI制作，请确保提交的附件resources.zip内容完整（附件如有更新请微信发送苏茜）；组委会将在8月16日后统一进行作品资源迁移，将您的作品导入大赛公共平台，形成在线模板查看链接，方便评委查看；

评审优先看此社区文章，请选手确保内容完整、排版清晰。截止8月17日20:00仍可调整排版问题，作品其他内容不可再修改。

数据分析最好能够做好历史版本的记录，特别是像618这种时间节点，大量的订单数据售后数据，如果全部都是最新的数据再去还原原来的数据做分析是很困难的，用上了经典的动销率，滞留率等，如果可以做更多的拆解分析就更好了

打卡：感觉楼主对图表的应用比较谨慎，我觉得可以更大胆一点，把中间几个表格用更直观的形式展现，效果会更好一些！

打卡：其实作品的主题非常稀缺，可能因为数据或者时间的原因，导致并不是很完善。比如，分析的角度不够全面，可视化方面比较随意，报告也比较仓促。期待该主题更优秀的作品！

打卡：
工具运用的很多，整体的分析思路不错，UI设计的整机很舒服。整体故事化的讲解，逻辑贯穿始终

打卡：作者选择的物流发货是个切题的场景，业务中确实有很多可以通过实时预警控制，影响因素-维度和指标需要经过实际验证会更加可行。

打卡：数据分析角度的广泛性非常重要,，需要设法从更多维度去思考问题,扩大分析的覆盖面。数据可视化是非常重要的数据分析技能，需要优化下可视化方法和加强设计原则的学习,让报告的视觉呈现更科学和专业。

打卡：完整的数据分析流程，作品整体介绍偏少，后续可以继续优化完善

报告本身是很好的选题，整个分析报告从背景到数据处理、到建模到展示都比较好。
美中不足的有两点：
①：数据的展示：基本都是表格展示，数据的展示形式可以更加多样化，数据分析主要就是数据的多样化展示和对应的数据探索，单单图表的话，确实有点单一；
②数据内容：看完第一感觉是数据有点少，吃菜配酒，酒都到位，菜没有的感觉。
应该是时间局促，如果在完善一下，应该是一个不错的作品，期待下次楼主的作品。