|
一、选手简介
1、选手介绍
团队名称：深圳技师学院大数据实验室
- 队长介绍：
- 陈鸿生 深圳技师学院大数据应用技术专业学生，大数据应用技术工作室大数据组组长，帆软用户名：CHS
- 成员介绍：
- 成员-左海威，帆软用户名：zuohaiwei，深圳技师学院大数据应用技术专业教师，广东省技术能手。澳大利亚科廷大学高级研究员。
- 成员-梁天腾，帆软用户名：liangtianteng，深圳技师学院互联网技术学生，广东省技术能手。
- 成员-杜黎强，帆软用户名：duliqiang，深圳技师学院大数据应用技术专业教师，高级讲师。
- 成员赵艳云，帆软用户名：ZhaoYanyun，深圳技师学院大数据应用技术专业教师，高级讲师。
团人组成：师生
酬人照片：
2、参赛初衷
对数据分析有一定兴趣，想试试FineBI这种分析可视化工具。
二、作品介绍
1、业务背景
对近20年来的人口死亡情况进行统计分析，找出死亡原因，了解各地区的不同原因差异，对世界人口导致死亡的因素进行统计整理。
2、数据来源
3、分析思路
4、数据处理
（1）对不需要的字段移除，同时对英文字段进行翻译
（2）将不需要的数据进行清洗
（3）分组求和或者平均值
（4）合并表
5、可视化报告
（1）数据含义表达和图表排版布局
第一部分是指标卡与多系列折线图，指标是死亡人数、人口总数、每千人死亡/出生数。风格以蓝白为主，而折线图为凸显死亡与出生选择黑白。
第二部分是两张条形图，指标是死亡数，这两张图是为了反映2000与2019年top20死亡原因变化。
第三部分是饼图和柱状图，指标是死亡数与地区，这两张反映的是各地区死亡情况及top死亡原因。
第四部分是柱状图和云图，指标是死亡数与死亡原因，这两张反映出2019年不同收入等级国家的死亡情况与原因
第五部分是多分折线图，指标是GDP和总人口数，这张图反映出经济与人口的发展趋势
（2）通过分析得出的结论
观察以上图表我们能够得出以下结论：
1、无论是2000年还是2019年，缺血性心脏病（Ischaemic heart disease），中风（Stroke），下呼吸道感染（Lower respiratory infections），新生儿疾病 (Neonatal conditions)在死因中的占比都是名列前茅。
2、缺血性心脏病（Ischaemic heart disease）从20年前至今都占据着死因榜首，且人数在不断的上涨。
3、艾滋病（HIV/AIDS）死亡人数的急剧下降
4、下呼吸道感染（Lower respiratory infections）仍然是世界上最致命的传染病
5、下呼吸道感染（Lower respiratory infections）仍然是世界上最致命的传染病
6、非洲的首要死亡原因是新生儿（Neonatal conditions）
7、艾滋病在非洲也有非常高的死亡
8、除了非洲外，其余地区首要死亡杀手仍是缺血性心脏病（Ischaemic heart disease）与
中风（Stroke）
9、随着阿尔茨海默病和糖尿病的进入，非传染性疾病变得更加突出，而传染病正在下降
通过死亡原因的分析，能够改善生活方式，衡量每年的死亡人数有助于评估我们卫生系统的有效性，也能够反映出哪些地区的医疗资源不足，帮助决策对哪些地区进行资源的倾斜以降低该地区的死亡率。
（3）最终结果呈现的页面布局
三、参赛总结
1、FineBI工具
FineBI还是挺好用的，上手很快，一天就基本熟悉大部分功能，门槛低。数据清洗比我想象的要更加方便快捷，代码的大部分基础功能都能通过这个图形化工具完成，可视化也更加的灵活多变，多种复杂图表都能轻易实现。
不过，在我使用中还是有一些地方不太方便，比如在步骤过程中的表不能直接复制，一张表经过了6个步骤后，我想把第四个步骤状态下的表复制出来，希望完善这方面的功能。
2、参赛总结
我是第一次接触到这种工具，感觉还是挺不错挺新奇的，相比起代码这种有一定学习门槛的东西，这种图形化操作大大降低了使用门槛。
收获还是挺多的，了解到了这么一种工具，未来有机会需要做一些数据可视化的时候会考虑使用FineBI工具。 | 
