|
目录
挑战FineBI极限的Dashboard看板案例分享 Part 1 综述
挑战FineBI极限的Dashboard看板案例分享 Part 2 设计与架构(1)建模
挑战FineBI极限的Dashboard看板案例分享 Part 2 设计与架构(2)看板设计
挑战FineBI极限的Dashboard看板案例分享 Part 3 图表设计
项目背景
这次分享的案例来自公司内部项目，从场、货、人三个角度切入，分析母公司泉源堂大药房的销售域数据。这套Dashboard不但在公司内部得到了集团董事长在内所有老板、高管的赞誉；在作为主讲嘉宾参加帆软官方组织的数据分析沙龙中，也得到了BI佐罗等嘉宾，以及其他与会同行的认可。项目开发周期累计1个月，持续运营了2年时间。项目组成员2人，1名计算工程师，本人继续以产品经理及报表工程师双重身份参与开发，从提出问题、分析问题到解决问题实现闭环。展示数据已做脱敏处理。
业务背景
在介绍这套Dashboard之前，需要先把泉源堂大药房的业务特点和对应的数据分析特点做一个介绍，以方便大家理解设计思路、技术难点以及对于技术的取舍。
泉源堂大药房是1家总部位于四川成都的医药连锁公司。不但经营了超过700家门店，按门店规模排入了国内医药连锁的TOP50；而且其旗下还拥有国内最大的医药连锁O2O代运营公司与梦同行，为超过500家连锁40,000家店铺提供线上运营中台服务。
项目需求
泉源堂大药房的战略特点是放眼未来，主动拥抱新零售所带来的消费习惯变化，主动布局线上渠道，深耕O2O市场。因此，在内部数据分析项目中，与其他同行不同，特别重视业绩的渠道来源，即从场的角度看，单店（新零售，线下+O2O）收入/利润增长主要因素来自线上（O2O、B2C）还是线下？从人的角度看，线上和线下2个渠道对商品需求差异是什么？...
按业务流程中各节点，所负责的业务部门需求，在维度上不但需要支持区域树（省份⇲城市⇲门店）；同时还需要支持机构树（运营1组分组⇲运营2级分组⇲门店）。加上从货的角度看，商品需要支持商品树（商品大类⇲商品中类⇲商品小类⇲商品单成份⇲商品厂牌/品牌⇲商品SKU），以及报表周期（日报、周报、月报）、门店运营方式（自营/加盟）、商品等级，总计17个维度，均需要支持全局筛选。因此我把这个项目，称作“挑战FineBI极限的Dashboard看板”。
设计需求
17个维度带来的主要设计需求有2个：
1. 如何设计才能让不同角度的17个维度的分析结果都能在一个Dashboard中呈现？每个维度单独做一套图表系统开销太大，向用户传递的信息量也太大。从成本和用户体现2方面都不具备可推荐性。
2. 如何展示不同维度和粒度下，不可累加指标或半可累加指标？订单数并不是可累加指标，按商品统计会膨胀。
回答第1个问题，首先需要回归到数据分析方式本身。在零售中最常见的分析方式是结构分析、趋势分析、排名分析、对比分析。结构分析中包括指标拆解的杜邦分析、占比分析、累计占比分析...是业务最喜欢的分析方式；趋势分析就是我们常见的折线图；排名分析和结构分析很像，但与结构分析不同，分析时并不需要考虑整体，而只分析TOP品；对比分析包括了对比目标对象的历史时段（也叫同期群分析）、对比目标对象的同粒度可比对象、对比目标对象上级粒度整体对象、对比目标对象多组指标的相关性等。4种分析方式即可以结合使用，也可以单独使用。其次就是引入全局筛选功能，保证每个组件都能响应筛选动作，每个组件都能按筛选结果呈现数据，实现组件复用。最后要引入一个数据角度切换的方式：旋转。具体表现方式在后续图表设计的篇章中展开。
回答第2个问题，则首先需要回到数据建模，根据是否可累加，选择不同的数据来源，如可累加指标选择ads预计算，不可累加指标选择dws + dim前台计算。其次要结合图表设计，在2种类型数据源中切换。不但考验了建模设计能力，和上文提到的旋转一样，同时挑战了对FineBI技术边界的理解。 | 
