1 团队介绍
团队名称：物流三剑客
团队成员：邓念浩、叶树钰、唐小余
指导老师：秦金中
学校：广州理工学院
2 作品背景
本作品是基于FineBI工具进行设计的某某公司2019-2022年的薪酬评估项目数据可视化分析仪表板。通过对该公司2019-2022年的人工成本、内部公平性、薪酬结构分析、薪酬满意度分析进行处理和分析。利用FineBI工具对本次数据进行分析，帮助该公司运营者了解薪酬评估情况，结合公司人员情况，为公司薪酬体系提供相对应的建议意见，具有较强的实用性。
3 制作流程
4成果展示
  
4.1 模块一
1、营业收入持续增长，但利润持续下降，近两年为亏损，2022年亏损减少。
2、2021年云业务收入0.21万，2022年增幅明显，处于高速成长状态;软件业务几乎无增长。
4.2 模块二
 
1、2020、2021年的营业收入增长额/率低于人员规模及人工成本增长额/率，导致利润降低及公司亏损。
2、2022年收入增长大于人工成本/人员规模增长，2022年亏损情况有所好转。
4.3模块三
1、2020、2021年人均收入/利润持续下降，2022年有所回升。
2、人均人工成本持续上升，2022年增长放缓。
4.4模块四
人工成本的收入产出及利润产出2019-2021年持续下降，2022年略有回升。
4.5模块五
1、男性薪酬平均值为20.11万，高于女性薪酬的平均值17.6万。
2、男女的平均薪酬差异主要是由职级导致的。
4.6模块六
1、薪酬整体上与学历成正比，博士>硕士>本科>大专。
2、高中及中专学历的人数较少，各1人，不具备代表性。
4.7模块七
1、平均薪酬最高的部门为总裁办公室(高管)，薪酬最低的是服务中心
2、营销中心、研发中心的薪酬高于公司平均水平
3、职能中心、营销机构的薪酬低于公司平均水平
4.8模块八
1、平均薪酬最高的岗位为综合管理，薪酬最低的是服务类岗位。
2、是营销序列的平均薪酬排名第二;其次研发序列。
4.9模块九
不同部门的相同岗位：
营销中心：
1、软件业务部与云业务部各岗位存在一定差异，但差异不明显。
研发中心：
1、平均薪资较高的有以下岗位：产品总监、研发总经理、架构师、产品经理、研发经理。
2、平均薪资存在差异较大的有以下岗位：研发总经理、架构师、产品经理、研发经理、JAVA开发工程师。
4.10模块十
1、男性薪资高于女性的部门：总裁办公会、研发中心、职能中心、营销机构、服务中心。
2、女性薪资高于男性的部门：营销中心。
3、薪资的差异与职级的差异存在一致性，即薪资差异是由职级差异导致的职能中。
4、心女性职级高于男性，但男性的薪资高于女性。
4.11模块十一
1、否合理需结合各地区业务规模确定营销机构的分公司总经理岗位薪资的区域差异较为明显，较高的为天津、广西、山西、海南、北京。
4.12模块十二
1、25-50分位之间:综合管理、研发
2、50-75分位之间:营销、市场、职能
3、75分位以上: 服务
4.13模块十三
1、各职级级差基本合理。
2、职级13及以上的薪酬幅度偏小，原因为相关职级人数较少;也可能是该职级人员薪资基本处于下限。
4.14模块十四
1、固定费用和浮动费用的增长率较平稳，但浮动费用的增长率平均增长在40%左右。
2、2021年公共福利费和2022年HR专项费用增加较大。
4.15模块十五
1、人均基本工资逐年上升，但增幅减缓;固定部分基本工资占比整体呈下降趋势，浮动部分比例增加。
4.16模块十六
1、薪酬支付各项目均逐年上升。
4.17模块十七
1、薪酬满意度平均分3.28分。
2、职能中心、服务中心、营销中心薪酬满意度低于平均值，总裁办薪酬满意度最高。
4.18模块十八
1、服务中心对薪酬提升、薪酬结构满意度最低，总裁办对福利满意度最高意度非常低，都不满意。
2、研发中心4个部门中，南昌研发中心对薪酬水平、福利满意度最高，软件研发部最低。
4.19模块十九
1、大数据开发工程师薪酬满意度在平均值以上。
2、JAVA开发工程师薪酬满意度整体高于平均水平。
3、软件研发部研发经理、产品经理等关键岗位薪酬满意度较低，UI、需求分析师满意度也较低，产品专员满意度较好、JAVA开发工程师处于平均水平。
4、平台研发部测试、产品等满意度高，各岗位满意度相对较好云研发部产品经理满意度较低，整体满意度较好。
5、南昌研发中心JAVA工程师满意度最高。
5 总结与分享
FineBI工具：
FineBI工具值得点赞的除了软件平台的公益性之外，教学视频也在逐渐增加，而且技术支持很给力，给工作人员们点赞。
FineBI工具实现了很多数据的动态有效展现，数据之间进行联动，超喜欢这个功能的。
大数据时代，这个数据的处理和展示显得特别的刚需，感谢与帆软相遇，感谢帆软的支持。
但是在使用过程中还有些地方希望帆软改进的，主要就是组件格式没能有格式刷，样式需要一个个去调整，用时间较多，较为繁琐，新增个格式刷功能会更好。
参赛总结：
感谢帆软给予的平台，让我们的团队有磨炼的机会，也提升了我们的操作技能，让我们对大数据可视化有了更进一步的了解，产生更大的冲劲，希望后期不止为了比赛而学，更希望可以应用到我们以后的学习、工作和生活中。
再次感谢我们团队的小伙伴们，从数据选择、布局构思、数据处理、仪表板制作、作品介绍等方面通过不断的找茬、讨论与调整，让我们的作品得到了更好的优化，让我们都得到了更好的成长。 | 
