|
一、学习初衷
1、个人介绍
本人是企业销售中心的人员，因企业引入帆软后开始接触帆软，在参加FCP培训前，本人以自学为主，结合实际工作，自学帆软文档并着手设计，自学SQL代码编写，不断优化取数逻辑，打通取数流程。在培训前已经通过帆软设计了一些销售相关的自动化报表，个人感觉帆软功能较强而且容易上手。
2、学习初衷
近一年，企业大力推广帆软做数据分析，企业推荐本人参与FCP学习，原本以为我已经有自己设计的成果，学习起来会很简单，但是事实上帆软BI的功能太多了，而且，我自己设计的报表还存在一些需要优化的地方。我想通过FCP学习，对帆软各项功能有了全面的认识，再将这个工具与企业的营销工作结合起来，做好大数据分析，提供有效的决策建议。
二、作品简介
企业的数据是保密的，而且脱敏处理比较困难，于是在做设计的时候，我还是选择的学习期间的网上超市数据，这个数据与企业的销售数据很像，我更多地是站在我们企业需要的层面来选取指标和组件。
（1）业务背景/需求痛点。
- 业务背景：通过数据观察销售额和利润率随时间变化的趋势，发现异常点，并深入查找原因，提出整改措施。
- 需求痛点：数据格式不统一，数据量大，数据规范处理困难；数据来源多，需要合并，且数据需要自动实时刷新；需要多维度更细粒度分析，层层找到问题症结，对症下药。
（2）数据来源
由于企业数据保密需要，脱敏处理困难，借用网上超市销售数据进行分析。
（3）分析思路
- 看趋势：从时间维度层面，看趋势变化，找到差异点。
- 找原因：根据形成差异点，对产生的原因打开分析。如产品方面，可以用帕累托最优，找到销售额累计占比80%的产品。再结合产品的四象限图（波斯顿矩阵），找到明星产品和瘦狗产品，对于瘦狗产品这种不盈利的产品需要分析原因，可采取退出或减少的策略，对于明星产品要重点推广。
- 找对策：再如客户方面，可以用top排名和客户复购率，如对忠诚度较高的复购客户，可以推广明星产品。
（4）数据处理
- 明细数据：在数据编辑阶段进行，分组汇总、时间处理等。
- 指标数据：在组件中进行，特别是涉及到价格等除法，为了保证合计结果的准确性，需要用聚合函数进行处理。
（5）可视化报告
三、学习总结
（1）学习经历
本次学习，让本人全面认识了帆软BI的功能，并学会了很多有用的数据处理方法、可视化建模方法，数据分析处理的技术和思维都得到了很大的提升。老师讲解细致，作业布置也很有针对性，这是一次非常好的学习过程，个人收获很大。
（2）个人成长
帆软BI这种大数据处理分析工具，需要结合实际业务进行不断地实践。学会了这套工具对后期的营销工作有极大的促进作用，如果再加上我对帆软REPORT产品的应用和SQL语言的深入学习，结合自己的业务知识，相信能为企业营销工作做出更大贡献，提升工作效率，提供更多准确的，可视化的，有价值的意见和建议。
| 
