1、学习初衷
（1）个人介绍
我是帆软社区的yyymika，uid：2054098，目前就职于中国矿业大学总务部，中国矿业大学是教育部直属的全国重点高校，是教育部、应急管理部与江苏省人民政府共建高校，先后进入国家“211工程”“985优势学科创新平台项目”和国家“双一流”建设高校行列，而中国矿业大学总务部是为学校教学、科研、师生提供后勤保障服务的职能部门。目前总务部下设管理机关部门5个，专业管理部门8个，联系和代管单位3个，逐渐由管理、服务、经营等职能向单一的“监管”职能转变，加快后勤社会化改革步伐，在饮食、运输、商贸等领域引进社会优质企业进驻学校，构建学校后勤事业的新发展格局。我目前从事后勤信息化工作，负责推进后勤业务向数字化，智能化方向转变，目前我对AI大模型领域比较感兴趣，正在尝试借助coze等平台搭建应用用于智能回复，流程处理等业务。
（2）学习初衷
部门基于Fine BI与Fine Data Link搭建了数据集成治理及业务数据分析平台，包含业务数据采集，数据加工，指标构建，数据分析等功能，因此为了进一步掌握平台功能，提升业务能力，报名了本次Fine BI学习班。
2、作品简介（作业10）
注意！作品介绍主要目的是体现作品的分析过程：业务背景/需求痛点是什么？→拿到数据如何思考？→如何利用FineBI进行分析？→最终的结论/心得/体验/困难/分析结果图。下述模板供参考，可围绕以下维度进行适当调整。
（1）业务背景
中国矿业大学南湖校区占地2800亩，有教学楼、办公楼、宿舍楼各类建筑楼宇64栋，包含大量设施设备，我校南湖校区师生超过38000人，大量频繁的使用使得设备故障经常发生，每天都有大量的设备需要维修，每年报修单数超过35000单，平均一天报修单超过100单。大量的报修带来的便是管理上的困难，虽然我校自2016年以来已逐渐将线下报修转为线上报修，通过业务流程数字化，提升工作效率，但仍存在维修时间长，部分种类设备故障率高，师生对维修满意度低等问题，因此需要从维修工单中进行分析，通过指标构建，发现问题，进而解决问题，提升师生服务满意度。
（2）数据来源
本次分析中使用的数据为从学校线上报修系统中到处的2023-2024年工单数据，包含工单号，工单创建时间，工单最新状态变更时间，工单当前状态，报修地址，保修项目，维修工对等数据列
（3）分析思路
为了通过分析报修数据提升服务满意度，将这个核心目标拆解成三个子项目进行分析，分别是降低处理时长，提升完工率，降低设备故障率；
- 降低工单处理时长：为了实现这个字目标，首先需要对工单维修时长占比进行分析，了解维修时长分布情况，然后找出异常维修时长工单，对其进行分析，可以按照维修工、报修设备等维度进行分析，找出异常因子，并对其进行重点关注，分析形成原因，进而解决异常。
- 提升完工率：首先需要了解整体完工率及完工率趋势，分析完成率低点形成原因，观察整体完工率是否满足预期
- 降低设备故障率：降低设备故障率可以通过以下分析步骤实现，首先分析设备报修分布情况，找到经常发生故障的设备，然后通过设备报修趋势定位其经常报修的时间周期，定位问题原因，通过分析找出解决方案，包括但不限于整体更换设备等方案。
（4）数据处理
- 数据加工：系统中只能按照年份导出工单数据，所以数据导入平台后首先通过上下合并，将23年和24年报修数据进行了合并，然后为了通过获取时间功能计算出维修时长
- 指标构建：为了分析工单完工情况利用def函数构建了完工数，完工率两个指标
同时为了分析工单增长及完工趋势，又按照年份维度构建了工单数，完工数，完工率指标
（5）可视化报告
（1）看板整体选用浅蓝色配色，分为四个栏目，最上方是数据概览，通过四个指标卡对关键统计数据进行展示；下方是工单处理时长栏目，共包含六个图表组件，逐步深入对工单处理时长从不同维度进行分析
首先通过饼图展示不同维修时长工单占比，然后右侧柱形图进一步分析不同维修工超时工单情况，找到超时工单具体原因，下方两个曲线图分别是工单数量趋势图和9月第一周工单数量趋势。
；第三个栏目为完工率分析，包含两个图表组件，分别对完工率趋势和各报修项目报修率进行分析。
第四个栏目则是报修项目及区域故障率分析，包含四个图表组件，分别对报修项目、区域进行工单数统计，找出故障率最高的报修项目和报修量最多的区域。
（2）通过三个栏目不同维度的分析，可以发现以下问题
- 有大量工单处理时长过长,其中未响应工单（处理时长超过720小时）占比超过50%，且大部分为电气设备、洁具等宿舍内设施，经分析可能由以下原因造成
1.宿舍维修单量较大，部分维修工维修完成后未即使在系统内更新完工状态，导致完工时间异常
2. 宿舍维修单量较大，部分工单维修难度大，需要较长时间进行处理
3. 系统异常造成部分工单未及时推送给维修，延误维修时长
对此应该加大对维修工培训，提升业务水平，熟悉系统操作。
- 能源维修、墙砖等维修项目完工率较低，主要由于这些维修项目涉及工程施工，不同于设备维修，难度大，时间长，处理比较复杂。因此在后续维修过程中应加强过程监管，验收完成后及时在系统提交完工
- 电气设备项目中电灯、空调设备故障率较高，电灯属于易耗品，更换属正常现象，但可以考虑更换品质更好的led电灯降低更换次数，减少人工成本；南湖校区学生宿舍空调安装时间为2012年和2013年，使用时长已经超过10年，达到了维修的峰值。
建议：学校增加对学生宿舍空调投入维修经费或者规划逐年更新空调。
3、学习总结
这是我参加的第二个帆软学习班了，可能和大多数同学不一样，我先报名了FR学习班，再报名了BI学习班。这近两个月的BI学习班让我收获良多，经过FR学习班的学习，我一直以为BI学习班会很容易，学起来一定很轻松，然而事实并非和我想得完全一样，虽然在平时工作生活中经常使用Fine BI，但其实还有很多功能我不甚了解。这次学习让我对Fine BI有了一个系统的认识，了解并掌握了以前基本未曾使用过的DEF及聚合函数等内容，学习到了过滤层级等关键知识点，拓展了我的知识面，提升了BI使用的熟练度，同时通过课程的学习让我了解了GLAD原则等看板制作规范以及ABC分析、RFM分析等数据分析模型及思路，这些都对我未来的工作能够起到很好的帮助，让我在数据分析的道路上走深走实。
未来，我会将课程中学习到的内容进一步应用到工作中，通过不断实践加深学习印象，不断提升自己的数据分析思维与能力，通过数据分析的应用，提前预判，精准分析师生生活需求，为师生提供更加符合师生期待的服务模式，提升师生服务满意度，。
