|
FineBI 学习总结报告
一、学习初衷
（一）个人介绍
我是 [2582014]，目前就职于 [HW国际贸易]。我司专注外贸及跨境电商。我担任财务BP，一直对数据分析领域有着浓厚的兴趣，尤其是通过数据可视化来挖掘数据价值，为公司决策提供有力支持。
（二）学习初衷
在日常工作中，随着业务数据量的不断增长和业务复杂度的提升，传统的数据分析方法和工具已难以满足高效、精准分析的需求。我了解到 FineBI 在数据处理和可视化方面的强大功能，认为它能帮助我突破工作中的瓶颈，提升数据分析的效率和质量，所以选择了学习 FineBI。
二、作品简介
（一）业务背景 / 需求痛点
在公司的业务运营中，销售部门需要定期评估各产品线的销售业绩，以便制定合理的销售策略和资源分配方案。然而，以往的数据统计和分析工作依赖于人工操作 Excel 表格，过程繁琐且容易出错，无法及时为管理层提供准确、直观的销售数据洞察。
（二）数据来源
企业数据：主要使用了公司销售数据库中的 “订单表” 和 “产品表”。“订单表” 包含订单编号、客户信息、产品编号、销售日期、销售金额等字段，记录了每一笔销售交易的详细信息；“产品表” 则涵盖产品编号、产品名称、产品类别、成本价格等内容，用于提供产品的基本属性。对数据进行了脱敏处理，隐藏了客户的敏感信息和部分内部编码。
（三）分析思路
拿到数据后，首先围绕销售业绩评估这一主题，将分析方向拆解为按产品类别、销售时间、客户区域等维度进行分析。选择这些维度是因为它们是影响销售业绩的关键因素。对于每个分析方向，进一步确定了如各类产品销售趋势分析、不同区域销售贡献分析等具体主题。
（四）数据处理
在使用自助数据集时，遇到了数据格式不一致的问题。例如，销售日期在源数据中格式不统一，有的为 “YYYY-MM-DD”，有的为 “MM/DD/YYYY”。通过使用 FineBI 的日期函数进行格式转换，解决了这一问题。在关联 “订单表” 和 “产品表” 时，由于数据量较大，初始关联速度较慢。经过优化数据索引和筛选条件，提高了关联效率。同时，利用计算字段功能计算出了每个订单的利润，即销售金额减去成本价格，为后续分析提供了重要指标。
（五）可视化报告
数据含义表达和图表排版布局：使用柱状图展示不同产品类别的销售额，柱子的高度直观反映销售额大小，颜色按照产品类别进行区分，便于快速识别。折线图用于呈现销售趋势随时间的变化，时间轴设置在横轴，销售金额在纵轴，线条颜色鲜明且带有数据标记，增强数据可读性。在排版上，将关键图表放置在仪表板的显眼位置，按照分析逻辑依次排列，各个图表之间保持适当的间距，使整个布局简洁明了。
通过分析得出的结论：销售趋势，销售旺季，销售额占主导的产品大类和小类，以及市场趋势。
三、学习总结
（一）学习经历
在学习 FineBI 的过程中，经历了许多个熬夜钻研的夜晚，但也收获满满。通过学习社区和线上课程交流，结交了不少志同道合的朋友，我们一起探讨问题、分享经验，共同进步。非常感谢授课老师深入浅出的讲解，让复杂的知识变得易于理解；班主任的贴心关怀和学习督促，确保了学习进度的顺利推进；助教老师在课后耐心解答问题，帮助我克服了一个又一个技术难关。不过，课程中的实践案例可以进一步增加行业多样性，以便更好地满足不同学员的工作场景需求。
（二）个人成长
学习 FineBI 后，掌握了从多数据源整合数据、构建数据模型到创建高质量可视化报表的一整套技能。学会了运用多种分析模型和函数进行数据深度挖掘，能够根据不同业务需求选择最合适的可视化类型进行展示。在数据处理和分析效率上有了显著提升，以往需要花费数天完成的分析工作，现在借助 FineBI 可以在一天内完成，大大提高了工作效能，为个人职业发展奠定了坚实的基础。 | 
