一、学习初衷
说到学习的初衷，首先要感谢公司为我们提供这个宝贵的学习机会，让我们能进一步地感受到数字化浪潮，掌握这门有效的工具，并应用在我们的工作中，提高数据分析的效率和能力，为生产赋能。
我是在我们公司内部管理自动控制仪表的工程师，因此，对于各种仪表的数据的分析是我们的日常工作。主要目的是通过数据分析，来识别各种仪表的数据是否正常，如果发现明显异常的情况，就要进行及时的排查，看看是仪表本身的原因，还是生产工艺的原因导致的结果。
有了BI工具的辅助，能帮助我们更加准确的进行异常情况识别。
二、作品简介
（一）业务背景
对于能源生产过程，从基础能源要素的输入，到生产能源要素的输出，都是一个基本稳定的过程。而对于能源供应，在用能环节的生产工艺未发生较大变化时，其也是基本保持稳定。所以，对于计量仪表数据突变的情况，就需要及时识别，并分析出数据变化原因。
（二）数据来源
本次分析的数据主要来自于日常的生产过程积累的历史数据。
（三）分析思路
将历史数据进行可视化展示，找出数据突变点位，结合生产情况，分析突变原因。
（四）数据处理
主要将生产历史数据进行过滤、清洗、去除明显的异常数据等后进行分析。
（五）分析结论
通过数据分析，及时发现数据突变点位，结合其他工艺生产数据，去挖掘是仪表本身原因还是生产工艺变化导致的计量数据变化。从而有助于及时发现原因，及时做出应对策略。
三、学习总结
（一）理论学习
通过线上课程学习，系统性地掌握了帆软BI工具的基础知识和核心功能。对于所有功能而言，我认为对于我们实际工作业务帮助最大的应该是可视化方面的应用。比如折线图、柱形图，同比及环比等。
（二）实操练习
在实操过程中，我以能源生产数据分析为业务背景，深入挖掘仪表数据的真实情况。通过导入历史的数据，查看能源生产过程中的数据异常性。但是这种方式存在一定滞后性，后期要考虑将在线数据导入到BI模型中，这样可以使得异常发生后能在最快的时间内进行察觉并处理。
（三）个人成长
通过这段时间的学习，我深刻感受到我们之前所做的数据分析，在数据量和数据分析的深入程度上还远远不够，要打破数据的表象，去看数据背后隐藏的规律和价值。同时，对于数据的关联性分析也是十分重要的。也就是说，对于数据来说，不能对某些数据进行独立分析，而是要将所有会导致该数据变化的所有相关数据都关联起来进行分析处理，这样得到的结果或者结论才会更加准确而全面。
通过本次学习，愿我们以该工具作为武器，在今后的工作中开展更加深入的数据分析。
| 
