|
BI数据赋能培训学习心得
一、学习初衷：从需求出发，拥抱数字化变革
作为一名银行零售信贷业务部数据分析师，日常工作离不开数据报表开发和业务归因分析。但随着公司数字化转型的深入，业务部门分析需求发生了明显变化：实时监控、灵活分析、动态可视化等新需求使得传统报表工具诸如固定模板开发周期长、业务人员依赖IT部门取数、多维度下钻分析效率低等的局限性逐渐显现。为解决我部上述痛点问题，以“空杯心态”积极参与数据管理部组织BI启航数据赋能培训。
二、作品简介
1. 业务痛点
近年来，数字化转型成为麦当劳战略的核心，包括线上点餐的使用、数字化营销的加大投入、以及顾客体验的优化，这一切都旨在提升品牌竞争力并深化与顾客的情感联系。但部分门店顾客喜爱度调查中评分中性，具体原因尚待定位。
2. 数据来源
https://www.heywhale.com/公开数据
3. 分析思路
本项目通过可视化分析对数据进行初步探索，再通过年龄维度进行用户细分类，并深入分析其对应偏好及喜爱度高低之前联系。梳理汇总分析结论后，针对每类用户群体提供营销方案已达到提升顾客喜爱度的目标。
4. 可视化报告
三、学习经历：忙碌中的充实蜕变
本次培训采用“理论+实操”双轨模式。虽日常工作繁忙，但仍能通过短时高效的课程学习、习题训练、专人解惑，帮助初学者完成从最初生疏迷茫->熟练实操->独立开发的蜕变。记忆最深的是利用模型关系整合多源数据的作业任务，连续两晚反复调试，最终实现销售数据自动联动。这种“学中做、做中学”的过程让学习者倍感充实，也深刻体会到数字化工具对复杂问题的简化能力。
四、学习总结：技能落地，效率革新
通过近段时间系统学习，首先掌握了数据处理和分析技能：学习连接各种数据源，进行数据清洗、转换和整合、数据建模的方法；同时够构建维度和事实表，为数据分析提供有力支持。同时，学会使用各种数据分析函数和工具，如排序、筛选、分组、计算等，能够深入挖掘数据背后的规律和趋势。其次提升数据可视化能力：Fine BI 提供了丰富的可视化组件和模板，让业务人员能够轻松地将数据转化为直观、美观的图表和报表。通过学习不同类型的可视化图表的特点和适用场景，熟悉如何选择合适的图表来展示数据，提高数据的可读性和传达效果。最后是增强决策支持能力：通过制作营销数据分析 dashboard，能够将复杂的营销数据以直观的方式展示出来，为领导和同事提供了有力的决策支持。
五、意见与建议
帆软BI工具拥有优秀的帮助文档及讨论社区，同时有专业的老师在线上实时答疑。这两点极大的降低了BI相对复杂的上手门槛。仪表板功能较全面，对工程师和业务人员均较为友好。但建议新增常用python模型包，包含无监督类（KNN\K-MEANS）、监督类（随机森林\LightGBM)，协助数据工程师更好的运用BI去建模分析数据，而无需动用第三方平台。期待后续版本接入ChatAI等功能，进一步降低使用门槛，做到全民皆是分析师。
| 
