（1）个人介绍 公司及行业：某金融公司。 岗位职责：数据分析师。 兴趣方向：业务数据分析、风控模型优化、自动化报表开发。 （2）学习初衷 学习背景： 公司业务增长快速，但合同从进件到投放的转化率（MOB3）长期低于行业平均水平，需通过数据分析定位瓶颈。 此前主要依赖Excel和SQL手工分析，效率低且难以动态监控，希望通过FineBI实现自动化分析。 选择原因： 从帆软社区了解到FineBI的敏捷BI能力，尤其适合业务人员快速搭建分析模型。 企业训练营的实战案例与工作场景高度契合（如转化率分析、RFM模型等）。 2. 作品简介（MOB转化率分析） （1）业务背景/需求痛点 背景： 信贷业务流程：进件→初审→终审→合同签署→投放，全程约需3-6个月。 管理层需监控各阶段转化效率，但现有报表仅提供静态MOB3转化率（如30%），无法定位具体卡点。 痛点： 问题1：MOB3转化率低，但无法判断是初审拒绝多，还是投放环节延迟。 问题2：手工分析耗时，且无法实时追踪不同渠道/客户分群的差异。 （2）数据来源 企业数据（脱敏处理）： contract_base：合同进件信息（合同ID、进件日期、渠道、客户类型）。 disbursement_record：投放记录（投放日期、金额）。 （3）分析思路 目标：定位MOB3转化率低的瓶颈环节。 分析框架： mermaid 复制 graph LR A --> B B --> C1 B --> C2 B --> C3 B --> C4 C4 --> D 关键拆解： 漏斗模型：计算各阶段转化率，定位流失最大的环节。 时间分析：对比各环节平均处理时间，识别延迟。 维度下钻：按渠道、客户类型细分，发现异常群体。 （4）可视化报告 ① 核心看板布局 顶部：公司核心数据 中部：MOB3转化率趋势图（按月对比，预警低于阈值月份）。 底部： 左：未投放原因分布（饼图，如“资料不全”占比40%）。 右：渠道效率对比（柱状图，线下渠道转化率仅15%）。 ② 分析结论 瓶颈定位： 主要卡点环节：合同签署→投放阶段转化率仅60%，处于低位。 业务建议： 重新审视卡点环节的业务流程。 价值体现： 预计优化后MOB3转化率可提升 3. 学习总结 （1）学习经历 实战收获： 通过企业训练营案例，掌握了FineBI的数据关联、计算字段和动态过滤功能。 最难忘熬夜调试MOB公式。 课程建议： 希望增加更多金融场景的案例（如风控评分卡模型）。 （2）个人成长 技能提升： 从Excel手工处理升级为FineBI自动化分析，报告制作时间缩短70%。 学会了用漏斗模型和维度下钻定位业务问题。 目标达成： 初衷实现90%，已能独立搭建业务监控看板。 对FCP考试充满信心，下一步计划考取认证！ 心得体会： “数据驱动的价值在于用图表说话——原来30%的转化率背后，是60%的投放环节停滞率。”