学习历程与心得 在finebi课程学习班学习的这六个月中，我个人受益匪浅，因为我在参与次学习班之前就对finebi有所了解，这次全程跟下来学习班的学习课程以及课后作业之后，又对finebi这个工具的强大好用有了新的认识。 首先是数据处理的方便，对于一些数据处理的手段，在excel中或许需要较为繁琐的流程去进行处理，可能要写很多的函数才能达成目标。但是在finebi中，需要写函数的场景较少，大部分功能都可以通过简单的操作实现。这就保证了我们不需要了解一些函数的原理也能轻松实现想要的操作。尤其是快速计算、条件标签列的功能极其强大，涵盖了很多的使用场景，而且操作简单，使用方便，大大提高了工作效率。 此外是finebi数据的自动更新，这就是fine另一个功能的亮点：不仅能够批量处理数据，还能够自动更新，将新增数据自动在仪表板中体现，仪表板随着数据变化而动态变化，这减少了很多人工维护的成本。 还有，随着finebi这几次系统的升级，仪表板的可选择的展示样式也大大增加，在之前一些版本中没有注意的细节，也在新版本中得以展现。作为使用时间有一年的用户，对于一些功能有着固定的使用模式后，就不会再去探索一些新的功能，这次的课程也是为我提供了一个机会，能够让我去了解一下新的功能，为自己之前的使用模式添加一些新的思考。 作品简介 一、总述： 本次数据分析是以零售业某店在欧洲及北美各国线上及线下商品销售数据为基础，从国别、产品类别、日期、订单状态等各个维度对数据进行下钻分析，并以数据为支撑，找出目前经营中可能存在的问题，提出经营改进的建议。数据来源：网站上生成的任意数据。 二、数据处理思路 由于网上找来的数据有些格式问题，数据经由以下流程思路处理 筛选掉24年11月份后生成的的无效数据，以当前时间为基础，观察历史数据。 对于数量为负值的记录，将其判断为“退货订单“进行分析，对于单价为负值的记录，不符合逻辑，应筛选去掉 对于数据中的discount字段，有少量数据显示discount大于1，不符合逻辑，应筛选去掉。 三、数据分析报告 总体分析报告 数据分析各部分介绍 当期数据观察 通过左上方日期筛选组件，能够控制下方6个kpi指标卡，能得到任意时间段的新增客户数、销售额以及退货订单数和他们的环期值。此分析区域能够让用户观察当期重点数据，以及对比环期数据，对于异常变动（当期和环期值相差过大能及时发现问题）。 2. 数据国别维度分析，分析不同区域经营状况。 通过国别区域的销售额分析，可以看出各国总体销售额基本持平，没有较大异常，对于这个状态，下钻分析各国人均，发现在销售额相差不大的前提下，各国客户数也在均值附近均匀分布，同时，人均运输成本在各国之前也没有较大差别。因此可以得出，区域差异并未过于影响客户数和运输成本，因此，各国销售额水平较为持平，没有明显的差异值。 3. 产品成交订单量分析 对于产品种类及产品名称建立钻取目录，查看各类别的订单数量，可以看出，各类别和各产品订单数量较为平均，无明显差异。 4. 从用户类型维度分析 对于消费金额高于总消费金额平均值的客户，将其判断为“高价值客户”。 对于消费时间距今为6-12个月的客户，将其判断为“挽留客户”；对于消费时间大于12个月的客户，将其判断为“流失客户”。 通过分析，可以看出，近几年来的流失用户（包含高价值和低价值）数量都在减少，而未流失用户数量和占比在增加，因此可以判断近年来使用的顾客挽留策略有效，用户粘性增加。 5. 从日期及订单维度进行分析 在年度销售额月份分布图汇中，可以看出，各年销售额基本持平，两处异常值在22年9月和24年11月，分析其中原因： 首先，24年11月是本次报告的编写时间，此时时间正在月中，所以24年11月的当月销售额会比往年同期低，但是当前（24年11月11日）大约是11月份的1/3，可以看到当前已有的销售额大约也在往年同期的1/3位置，根据历年同期销售额判断，到24年11月底，销售额会达到历年同期水平。 其次，对于22年9月异常值判断，点击9月份数据和下方明细表及环形图联动，可以看到，退货订单数量较多，同时退货订单占比上升。因此，该时间的销售额较低源自本段时间退货订单占比增加（2.07%→2.72%）。 四、总结和结论 根据各国的总销售额持平和客户数都基本处于平均水平可得：各国的客户具有相同的购买力，同时各国货运成本无较大差异。因此在国别之间，应该实行相似的商业和优惠政策。 根据用户类型判断：流失客户数连年下降，未流失用户连年上升，说明目前实行的顾客挽留策略有效，应该继续实行。 根据销售额月份分布的异常值判断：退货订单对销售额水平影响较大，应该对退货订单的客户进行问卷下发，调查退货原因，减少退货数量，以将销售额维持正常水平。 课程总结 总的说来，在帆软这几个星期的课程收获满满，感谢各位老师在群里及时的答疑解惑，感谢各位同学在群里提出的不同问题为我提供了新思路、新思考，今后也会继续使用帆软工具，让数据发挥出更大的价值。