一、选手简介 1.1 选手介绍 ①  团队名称：打工小分队 ②  队员介绍： a   队长：念念，目前就职于云南一家本地企业，公司是定位于皮肤健康互联网+的大健康产业集团，岗位为数据分析师； b   队员：然而、Amy，为公司部门同事。   1.2 参赛初衷 ①  事业部目前数据分析系统使用FineBI，为进一步加深帆软数据分析工具的使用，选择参加此项赛事； ②  学习不同公司不同行业人员对数据分析的见解与作品，更深刻地了解数据分析在各个工作场景中的运用； ③  挑战自我，不断进步。   二、作品介绍   2.1 业务背景/需求痛点   ①  业务背景： 本集团是一家集研发、生产和营销为一体，定位于皮肤健康互联网+的大健康产业集团。其中，Z渠道主要负责公司专柜线业务，是集团业务的中流砥柱。2022年是充满机遇和挑战的一年，集团对Z渠道提出更高的要求和目标。如何实现渠道目标，如何科学有效地管理业务，我们想到将业务过程进行分解，结合FineBI丰富的可视化组件、强大的数据分析和数据共享功能，对每日销售结构进行分析，以帮助渠道/区域负责人更深入了解销售情况及数据结构，快速响应市场情况，及时调整业务策略。   ②  需求痛点： 前期受限于无数据统计分析系统，相关数据报表大部分由手工输出，将数据统计时间维度简化至周报、月报；2021年启用Fine BI分析系统，陆续将成熟手工报表上线；目前，一方面业务数据查询时效性需求迫切，另一方面后台数据统计分析人员逐步从手工报表工作中解放出来，现阶段计划开发和上线数据实时查询看板。本参赛作品作为初步尝试，旨在满足以下需求： a   T+1方式查询专柜销售情况（每日可查询截止前一天销售数据）； b   从区域、产品、会员多维度进行数据解析，及时发现业务机会点和异常点。   2.2 数据来源   ①  数据来源说明 a   使用企业数据，已进行脱敏处理，请勿对号入座； b   取数时间段：2021年1月1日-2022年4月20日。   ②  相关数据源表含义简述 a   BK销售出库：专柜销售数据明细，包含销售日期、专柜、会员、产品的销量信息； b   BK终端维护：专柜信息维护表，可获取专柜对应组织、营业状态、开撤柜时间信息； c   BK货品维护/货品/产品维度表：清洗产品标准名称，获取产品对应品类信息； d   会员基础信息表：获取会员入会时间、来源、性别、年龄、肤质、等级信息。   2.3 分析思路   ①  分析框架       ②  重点指标定义   a   销售指标 ⅰ  人均客单=销售金额÷消费人数 ⅱ  组织结构：大区→省区→专柜 ⅲ  未动销专柜：销售日期内销售金额为0的营业中专柜 ⅳ  超级大单：单个会员单日消费超5000元，用于关注高消费会员、团购订单   b   会员指标 ⅰ  会员类型：新增会员、复购会员、自然流（未入会的消费人员，或非本渠道会员） ⅱ  会员来源：线上会员（重点营销引流会员-主要会员来源）、线下会员、自然流 ⅲ  会员等级：依据会员消费行为定义出4个分类（普通会员、高级会员、VIP会员、至尊VIP会员） ⅳ  肤质/年龄/性别属性：会员入会时销售人员或者消费者填写的基础信息 ⅴ  会员消费金额分布：依据销售日期内会员消费金额进行分类，共7个分类   2.4 数据处理   ①  获取销售数据中关键维度的基础信息：   a   专柜：大区、省区、开柜时间、撤柜时间、营业状态； b   产品：产品标准名称（销售数据录入系统与业务管理系统的产品名称定义不一致，需清洗为标准产品名称）、产品品类； c   会员：入会时间、来源、性别、年龄、肤质、等级； ★   以上信息分别依据《BK销售出库》中专柜名称、产品名称、会员ID与相关信息表关联获取。   ②  获取销售日期内未动销专柜明细：编写SQL代码生成数据集。   ③  获取同期数据：新建一个数据集将销售日期后延一年，再将原始销售数据与后延一年销售数据进行左右合并，如下图所示：       2.5 可视化报告   ①  看板框架及组件意义       ②  数据分析结论   ★   以2022年4月1日-4月20日数据结果为例，分析专柜4月销售情况   a   关键指标   ⅰ  分析思路：了解销售概况，关注销售健康度；   ⅱ  分析结论：2022年4月1-20日总销售金额803万，退款69万元；共23193位消费者（其中8912个新增会员），人均客单346元；68个专柜未产生销售（如下图所示）：       b   销售情况概览   ⅰ  分析思路：进行销售情况解析，从销售趋势、区域结构进行对比分析；   ⅱ  分析结论：   ●   销售趋势： 4月销售金额同比去年增长21%；近7天（4月14-20日）销售趋势与去年相似，但变化幅度增大；参考去年同期趋势，后7天（4月20-27日）趋势趋于平稳，预计4月26日出现小幅下降，需作重点关注； ●   区域对比解析： ○   C区贡献最大占比销售金额29%，消费人数远高于其他区域，但人均客单略低； ○   A区所辖专柜数量与C区持平，销售贡献相较C区低了10个点，需关注柜均人效；其中未动销专柜有19个，未动销专柜占比最高20%； ○   E区销售贡献等于B区，但专柜数量远高于B区，消费人数最少，会员运营能力较弱；   ⅲ  问题建议：   ●   关注销售连带情况，挖掘会员产品需求；注意会员消费人数的同时，也要把握好客单； ●   关注区域未产生动销专柜，从多维度分析、提高柜均人效； ●   关注区域会员运营情况，提高会员粘性，增强会员复购。       c   消费产品结构   ⅰ  分析思路：从产品品类结构、TOP10单品名单进行销售情况解析；   ⅱ  分析结论：   ●   TOP4品类（主营品类）销售贡献80%以上，其中乳液/面霜销售贡献43%，但同比降低6%，下钻至单品发现主要为产品2和产品11同比下降（均为TOP10单品）；区域维度A区、D区、E区同比下降； ●   TOP10单品品类集中于主营产品，产品1销量遥遥领先；面部护理套装人均客单较高，但消费客群相对小众；   ⅲ  问题建议：   ●   A区、D区、E区关注乳液/面霜渠道运营策略，分析区域问题并及时进行改善，避免主营产品持续同比下降； ●   关注产品购物篮分析，依据消费者偏好进行产品组合，搭配宣传策略，扩大面部护理套装消费人群。       d   消费会员结构   ⅰ  分析思路：全方位解析会员画像，关注会员结构变化，复合分析以定位和关注高质量会员；   ⅱ  分析结论：   ●   会员类型：会员复购人数占比同比提高，新增会员人数占比同比大幅下降； ●   会员消费金额分布： ○   退货人数占比同比增加（产值<0)； ○   赠品引流人数占比同比减少（产值=0）； ○   中间产值（200≤产值<300）消费人数占比下降10%，高产值（大于300）、低产值（小于200）人群占比有不同程度增加，呈现出两级分化的趋势； ●   会员来源：线上会员（重点引流会员）消费人数占比下降，品牌效力提升；其中人均客单相对线下会员较低，注意转化连带； ●   会员属性：属性缺失人数占比超一半，会员信息完整性很低；   ⅲ  问题建议：   ●   关注退货原因，进行痛点分析，及时提出策略进行改善，提高会员满意度； ●   在提高会员复购的同时，不能忽略会员纳新，关注赠品引流效力； ●   会员属性是会员画像重要基石，其来源依赖于一线信息录入，目前有属性会员不足一半，需加强对一线管理规范，提高会员信息完整性；       e   超级大单   ⅰ  分析思路：用于关注高消费会员；及时发现团购订单并进行分析剔除，以便分析结果合理有效。       f   分析结论总结   ⅰ  销售健康度：销售金额同比增长，但分别从区域、产品、会员3个维度细化分析，均存在数据异常点；   ⅱ  结论建议：   ●   提高数据关注度，结合数据结果，关注细化维度，及时发现问题并进行调整提高； ●   从消费会员各个维度解析，发现复购会员占比和引流会员占比同比降低、退货会员占比同比增长、超一半会员属性缺失等问题，均体现渠道会员运营效力不足，建议总结问题，及时优化业务策略。   2.6 最终结果呈现的页面布局   ①  公共链接：https://bisolutions.fanruan.com/webroot/decision/link/ywfb   ②  整体页面呈现： 三、参赛总结 1.1 Fine BI工具   ①  使用人群开放至未学习代码人员，操作比较容易上手，学习视频也比较齐全，各功能讲解都能搜索到； ②  建议：看板制作中的图表类型是否能更加丰富，比如：旭日图（不同指标维度，达成区分圆环体现）。   1.2 参赛总结   ①  在参赛过程中需要分解任务、数据清洗、数据整理、看板呈现以及数据校验，比较锻炼逻辑思维，将问题一步一步拆解才能完成目标； ②  通过本次大赛也看到了很多优秀的作品，学习了不同维度的分析思路，在今后的工作中也会持续关注此类赛事，不断进步。