1、学习初衷 （1）个人介绍 我平时负责部门的数据分析工作。由于分析场景多样，涉及食堂运营、住宿管理、接待分析等多个模块，且主要依赖Excel和PPT进行数据处理与汇报，每月需要手动整合多个表格、重复计算指标（如环比增长率、人均消费等），不仅耗时耗力，还容易因人工操作导致数据误差，整体工作流程较为枯燥 （2）学习初衷 通过公司组织的“数据先锋训练营”，我系统接触了FineBI工具。希望通过学习，实现从“手动处理”到“智能分析”的转变：一方面，利用FineBI的可视化工具搭建模板，自行填充数据进行报表呈现，减少重复性操作；另一方面，通过动态分析报表提升数据呈现效率，为管理层提供更直观的决策支持 2、作品简介 （1）业务背景/需求痛点 业务背景：为优化公司各园区食堂运营效率，行政部每月需对全国6个园区（A-F）的食堂运营数据进行分析，核心关注三大指标：销售增长率（评估运营健康度）、人均消费（反映食堂定价合理性）、消费人次（衡量服务覆盖度） 需求痛点： 数据分散：消费明细存储在餐饮系统中，需手动导出Excel后再整合园区、食堂、商户等维度数据，单次处理耗时超4小时 分析维度复杂：需交叉分析“园区-食堂-商户-时间”等多维度数据，Excel透视表操作繁琐，且难以动态呈现趋势（如环比增长、外卖占比变化） 报告效率低：PPT汇报需手动更新图表，无法实时响应临时查询需求（如“某园区8月具体下滑商户”） （2）数据来源 企业数据：餐饮系统后台导出的“消费明细表”（字段：消费时间、园区名称、食堂编号、商户名称、消费金额、支付方式等） 自选数据：补充“食堂基础信息表”（字段：食堂名称、商户类型、消费次数），用于辅助分析“人均消费合理性” （3）分析思路 核心目标：定位各园区食堂运营差异，识别增长机会与问题点，提出优化建议 分析框架拆解（附脑图简述）： 方向1：整体运营概览（宏观评估）：通过“总消费金额、人均消费、消费人次”三大核心指标，对比各园区表现，定位头部/尾部园区 方向2：趋势与异动分析（动态监控）：分析月度环比增长趋势，识别异常增长/下滑的园区及食堂 方向3：细分维度下钻（归因定位）：从“园区、商户类型（员工食堂vs外卖）、商户”三个维度拆解，定位影响运营的关键因素 方向4：优化建议输出（决策支持）：结合分析结果，提出外卖推广、商户调整等具体措施 分析模型应用： TOP分析：筛选各园区消费TOP商户，识别核心贡献点 对比分析：横向对比园区间指标差异，纵向对比月度趋势 结构分析：计算外卖销售占比，评估新业务（自有外卖平台）效果 （4）可视化报告 （1）数据含义表达与图表排版布局 整体布局：采用“总-分-总”结构，分为4个模块（从上至下）： 核心指标看板：顶部展示6个园区的“总消费金额”“人均消费”“消费人次”汇总数据，用指标卡突出关键值 园区对比分析：左侧柱状图展示各园区总消费金额（降序），右侧折线图叠加人均消费与消费人次，X轴统一为园区名称，便于横向对比 趋势与异动分析：中间用折线图展示24年8月各园区销售环比增长率，红色标记负增长园区，下方表格列出具体下滑食堂名称及环比值 细分维度下钻：底部左侧饼图展示“堂食vs外卖”销售占比（重点突出外卖试点园区A），右侧条形图展示A园区商户贡献度 组件业务含义示例： 外卖销售占比饼图：反映自有外卖平台推广效果，A园区占比24.69%（显著高于平均7.66%），说明试点成功； 环比增长率折线图：F园区增长20.7%（最高），需总结经验；C园区增长0.53%（最低），需预警。 （2）分析结论 园区消费差异显著： A园区（消费最高）：总消费金额1307.38万元，人均消费14.87元（高于平均12.96元），主要因园区人数多且包含特色餐饮商户； F园区（消费最低）：总消费金额385.67万元，人均消费11.05元，需分析是否因餐品单一或定价过低导致。 外卖平台试点效果突出： 24年为解决食堂排队问题，公司上线自有外卖平台，全年外卖销售占比7.66%；其中A园区作为试点，外卖占比达24.69%，直接拉动总销售额增长8.3%，预测其他园区复制该模式后，可减少排队时长30%+，提升销售额20%-30%。 8月运营异动需关注： 整体趋势：6个园区食堂销售环比均增长，F园区（20.7%）、B园区（15.2%）增长显著 问题点：仍有4个食堂（DPXC、GDQYC、HJ、TJPDL、XXY）销售下滑，其中DPXC下滑12.7% 3、学习总结 本次训练营通过“视频学习+每周作业实战”模式，历时6周完成从“BI入门”到“自主分析”的跨越： 技能提升：系统掌握BI工具操作（数据清洗、可视化、交互分析），理解“业务问题-数据拆解-模型应用-结论输出”的分析逻辑； 效率突破：原需2天的食堂运营分析，现通过FineBI可1小时内完成，且支持实时筛选（如“查看某园区具体商户数据”）； 思维转变：从“被动做表”转为“主动分析”，能通过数据定位业务本质问题（如“食堂下滑因核心商户停业”而非“整体运营不佳”），为决策提供精准支持。 未来计划将FineBI推广至住宿管理、接待分析等场景，推动部门整体数字化转型。