请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
yzm289367(uid:879568)
我只希望再多点机遇与历练 职业资格认证:FCA-FineReport | FCA-FineBI | FCA-简道云 | FCA-业务分析理论
【2022BI数据分析大赛】豆瓣电影Top250排名分析
一、选手简介 1、选手介绍 帆软社区用户名:yzm289367 团队名:星星之火 身为某高校电子商务专业的一名大三学子,我对数据可视化很感兴趣,恰好专攻的方向是商务大数据分析,这些年数据可视化分析变得越来越火热,人们获取和解读数据的可能性大大提高,基于数据挖掘、理解数据基础上的数据大屏可视化,成为企业决策与宣传手段一个新的发展方向和突破,可见针对各行各业源源不断的数据,制作数据可视化报表对进行商业决策分析,市场预测,制定计划,数据结果可视化呈现,有着很大优势,比赛期间我已初步具备FineBI的基础知识,并仍在不断学习FineBI中。 个人照片:   2、参赛初衷 参加这次比赛的初衷有以下几点: (1)想借着此次帆软BI数据分析大赛,提升数据分析能力、数据处理、数据整合、数据可视化大屏呈现能力。 (2)提高从普遍众多的商务数据信息中发现问题,分析问题,解决问题的能力。 (3)通过实践提升自己BI工具学习和使用的技能,在此次大赛中了解更多优秀的BI实践案例,认识许多优秀的数据分析的朋友们,以及大神是如果利用该工具进行数据分析的。 (4)以后公司就业,我可以投递大厂公司的数据分析师岗位,为自己以后从事数据分析增加工作经验。 (5)最最最重要的一点帆软BI大赛官方准备的奖品也是很丰厚的,就冲着这一点,打死也要上呀,哈哈哈,世俗了,不过确实奖品挺丰厚的,我想肯定会吸引很多优秀的数据分析人才纷纷参赛,作出他们关于某一行业的数据分析报告,自己也可以从中好好的学习,提升,这真是一个大好机会。   二、作品介绍 1、业务背景/需求痛点 (1)业务背景 现如今,数据可视化由于数据分析的火热也变得火热起来,数据可视化就是用可视化的方式展现数据。随着物联网、5G等各种跟连接有关的技术的出现与发展,每个人手中掌握的数据量都呈指数级增长,光看这些数是看不过来也看不懂的,“数据可视化”,就是一种简化,让艰难的数据理解过程,变成——看颜色,辨长短,分高低。从而大大缩短理解数据所需的时间。电影现已成为一个国家或者地区的文化输出,提到美国电影,想到的词:美国大片、动作片、科幻片、好莱坞等。提到印度电影:宝莱坞、歌舞片等。香港电影呢:枪战片、古惑仔、武侠片等。 (2)需求痛点 此次分析主要针对250部电影的上映日期,电影制片国家/地区,电影类型,电影导演和主演,电影的评分和评分人数情况进行分析,将得出相关因素呈现的数据结果,并最后制作出数据可视化大屏,和数据分析报告,以期为电影制作方和中国电影事业提供一些思路和参考。   2、数据来源 自选数据 数据来源网址:https://movie.douban.com/top250   3、分析思路 (1)确定分析场景,明确分析目的 首先提出问题后,明确我们想得到什么结论和信息。然后可以从什么渠道获取数据,运用什么分析方法进行数据分析,最后得出结论输出报告。比如我们团队想做一个Top250豆瓣电影的数据分析,看看这些电影主要来自哪些国家、哪些演员主演、人们对电影的评价情况等等,豆瓣有电影的排行榜,以豆瓣电影Top250为例,先看看榜单上有哪些数据信息: 可以看到,榜单上有电影名、导演、主演、上映年份、制片国家、电影类型、评分、评价人数等信息,这些可以通过描述性统计、可视化图表来展开分析:哪些电影评分靠前、最受热评?哪些类型、国家、导演、演员高产优质电影?上榜电影数量逐年变化趋势怎样?最后得出结论。理完整个数据分析的思路,我们就可以进行下一步。 (2)数据抓取 我采取了两种爬取豆瓣电影Top250数据的方法,以确保数据的准确性和完整性。 1)Python爬虫爬取: 使用python爬取豆瓣电影top250的电影相关信息,包括电影、评分、评价数、概况、相关信息(导演、主演、制作年份、影片类型) 爬取的数据如下所示: 八抓鱼数据采集器采集 先设计获取数据流程: 数据采集成功: 帆软BI导入采集数据:   4、数据处理 使用Excel对爬取下来的数据进行预处理包括格式、缺失值、重复值等。其中由于类型和制片国家有多个描述,因此将多个描述的内容也整理出来。 分析思考过程: 围绕本次数据分析大赛,我作出了数据分析研究的大致路线,并且在之后研究中发现有不足的或者是有改进的,我将会再修改。 作品研究的背景、目的及意义 相关理论基础 数据引入 数据关联关系 Fine BI的使用 数据分析 数据处理 根据数据结果制作可视化图表组件 数据可视化作品总结与数据呈现视觉美化   三、可视化报告 (1)数据可视化大屏风格和各组件 此次数据可视化大屏制作,我的仪表盘布局风格采用系统内置的复古风格,并且制作中运用了kpi指标卡,分组表,词云,分区柱形图,瀑布图,饼图,分区折线图,散点图,聚合气泡图。 (2)仪表盘模块化进行数据可视化分析,得出结论 显示评分、评论数、导演、主演指标仪表     2.豆瓣电影按评分,评价人数排名 将豆瓣电影Top250的评分和评论人数分别降序排序,可以看出,这些作品基本都是广大群众心中的经典之作。从而得出人们喜欢的电影是什么。     3.列出电影类型 大多数电影类别1都属于剧情,剧情类电影有188部,且该电影包含爱情、喜剧题材类型的数量最多,分别是43部,36部,而悬疑、犯罪、动作、动画、奇幻、家庭、科幻、惊悚题材类型数量大体相似,为15部左右,只有纪录片、音乐、儿童、歌舞、历史、同性这些较为小众的题材则数量较少。     4.电影所属国家 美国、中国、日本产出高质电影数量靠前。其中,美国上榜的电影数量高达112部,中国数量42部,日本33部。     5.优质导演、主演 高产优质电影的导演主要有宫崎骏(8部)、克里斯托弗·诺兰(6部)、史蒂文·斯皮尔伯格(6部)、王家卫(5部)、大卫·芬奇(4部);高产优质电影的主演主要有彼得杰克逊(3部)、理查德·林克莱特(3部)、周星驰(2部)、刘镇伟(2部)等。     6.电影年数、月数趋势 2003年、2004年、2010年、2015年这四年都有13个电影上榜,接着1994年、2011年、2013年都有11个电影上榜,2017年、2018年、2006年、2014年、2019年,都不错,总的来说2006年往上,上榜电影都很多。按年分区间分组也看得出1990-2010区间,上榜电影数量最多,紧接着就是2010-2021区间。按月份来看,1月,9月,12月,这三个月中上榜的电影高达30余部,5月,6月,11月这三月紧随其后,都20多部多,月份区间来看大致数量差不多,都挺齐的。 结论: 1.榜单中美国电影数量最多,接近一半的电影是美国制作; 2.上榜的电影中,大多数电影都是剧情类,有188部,爱情、喜剧题材类型的电影也不少,分别为43部,36部; 3.上榜次数最多的三位导演是:宫崎骏、克里斯托弗·诺兰、史蒂文·斯皮尔伯格; 4.高产优质电影的主演主要有彼得杰克逊、理查德·林克莱特、周星驰、刘镇伟等; 5.2003年、2004年、2010年、2015年这四年电影上榜数量最多,有13个电影上榜,而1994年、2011年、2013年上榜电影数量也挺多,都有11个电影,电影在1990-2010年段电影数量最多,有123部;月份来看,1月,9月,12月,这三个月中上榜的电影高达30余部,5月,6月,11月这三月紧随其后,都20多部多; 6.豆瓣电影top250都是评分在8.3及以上的电影,这些电影往往带有人生的思考,体现出导演与演员精良的制作。 7.最后,各种电影榜单众多,评判标准也各不相同。各排名和评分也是只参考,毕竟一千个人一千个哈姆雷特。 (3)最终结果呈现的页面布局 四、参赛总结 1、FineBI工具 我认为FineBI这款数据处理、分析兼数据可视化大屏制作软件特别好,用FineBI可以简单快速地生成各种很酷的可视化数据报告,并可以进行有目的的数据分析。简单的理解FineBI就是更高级的Excel数据透视表。选择要显示的数据字段,即可立即显示可视化。 FineBI可以对数据进行加工,创建可视化组件,设计仪表盘,甚至与他人分享数据成果,用FineBI你可以不必通过1超强的代码能力和高超的excell技术,他简化了数据处理,数据可视化图表制作的难度,完全零代码,只要你具备数据分析思维,懂业务,完全可以制作出一个精美的数据可视化大屏。   2、参赛总结 在独自整体完成作品的过程中,我遇到了许多困难,比如怎样用自助数据集来汇总、连接数据从而展示自己想要的数据结果和指标、怎样选择合适的图表来展示数据、怎样进行仪表盘颜色的搭配和选择、怎样按照自己的设想和需要计算指标等等,里面很多操作方法也是自己一步步跟着视频相关案例学习、从社区帮助文档查找从而知道的。 通过此次参赛,最大的收获是用FineBI解决了自己感兴趣的豆瓣电影Top250排名分析的问题,并能制作图表并采用联动效应使分析的数据可视化的展现出来。目前我可以搭建起来基础的数据可视化大屏/驾驶舱,可以独立讲述数据背后的数据故事。并且,通过FineBI我可以手分析日常生活中的数据,向周围人介绍更深刻的数据结论,以及FineBI的优势。  通过这次学习参赛,自己在数据分析的道路又走进了一步,也见到了各行业众多优秀的数据分析人才的精彩数据分析报告,希望日后能在工作更好的发挥FineBI的功能。最后再次感谢赛事方的大力支持与工作人员的辛苦付出,这次比赛学习感触很深,技能提高了不少。
【2021年终故事会】我与帆软的相遇相知,相恋相守
我与帆软的相遇相知,相恋相守 第一阶段我与帆软相遇          记得第一次相识你是在2020年,记得那时我大二,那时帮我学院一个学长的帆软作品投票,我们电商专业的数据方向是大三才分的方向,就这样我与你有了一面之缘,没有留下很深的印象,不过当时确实感到那个学长很厉害,可以做出一个可视化图表,嘿嘿,只不过。当时我不知道是利用帆软提供的FineBI和FineReport做出来的,我以为是Tebleau或者Echarts或者其他的数据工具制作的,就是这样,我刚开始只知道帆软的名字,还没有体会和了解到帆软所有的一系列方便好用的数据工具。嘿嘿,我与帆软可谓是它在我面前,我只见过它名,不知道它的内涵呀,真乃,只知形而不知体,重外貌而不重内涵。     第二阶段我与帆软相识          在2021年的最后两个月,我与帆软又相识了,她又走进了我的世界,并且,我对她愈来愈深刻,开始体会通过帆软提供的数据工具为我现有的数据脱胎换骨,光鲜亮丽,以一次帆软大赛牵红线的形式就让我与帆软再一次开启了我们俩的进一步接触与连接,我渐渐发现它的好,方便,对她好感度越来越多,感情也越来越深了,慢慢的我发现我从原先的一无所知到了解接触,再到喜欢,最后她已成为我生活的部分,(看到这里,铁子们惊奇不惊奇,咦,这怎么跟我与我对象的两人关系进展怎么如出一辙,哈哈哈,你可以认为,我与帆软在处对象,不过帆软她太优秀了,我还需努力,嘿嘿嘿,看来仍需好好努力上进,我才能搏她一笑,才能最终与她更进一步接触)那就让时间再回到两个月前叭,听我慢慢叙述我和帆软的相知相守。            刚开始,我从我们学院指导老师那里听说了有一个2021帆软杯-全国高校数据应用联赛,老师跟我说,参加这个大赛意义重大,能学会充实许多数据方面的知识,再者帆软大赛影响力很大,全国众多高校学子都积极参加了这次大赛,赛方也为这次大赛静心准备,会有一系列赛前指导,还有一些行业的真实案例,会提供帆软的数据工具,而你又是数据分析方向的学生,单从这几点,你就应该好好参与这次大赛,而且上届你的优秀学长学姐们也都积极报名,踊跃参赛,都收获颇多。相信等你参加了这次大赛,你的数据思维将会有很大改进,你将会学会用帆软更多的数据工具解决行业内数据问题,到时你会发现自己在数据知识方面成长很多。就这样,再我指导老师以作为媒婆的介绍下,我通过全国高校帆软大赛认识了帆软,开始接触了解。当时的我,再听完我的指导老师讲解帆软后,说实话我只是听个大概,不过内心挺激情澎湃的,毕竟我还没用过,我对帆软工具的应用领域还是一片空白,嘿嘿嘿,咋样也待让我先用下,我才能知道好坏吧,哈哈哈,看来我还挺有讲究的,不过当时的我真的通过指导老师的讲解与分析,我从那时起,就树立了我要好好学习帆软工具,并用他实现处理行业相关数据分析的flag,心中暗暗想,我会加油,等我通过这次学习帆软工具,还有赛前培训指导,等完结了,一个不一样的我就会出现了,我沉浸在当时的美好幻想中……     第三阶段,我与帆软相恋          就这样,当天我就给自己树立了每天学习帆软2个小时的目标,一直到最终停止交作品的15天前,我一直坚持每天2小时学习帆软的,期间也有断过,不过次数很少,也都被我用其他时间给补过了。说实话,刚开始学习帆软工具,由于帆软工具太多,我还不知道这次比赛我通过那个帆软工具去学习,最终我通过赛前培训视频,赛方提供的帆软各大数据工具的使用教学视频,例如FineBI,Finereport,简道云以及与指导老师的讨论分析,我最终选择并确定使用FineBI来完成我这次帆软大赛的作品。            说时迟,那时快,方向目标一确定,我就上下五除二,疯狂的踏上了追寻帆软的道路,那可谓是,帆软虐我千万遍,我待帆软如初恋,嘿嘿,没这么吓人哈,到时,学习是需要努力和付出的,而且我的学习心态也一直要摆正,就像我每天的2小时帆软学习量,不仅学习知识还会结合知识点,进行案例操作实践。哈哈哈,我想通过我所做出的这些努力,我一定会打动帆软,终会让她对我另看一眼,那我就不要求多了,她多看我一眼,我就会欣喜若狂,看到了我就说明注意到我了,再众多的人面前,我就是个幸运儿,嘻嘻嘻,我藏不住了对帆软的一片痴心。                  记得当时,我每天的要做的必不可少的一件事,那就是要学习FineBI两小时,朋友,同学问我,今天学习充实吗,我说这一天天学完了FineBI两小时,我就会感到很开心,感到今天的学习充实,朋友说,你着了帆软的道了,我还是这样沉浸着我对帆软追求的喜悦中…我把她看成了我要追求的对象,她是很重要的,现阶段我必须把她当成我生活中的一部分,我对她悉心照顾,每天都要与她见面,跟它交往,每天都要尝试许多种方法去拉进与她的关系,并博得帆软的芳心,嘻嘻嘻,看到这里,你是不是觉得我的作品没白看,呀!这小子还是个痴情种呀,有点情圣的味道了,我学到了追妹神技,软磨硬泡,每天都要努力,与她接触,制造机会,嘿嘿嘿。期间刚开始学习过程中,我对学习FineBI有点困难,我就多加练习,慢慢的我就熟悉了它的操作步骤和流程,再到后来由于对她的付出,我也渐渐喜欢上她了,再渐渐追求她的过程中,我与她产生了甜蜜的相恋……后来发现她的学习也没有这么困难,就这样我有了更多的学习机会,我就开始考取一些对我现在的学习情况可以接受的一些证书,例如FCBA,FCJA,FCAA,FCRA。再一个个通过了这些证书的考试,甭提我的内心有多喜悦了,那可是人间值得,未来可期。这正是自己两个月的帆软学习成果的体现。     第四个阶段,我与帆软相守          终于皇天不负有心人,在我这两月的辛苦努力学习下,我终于完成了我的FineBI作品-豆瓣经典读书Top156排名分析,并充满憧憬与喜悦地提交了我的作品。            作品的最后完成后,我回顾了之前的我与帆软所发生的点点滴滴,内心感觉到了充实,看到了我对她的种种付出,内心激荡又起伏……最后还没结束,嘿嘿嘿,既然它这么好。我都把她作为对象了,自然要介绍给周边的人认识下,就这样,我就开始了一系列官宣,朋友圈,qq空间,百度贴吧,知乎,论坛等等,凡是能想到的地方我都想到了,自己喜欢的人当然想一股脑子的把它介绍给自己身边的人,甚至是全世界的人也不过分。        最终我集聚了大家的爱与好评,得到了大家的认可,让大家也知道了我与帆软的倾世之恋。我与帆软开始了正常交往,她已离不开我的生活。     第五阶段,珍惜眼前,把握当下,不负如来不负卿。           就在2021年快结束,2022年刚迎来时,我又了解到了2021帆软年终故事会,便又满怀欣喜的参与了,这就像是我对帆软2021年的回顾与2022年的憧憬,嘻嘻嘻,今后我会一直关注帆软活动消息,只要我有时间,我一定会投身其中,不停的追求与努力,学习巩固提升自己,让自己再帆软的学习中能更进一层楼,我想说,2021年末我与帆软相遇相知,相守相爱,2022年我必好好照顾它周全,好好学习帆软数据工具知识,在我的生活中运用到它。        谢谢屏幕前的你,耐心的听完了2021年我与帆软的相恋之旅,嘻嘻嘻,这里如果你也觉得帆软数据工具不错的话,或者你也想追求它的话,这里我不怕,咱们共同学习,共同进步,我们都会达到自己想要的结果,与君同喜。
【帆软杯】豆瓣经典读书Top156排名分析
标题:        豆瓣经典读书Top156排名分析   1、团队介绍          帆软社区用户名:yzm289367        身为高校电子商务专业的一名大三学子,我对数据可视化非常感兴趣,恰好选的电商发展方向是商务大数据分析,这些年数据可视化分析变得越来越火热,可见对于各行各业因业务所产生的源源不断的数据来说,制作数据可视化报表对进行商业数据决策分析,结果汇总,市场预测,计划指明有着很大优势,在比赛期间我系统认真学习了Fine BI的知识,希望在以后毕业,如果有需要分析公司业务情况这样的机会,我可以尝试一种新的工作总结的方式—用Fine BI 进行数据可视化分析。        我参加这次比赛的目的有以下几点:        1、想借着这次比赛,通过实践提升BI工具学习和使用的技能。        2、了解更多优秀的BI实践案例,以及大神是如果利用该工具进行数据分析的。        3、了解、学习BI更多的可能性。   2、作品背景   作品原因:        考虑到数据经过组合处理分析会对接下来的公司业务影响很大,数据可以提供市场预测量,通过总结上一次业务开展情况,可以很直观看出业务的成效以及需要改进的地方,同时数据还对制定目标有很强的导向性,数据经过处理也可以很好很直观的展现给他人看,所以这次我选择对豆瓣经典读书Top156的排名进行分析,以小见大,我认为所有的业务分析都是一样,都是为了取得一个很好的结果,达到这种目的必然伴随着各方面的影响因素,另外在分析的过程中也可以提高自己分析探索问题的能力。        通过这次Fine BI实战,我研究出了豆瓣经典读书Top156排名是怎么来的,这为其他书怎么能冲进Top156提供了借鉴的思路。另外豆瓣经典读书推荐也会给商家或者各大平台带来经济效应,会给广大读者一些经典书籍推荐,读者可以在平台上浏览或者网上或线下实体店购买书籍,所以选择研究豆瓣经典读书Top156的排名原因分析意义重大。 作品解决问题:        本次作品分析出了豆瓣经典书籍Top156成功入榜的原因,得出了喜欢阅读经典书籍的用户画像,并且把握住了经典书籍畅销的关键点,为下次更多的经典书籍入榜豆瓣Top榜提供很好的借鉴思路。并可能会给其他在线阅读平台或者网上书店,线下书店带来经营策略。 作品局限:        由于自身知识储备不够,获取数据能力有限,数据没有及时动态更新,相当于操作有点繁琐,每天研究需要自己重新把数据粘贴到表格中,然后自助数据分析进行研究。下一阶段自己会好好学习如何获取数据的内容,并进一步提高对获取数据处理分析的能力,增强数据解读能力与呈现数据视觉美感。 作品切入点:        通过自己一步一步的进阶分析,顺藤摸瓜,先找到一个切入点,继而针对各种可能的因素进行有针对性分析,并结合指标看到各因素所发挥的作用,进而产生本次数据分析的巨大潜力。   3、制作流程          数据来源:https://book.douban.com/tag/%E7%BB%8F%E5%85%B8                                                    我先通过八爪鱼数据采集软件获取到了豆瓣经典书籍Top156网站页面的书籍相关信息,并且自己所用的数据在使用前已进行了一些基本的处理,使用过程中我的数据大多是以EXCEL数据集和自助数据集的方式进行收集并加以处理分析的。        拿到数据后我的分析思考过程如下:        找好本次数据分析研究对象后,我先搜集了所要研究对象的大量相关数据信息,并思考了这些数据之间存在的关联关系,针对现有数据情况与预期目标,我先从如何实现,接着数据引入,然后数据加工处理,最后对数据结果给出展示图形这些流程开展本次的数据可视化作品制作。                                                                                                                                      准确分为:        1.本次选取了豆瓣经典读书Top156的所有书籍,根据豆瓣平台上的信息,将进行数据整理,分析出其成功入榜的原因,经典书籍的用户画像,经典书籍畅销的关键点,下面是豆瓣平台上156本书籍的基本信息。        2.在掌握书籍基本信息的情况下,我们开始了豆瓣读书经典书籍排名因素的探索,首先参看了Top156豆瓣经典书籍的豆瓣评分区间与评价人数区间上的书籍数目分布情况,这两个数据汇总是最直接切中要害的,其一是平台对书籍的扶持,其二是用户对书的评价。        3.我们先分析第一个影响书籍排名的因素—作者,针对其,我们查看了豆瓣评分,好评人数,得出了Top156豆瓣经典书籍的受欢迎信息。        4.接着我们分析第二个影响书籍排名的因素—国家,针对其,我们统计了Top156豆瓣经典书籍的作者国籍,借着豆瓣评分与评价人数两个结果指标,分析出了国家这个影响排名因素。        5.再接着我们分析第三个影响书籍排名的因素—出版时间,针对其,我们汇总了不同出版时间Top156豆瓣经典书籍的豆瓣评分与评价人数,借着豆瓣评分与评价人数两个结果指标,分析出了出版时间这个影响排名因素。   4、成果展示          我们根据作者,国家,出版时间这三个因素分析得出了豆瓣经典读书Top156的排名原因,据此,我们可以得出读者经典书籍的用户画像,为各大平台或者书店商家提供书籍布局与销售思路,把现有的数据发挥出了巨大价值。 4.1 模块一        第一个影响书籍排名的因素—作者                  有些读者可能喜欢某个作家,而作家都会有几个经典的代表作,本次通过豆瓣平台对排名上榜的书籍评分进而间接得出每个作者的豆瓣评分,并结合书籍的大众评价人数,汇总得出某一个作者的受欢迎度,进而两个因素综合判断得出那一个作家最受欢迎,从而推断出他的一些经典作品将会受到更多读者的热捧。 4.2 模块二        第二个影响书籍排名的因素—国家            由于经典书籍的优秀创作者来自于不同国家,很明显,哪一国家的书籍最为畅销,最受读者欢迎,作品来源于哪一国家这一因素正是我们不容忽视的,我先从排名上榜的156本经典书籍进行按国家分类,汇总出数量,然后再分析此国家的书籍受大众喜欢程度,按国家分上榜的书籍的平均得分,进而推断出哪几个国家的书最受欢迎。 4.3模块三        第三个影响书籍排名的因素—出版时间              喜欢经典书籍的读者,他们的阅历和年龄可能各不相同,继而会对不同出版时间的书籍略为喜爱,每个时代创作的书籍都有他当时的时代背景,时代特色,而每种时代,总会给读者不同的感受,相比较大多数书籍,某个时代下的书籍可能更具有魅力,所以此次研究分析了排名上榜的书籍的出版时间,根据每个出版年进行书籍分类汇总,进而得到该年下的读者喜爱程度,并求出该年于上榜书籍平均观众喜爱的趋势分析,得出年份大体书籍的变动趋势,再通过豆瓣评分指标来进行捕获最受读者欢迎书籍的出版时间。 4.4模块四        作品展示:   5、总结与分享          所遇困难:        在整体完成作品的过程中,我遇到了许多困难,因为我是第一次接触Fine BI,我也没有其他数据可视化的基础,比如在Fine BI 中怎样用自助数据集来汇总、连接数据从而展示自己想要的数据结果和指标、怎样选择合适的图表来展示数据、怎样进行仪表盘颜色的搭配和选择、怎样按照自己的设想和需要计算指标等等,里面很多操作方法也是自己一步步跟着视频案例学习、从社区帮助文档查找或者需求指导老师帮助从而知道的。        学习收获:        通过Fine BI的学习,我最大的收获是用数据分析方法解决一些业务上的问题,并能制作图表采用联动效应使分析的数据可视化的展现出来。目前我还可以搭建起来基础的数据可视化大屏/驾驶舱,可以独立讲述数据背后的数据故事。并且,通过Fine BI我也可以分析日常生活中所产生的数据,向周围的人介绍数据背后所蕴藏着的巨大价值,以及FineBI的优势。        通过这次学习比赛,自己在数据分析的道路又走进了一步,希望日后能在工作更好的发挥FineBI的功能。最后再次感谢帆软大赛官方的大力支持、悉心筹备和工作人员的辛苦付出,通过这次比赛,我学习感触很深,技能也提高了很多,并见证了数据可视化分析的巨大魅力与数据背后蕴藏着的巨大价值。
个人成就
内容被浏览29,917
加入社区3年66天
返回顶部