【2021夏季挑战赛】日化产品分析

我是社区第509530位番薯,欢迎点我头像关注我哦~

一、选手简介

1、团队选手版

团队名称:溢出一队

队长介绍:马超,目前就读于金陵科技学院,我校是技术应用型高校;目前担任学委一职,个人感兴趣的方向为数据研究和报表制作等技术领域
成员介绍:

  • 马超,负责研究业务,撰写分析思路完成finebi仪表盘的设计。
  • 丁宇,协助完成finebi仪表盘的设计等的操作。
  • 陈功 ,负责数据处理。
  • 张千龙 ,负责数据库的操作管理。
  • 金悦,协助完成各类测试。
  • 周瀛,负责报告撰写。


团队组成:共同想要参加此次比赛,开发技能

2、参赛初衷

  • 希望通过此次比赛实践提升BI工具的使用方法和技巧
  • 准备在学校推广BI工具,先来学习了解
  • 可以加强小组内部的凝聚力
  • 可以发现自己的长处,扬长避短,同时改进不足
  • 和很多同学交流学习,进行数据可视化作品以及分析思维的激烈碰撞
  • 更加冷静地分析面对问题,加强了面对挫折的能力
  • 获得更多的实践机会,同时在比赛中学习提升自己


二、作品介绍

1、业务背景/需求痛点

  • 业务背景

在互联网及移动设备不断普及的时代背景下,电子商务快速发展,交易额连创新高,越来越多的国内外传统品牌商及国际知名品牌为提高销售规模纷纷试水电商业务然而2020年受疫情影响,多数公司受到了不少的影响化妆品行业也不例外。为避免销量客户的流失,恢复公司业绩,保证营销方法的正确,某日本化妆品公司总经理希望能对此前的销售情况做一个全面的复盘,通过相关数据分析来看看销售的情况,指定未来的销售策略,能帮助公司提高效益。

  • 需求痛点

在零售电商领域的竞争很激烈,大到天猫京东,小到个体微商,处处都有竞争。利润下降 成本上升,“薄利”依然存在,“多销”难以为继。缺乏数字化经营意识和工具复购率低,缺乏营销手段,缺乏数据统计分析。

2、数据来源

  • 参考数据:从和鲸社区数据集中寻找了日化电商数据集参考数据,采集了商品信息表和销售订单表。
  • 共两张数据库关系表

(1)商品信息表:商品信息表主要包含商品编号,商品小类,商品大类以及销售单价的数据,主要阐述各类商品信息。


截图202107011028336184.png

(2)销售订单表:销售订单表主要包含,订单编码,订单日期,客户编码,所在区域,所在省份,所在地市,商品编号,订购数量,订购单价,金额的数据,主要阐述的是商品销售的订单数,销售的订单产品数以及各订单的金额。

截图202107011028549067.png

3、分析思路


  • 在获得数据后我们先对整体数据进行了研究,其中商品信息表中阐述的商品信息可供我们对商品种类的成分进行研究分析,销售订单表中阐述的全国订单情况可供我们对整体的订单销售情况进行分析,再对两表关联视图完成对各类型商品的销售情况进行研究,同时可以利用数据库,通过数据库对所需要的信息进行处理,再导入finebi生成自定义数据集供我们使用。
  • 根据两张数据表中信息的差别制定出了如下树形思维导图来作为我们的总体分析路线。

   
思维脑图:

截图202107011029596633.png

本次分析采用了逻辑树分析模型,如思维脑图所视。

 

4、数据处理

 

销售订单表主要包含,订单编码,订单日期,客户编码,所在区域,所在省份,所在地市,商品编号,订购数量,订购单价,金额的数据,主要阐述的是商品销售的订单数,销售的订单产品数以及各订单的金额。

 

A、 数据从和鲸社区下载下来后数据较为齐全,只有少部分数据为空,我们导入数据库后使用数据库sql语句把为空的数据删除即可。


截图202107011036548930.png

B 、使用自助数据集把有公共属性的两表需要联系使用的数据进行联接建立自主数据集,选取字段,删除不必要的数据属性构成我们未来所需要使用的数据集。其中联系后的自主数据集中有表示时间日期的文本属性,我们想要把它转换为日期类型属性,在数据准备数据列表页面中编辑多次无法更改后发现需要事先更改联系的源表中的数据类型为日期属性再保存后再自主数据集中更新数据才可以达到更改数据类型的情况。

 

截图202107011037409053.png

 

C、根据销售订单表和商品信息表两张表自建做了两张表
(1)fi自助数据集
(2)商品商品销售订单金额表

 

根据两张关系表连接建立自助数据集fi表。

 

截图202107011038258896.png

 

通过数据库的查询和构建,以商品小类分组统计订单总价格和订单总数量,同时统计得到总订单金额。建立商品销售订单金额表。

 

截图202107011039167254.png

 

5、可视化报告
 
(1)数据含义表达和图表排版布局。
按照分析思路的思维脑图把可视化图表按照类别分成四大模块。

 

截图202106292239409370.png

 

截图202106292239432044.png

 

截图202106292239481113.png

 

截图202107011042128364.png

 

首先,为了鲜明展示整体的销售统计选择了指标卡组件去展示。
1)总金额KPI指标卡组件直接调用SUM_AGG函数对金额进行求和得到总金额指标,再通过kpi指标卡制作好组件。
2)总订单数kpi指标卡组件吊桶COUNTD_AGG函数对订单编号进行去重计数,得到总订单数指标,通过kpi指标卡制作完成。

 

截图202107011042488036.png

 

其次,各商品销售占比情况使用柱状线型组成图进行分析,采用降序排序,可以让读者很容易看出各产品销售占比的不同。
1)各商品销售数量与销售金额占比组件包含的含义,是各个商品的销售数量与销售金额占总销售数量和总销售金额的比例,其中商品订单数量占比和商品销售金额占比通过各商品的订单数和金额数分别除以总订单数和总金额获得,其中各商品的订单数和金额数我们通过使用mysql sql语句按商品小类进行分类汇总得到,再在mysql中建立新表,插入查询到的数据,并且汇总总订单数数据和总金额数据后导入finebi中,之后再仪表盘组件中设计指标用各类产品订单数除以总订单数来获得商品订单占比,商品金额占比同理获得。阅读者可很容以获得各商品再整体商品销售情况所占比例。

 

截图202107011043516328.png

 

然后,各类型商品信息平均价格与总销售价格情况采用玫瑰图,玫瑰图可以反映出不同类型商品平均价格以及总销售价格的比较以及大概的占比情况。
1)各类型商品信息平均价格与总销售价格组件中主要包含各类商品的平均价格和订单总价格,平均价格采用finebi自带AVG_AGG函数调用商品单价获得,总价格对商品金额采用finebi中 SUM_AGG函数获得。

 

截图202107011044258703.png

 

然后,按照产品分类采用雷达图组件实现商品订购数各类别比较分析。
1)日化分类组件包含内容是各商品按照大类的护肤品和化妆品划分为若干小类,再在小类基础上直接使用订购数量作为指标,设计雷达图。

 

截图202107011044573460.png

 

然后订单平均数指标采用仪表盘来表示。
1)订单平均订购数组件采用AVG_AGG函数对订购数量取平均值作为平均订单数指标,采用仪表盘组件表示出订单平均值的数量。

 

截图202107011045494933.png

 

采用柱状图统计各类型商品的数量。

1)各类型商品数量组件表示出每种商品的商品数量,取商品数作为指标,商品小类作为横轴维度设置仪表图表示出每中商品的商品数量,很直观展示出不同类型商品的个数。

截图202106292238142707.png

采用横状柱状图来表示各省份总体订单的商品数量。
1)各省份销售数量组件统计各个省份总体订单的商品数量,选取订购数量求和作为销售数量,再取所在省份为纵轴制定柱状图统计各省的订单商品数,很直观。

截图202106292238355795.png

采用填充地图组件表示全国不同省份订单数直观体现不同省份的数据。
1)全国不同省份订单数组件统计各省份的订单总量以及商品均值,客户数量反应各省份的订单经济差异。其中订单总量使用COUNTD_AGG函数对订单编号进行计数作为订单数指标,同时使用COUNTD_AGG对客户编码进行计数作为客户数指标,用AVG_AGG函数对单价进行求均值获得单价平均值指标,对所在省份维度设置为地理角色,采用填充地图组件,选取单价均值,客户数指标作为提示,订单数指标设计地图渐变颜色构造出地图组件。

截图202106292239028373.png

使用词云图表示各成分销售分布,直观表现出销售量大的省份。
1)城市销售分布组件表示不同城市订单数的差异,使用COUNTD_AGG函数对顶单编号计数作为订单数量指标,而后与所在城市维度,设计词云图。

截图202106292239089018.png

采用分离柱状图表示出各省份不同商品的订购量,和订购金额,直观了解各省产品订购的需求差别。
1)各省不同日化产品总订购量及总金额组件,统计不同省份中不同商品的销售情况,使用SUM_AGG对金额求和作为商品订购金额指标并作为纵轴,使用SUM_AGG对订购数量求和作为商品订购数量指标并作为纵轴,使用所在省份与商品小类维度作为横轴,构建分区柱状图。

截图202106292239139781.png

采用填充地图组件直观表示top2订购省份中城市订购情况,便于分析城市订购量与城市区域以及gdp的问题。
1)江苏省各城市订购总金额组件统计江苏省各城市的订购总金额,订购总量,订购总金额选取SUM_AGG函数对金额进行求和作为订购总金额指标作为颜色,使用SUM_AGG对订购数量求和作为商品订购数量指标作为提示,选取所在地市作为地理角色并选取江苏省产生经纬度,用填充地图组件完成设计。广东省各城市订购总金额组件同理。

截图202106292239247675.png

采用折线图表示全年销售趋势,客户数以及各类型商品销售变化,直观反映整体销售量,客户量以及各类型商品销售的变化和增减趋势。
1)全年销售趋势组件中选取SUM_AGG函数对金额进行求和作为全年总金额指标作为纵轴,使用订单日期时间维度,以月为单位作为横轴,构造折线图,选取全年总金额作为渐变颜色更清晰显示全年总金额的时间趋势。
2)客户人数时间变动曲线组件统计各月份客户人数变化,采用COUNTD_AGG对客户编码进行计数,设计客户人数指标,使用订单日期时间维度,以月为单位作为横轴,构造折线图,取客户人数作为渐变颜色更清晰显示客户人数对应的时间趋势。
3)2019年前三季度商品销售趋势组件统计不同商品在2019年前三季度的订购情况,以及订购数量的变动。使用SUM_AGG函数统计订购数量生产商品订购数指标,取商品小类维度和商品订购数指标作为纵轴,使用订单日期时间维度,以季度为单位作为横轴,构造折线图。选取商品订购数作为渐变颜色更清晰显示不同类别商品订购的时间趋势。

截图202106292239309182.png

截图202106292239358944.png

排版背景采用了finebi系统的仪表板样式,排版按照不同研究分类划分为各个模块,在排版布局方面把相关联组件放在相近位置,在其中插入文本组件对其进行分析,其中柱形图折线图多采用渐变色布置颜色方便描述观察出各类数据的多少以及发展的趋势,填充地图使用鲜明渐变色来表线各地区商品销售差异便于观察。

在产品类别与销售信息中使用体现不同商品的各类信息的雷达图和玫瑰图仪表盘等组件,以及展示各类产品差异的降序柱状图。在全国日化产品销售分析方面多使用地图组件表示各地理位置各省份的销售差异,通过词云图表示出部分城市的销售情况使用柱状图组件来展示各省,各产品的销售情况。在各月/季度销售分析中,多使用折线图,横轴使用时间属性,来表示时间维度省的变化趋势,同时反应各个的时间点或时间段的订单情况。

(2)通过分析得出的结论
通过观察组建的内容得出结论

截图202107011102364079.png

1)通过观察组件的各类商品销售占比柱状图以及订购数量雷达图可以得到在日化产品中护肤品比化妆品更受欢迎需求量更高市场前进更大;
2)通过各类商品价格玫瑰图,表现各类商品价格相近且趋中在200以内,可得出大部分商品是普通人能够接受的大众产品,中档产品有较高的市场;
3)通过各类型商品数可以的到各类商品的商品数量,根据整体商品类型的购买量可对数量进行调整。
4)从订单平均订购数得知订单平均订购量较大应该不是个人订购,可能是公司或代购商进行订购。

截图202107011103067606.png

5)全国省份订单的地图组件可以很容易看出长三角,与珠三角处于销售最大的一部分地区,同时沿海城市有较高的订购量。
6)从城市销售词云图可看出销量较大城市多属于省会城市,以及沿海地区城市。
7)根据各省不同产品的订购量可以看出不同地区有近似的订购趋势,其中沿海城市对护肤品的订购更多。
8)从销售最多top2省份可以分析都是gdp大省并且有政策支持,其中gdp越高的城市总订购金额越多商品需求越大,对美好生活有更高的追求。

截图202107011103183734.png

9)据时间分析统计可得知无论是客户数还是全年各月份总金额在上半年呈现订单需求上升的趋势,到夏季末后有缓慢减少,这反映出不同时间段需求的变化,根据此现象可供多方面厂商公司进行参考。


10)根据各商品前三季度不同季度的销售订单数量统计,得出主要爽肤水,面膜,面霜,隔离霜等护肤品在2,3季度有上升,口红为主的化妆品也有稳定上升的趋势,可推测由于夏季温度上升国人对此类产品需求大量增加,同时夏季也更是国人出游的季节,因此对此类产品的需求更高。

(3)业务价值


1)通过这些结论我们可以得知在日化产品中,护肤品销售订单占主要部分,其中护肤品中面膜面霜爽肤水订购量最多,化妆品中口红所占比例较高,并且价格在200以内的中档产品销售占有主导地位,同时结合各类产品的商品数,把这些新信息可作为生产和促销重点进行销售,能够有效的减少不必要的产品浪费节约成本,同时根据平均订单的订购数可以看出每笔订单的订购量较大,说明客户多是公司或代购等订货商,可据此把握住关键客户获得更多的收益。

2)根据全国销售整体来看,较发达城市有较高的订单量,其中沿海城市的订单量较高,其中长三角和珠三角是主要的消费地区,可根据全国订单分布情况进行推广销售,同时制定合理的营销策略把握住大量的客户。根据各地商品类别的订购差异,可以得到各地不同的需求差异,据此指定合理的销售策略完成对于的营销,节省了时间和经济成本。

3)从时间维度来看,根据各月、各季度的销售情况,据时间分析统计可得知无论是客户数还是全年各月份总金额都在上半年呈现订单需求上升的趋势,到夏季末后有缓慢减少,这反映出不同时间段需求的变化,根据此现象可供多方面厂商公司进行参考。同时,二三季度的是订购的高峰期,夏季时护肤品需求的高峰,客户数在这个时间段较多,据此可以按季度,重点设计产品的营销策略把握商机,达到提升收益的减少成本的目的。

发现问题:

  • 通过数据分析发现了,缺乏数字化经营意识和营销手段问题的原因是缺乏数据统计分析,没有根据各地区合理的订单情况和各类产品的销售情况指定合理的策略,而是被动坐商没有主动性。对应的解决方案建议是根据数据分析来统计分析各时间段各地区对产品的不同需求指定合理的营销策略,从而能获得更好的销售机会。
  • 提升效率:
  • 释放了传统的人力调查资源,节约了产品公司集体的营销调查时间。
  • 影响决策:
  • 根据分析策略的执行降低了客户订单调查成本,提升了产品公司的销售业绩。


(4)最终结果呈现的页面布局
截图202106292239542552.png



三、参赛总结


1、FineBI工具
新一代BI软件区别于传统BI软件,基于业务驱动,无需预生成Cube,交付周期按周、月计算,能够形成自服务BI系统。对于需求变化,交付周期按天、周计算,相关模块调整不大。
FineBI的优势有
(1)引擎支撑前端快速地展示分析,真正实现亿级数据,秒级展示。
(2)用户可以根据数据量、实时性要求、使用频次等,自由选择实时或抽取的方式,灵活满足实时数据分析与大数据量历史数据分析的需求。
(3)抽取数据的高性能增量更新功能,可满足多种数据更新场景,减少数据更新时间,减少数据库服务器压力。
(4)合理的引擎系统架构设计可保证全年无故障,全年可正常使用。
而且FineBI可以自动关联数据表之间的关系,通过键自动建模。与其他不同BI工具不同的是,FineBI有移动端、PAD端、以及大屏。
(5)在使用过程中我可以通过连接数据库,在数据库处理好所需的数据后轻松的在数据准备栏中对数据进行视图关联。
(6)在仪表盘组建的设计中,finebi拥有很多种类的可应用图表,拖过轻松的拖动所需的维度和指标来完成目标图标的构造,别切我在使用过程中应用finebi自带函数构建指标时很方便,我最长使用SUM_AGG和COUNTD_AGG等聚合函数对数据进行处理。
(7)Finebi对时间类型的数据处理很方便,可以之间选择实践单位对目标进行可视化。
(8)Finebi对与数据间联系很容易只需选择是否联系,系统自动完成各图表联动很好用。

2、参赛总结
在本次比赛中,遇到finebi使用的问题,我们通过在2021帆软BI夏季挑战赛交流群中通过咨询finebi指导顾问,指导顾问很热心的一一解答我们的问题,同时在团队协作方面我们组成员共同探讨,有问题大家一起讨论各抒己见,在此次挑战赛中,我们团队共同努力大家在共同的目标下没有丝毫的动摇,共同协作,最后统一意见完成任务。
数据分析让我们团队对大数据技术有了更进一步的了解让我们对此类型的比赛也有了更好的经验。

通过参加此次比赛,我们学到了许多在平时学习中学不到的知识。我们这次参赛是筛选数据和制作大屏,也学到了许多这方面的技巧。同时,参加比赛是对我们各个方面能力的全面锻炼,是一个自我提升的过程。在这个过程中所学到的经验对以后的学习,工作和生活都很重要。我们收获的不仅仅是理论和技术,更是团队之间的完美合作。通过这次比赛,我们更加地了解了比赛的各项流程,积累了丰富的经验教训,知道了自己专业知识的匮乏,视野还不够宽广,促使我们更有热情地去学习知识和运用知识。同样在这次比赛中我们也获得了队友们的友谊,大家因为同一兴趣而联系在一起,为共同目标而努力奋斗。一个团队要想成功,首先需要一个优秀的领导者,我们的队长充分调动了整个团队的积极性,发挥每个团队成员的长处,挖掘每个成员的潜能。大家也要有明确的目标和坚定的信念以及不灭的斗志,更多的还要感谢指导老师和学校的支持,在我们遇到困难时耐心帮我们解决。我们通过这次比赛确实收获良多,也相信今后我们会更加努力,创造出更会行的战绩。


日化产品分析.pdf (2.65 M)

发表于 2021-7-3 00:47:47 发布于APP客户端
时间比较紧做的不好欢迎大家提建议
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

1回帖数 2关注人数 5867浏览人数
最后回复于:2021-7-22 10:05

返回顶部 返回列表