|
一、选手简介
1.选手介绍
团队名称：cherish256
队长介绍：陈雷，目前就职于武汉锐晶激光芯片技术有限公司，我司是专业从事高功率半导体激光器芯片研制入生产的高科技企业；目前从事规划及综合计划工作，个人感兴趣的方向和领域-数据建模及可视化等。
成员介绍： - 郭可满，目前就职于武汉锐晶激光芯片技术有限公司，任光刻工程师一职，从事光刻工艺研究、光刻工艺过程质量管控及分类分析工作。
- 曹瑞，目前就职于欣旺达电子股份有限公司，公司发展成为全球锂离子电池领域的领军企业，形成了3C消费类电池、智能硬件、电动汽车电池、储能系统与能源互联网、智能制造与工业互联网、第三方检测服务六大产业群，并致力于为社会提供更多绿色、快速、高效的新能源一体化解决方案，任质量工程师一职，主要从事电池生产过程工艺管控和质量管理。
团队组成：我们三人作为大学室友毕业于武汉科技大学校，从事的业务工作与数据分析密切相关，关于公司管理方式、数据分析技巧沟通蛮多。
2、参赛初衷 - 和更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞。
- 以赛代练，督促自己学习新知识、新业务。
二、作品介绍
1.业务背景/需求痛点
“租房没被骗被坑，不足以谈人生”。虽然，城市大量的人口流动，居住观念及政策的因素推动了租房行业的发展，人对于“租房”与“稳定”的观念，已于往届产生了巨大的差异，但对于所租房源存在不了解和存在容易上当受骗的观念，这就需要房产公司借助大数据准确了解房源户型、朝向、租金、楼层等关键信息和变动情况，便于在第一次交流中就可俘获租客的心。
2.数据来源
cherish256团队经过讨论决定选取由竞赛协办方八爪鱼提供的数据-“地产建筑-天津租房”，经过查看源数据，发现字段较少，数据缺失值少，无须再进行脱密。因此，就选择使用该源数据进行参赛。
3.分析思路
cherish256团队的小组成员再拿到源数据后，第一时间没有先着急对数据进行处理分析，而是先在网上搜寻租房相关业务知识，以即将要租房的心态去调研租房时关心的要点，经过实际学习，我们主要选定租金、楼层、小区、居室数量、朝向作为分析要点。得益于小组成员从事业务工作多年、经验较为丰富，在处理缺失值、数据分箱等方面没有遇到太多的问题，整个过程相当顺利。
4.数据处理
我们小组拿的源数据完整率在95%以上，数据处理的主要工作是对数据进行规范处理，重点将出租情况拆分成“出租情况”、“小区”、“户型”，“房源情况”拆分成“区”、“片区”、“楼层朝向”、“楼层类型”，将“面积”字段由维度类型转化为指标类型，根据需求新增“居室数”等字段，最终形成规范的数据表。
5.可视化报告
我们小组使用帆软BI软件开展租房管理可视化制作，将处理的源数据导入BI系统，由于数据字段并不多，此次小组使用“区域地图”显示大致位置和房源数量、使用“词云图”显示房源最多的几个小区、使用“堆积柱状图”显示不同区房源业主要求“整租”与“各租”情况、使用“明细表”、“交叉表”显示不同小区、不同居室的租金情况等、使用饼图对比分析不同区的房源租金分布情况。
经过BI展示，小组成员发现：
(1)此次租房数据来源于链家官网，房源位于天津市武清区、滨海新区，共计3605个小区。其中滨海新区的力高阳光海海岸房源数量最多；
(2)武清区、滨海新区出售房源几乎都是整租房；
(3)武清区、滨海新区的租金分布来看，滨海新区由于靠海，其租金较高的分布比例要大，相同租金分布滨海新区的平均租金也要贵一些；
(4)武清区、滨海新区的房源朝向主要集中南、南/北朝向。这对业务经理快速了解这两个区域的房源情况，提升工作效率有极大的帮助。
视频介绍：
三、参赛总结
1.FineBI工具
- 以业务为中心的自助大数据分析平台；
- 主要面向业务和数据分析师，以问题为导向的探索分析；
- 也支持简单报表制作。整体使用过程感觉简单快捷。
2.参赛总结 非常感谢帆软BI提供参赛平台，感谢各位老师的辛苦付出。经过此次参赛的我们小组最大的收获是，我们还年轻，要克服困难、不断尝试、不放弃，每一次作品提交都会有收获、都是一个突破。
 1.链家-租房管理驾驶舱.pdf (623.26 K)
| 
