|
一、选手简介
1、选手介绍
- 个人介绍：帆软社区用户名yzm311647，目前就职于CVTE；目前岗位是服务支持工程师，个人喜欢研究开发自动化小工具，对BI这类工具十分感兴趣。
2、参赛初衷
- 希望参加比赛锻炼下自己的BI制作能力，同时观察其他BI工程师是如何制作BI，如何分析数据。
二、作品介绍
1、业务背景/需求痛点
- 每月要做一次服务时效的分析报告，需要监控并优化服务时效，在服务好客户的同时需要稳步提升服务时效，在服务行业中提高自身竞争力。由于是面向全国的服务体系，每月分析时所涉及的区域信息，服务商信息量大，很难准确定位到问题点。
2、数据来源
企业数据：
- 运用了服务时效数据表
- 已进行脱敏处理，其中省份信息经过处理乱序后重新映射为新省份信息
- 因历史数据量庞大，本次仅适用2021年1月~2021年5月某品牌产生的服务数据
数据含义
- 派单时间：用户报修至平台，平台向服务站派单的时间
- 完工时间：服务商上门完成服务时的时间
- 服务时效：完工时间-派单时间，指完成一单服务所需时效
- 一次解决率：上门服务后一次解决客户问题的概率
- 故障代码：产品故障报修时，将所填故障信息转化成代码
3、分析思路
- 一般服务资源，服务技术能力，服务管理，特殊事件会对服务时效造成影响。本次分析围绕该维度进行分析。
4、数据处理
- 数据底表两张：服务时效数据底表，服务商分级表
- 数据清洗：导出系统数据，使用Excel工具对空值进行清洗，筛选分析范围内的数据
- 数据脱敏：服务商信息，故障代码信息均使用有序编码进行加密，省份信息使用随机数生成辅助列，再通过区间分组重映射至新省份
- 自助数据集如下图：
5、可视化报告
（1）数据含义表达和图表排版布局
①主筛选器，可以筛选观察不同月份数据。本报告使用5月份数据进行分析。
②主驾驶舱
分别展示当月业务量，当月平均服务时效，当月一次解决率与其对应的环比增长率。含括了业务量，服务质量，服务效率3个服务核心指标。在5月份数据中可以看出，在服务量下降7.67%，服务资源得到释放的情况下，服务时效还出现了上涨。
③区域时效影响分析
通过地图高亮省份信息，甄别出现问题的省份。
本分析研究的是服务量与服务时效的关系，故使用环比服务时效增长率与环比业务量增长率的积作为影响因素对服务商进行分析，观察是否有某些服务商在服务资源释放的情况下，服务时效
反而上升，需要排查该类服务商的内部情况。
④技术能力对于服务时效的影响
分析当月是否有某些故障较难处理导致时效变差与分析当月是否有某故障存在多次上门的情况，变相导致时效变差。
（2）通过分析得出的结论
本月业务量为7800，环比下降7.67%，平均服务时效环比增长3.89%
根据历史服务量&服务时效趋势，当服务量减少时，会因服务资源的释放而加快服务时效。但本月服务量增长情况与服务时效增长情况成反比，故需要分析其中原因：
- 从服务时效异常区域分布图得出山东省与云南省平均服务时效分别为85和65.2，对比全国平均服务时效分别超时36.83和17.03，需要排查该省份是否因出现批量性问题导致服务时效增加，若无批量性问题，需要检查该区域服务资源是否充足，是否需要建设服务网络。
- 通过对服务商的业务量增长率和时效增长率的分析中得出，011、033、029、015号服务商，在业务量下降的情况下，服务时效大量增长，需要联动该服务商管理层对服务站内部进行问题排查，并落实管理措施。
- 难修故障的出现也可能导致服务时效的上升，从长服务时效故障图中可以得出ERROR CODE004、006故障现象出现概率较大，并服务时效均高于平均时效。故需要组织厂家对全国服务商进行该故障的维修培训，期望通过正确高效的服务手段提高总体服务时效。
- 对于ERROR CODE021、015多次上门率较高，可能存在复杂故障。多次上门会影响客户体验，也会带来服务时效的上涨，故需要针对该故障现象撰写维修文档，供前端服务商学习，并持续监控该故障现象多次上门率是否有好转。
最后附上全图
 仪表板-服务时效分析优化.pdf (535.66 K)
| 
