1.选手简介   1.1.选手介绍 · 帆软社区用户名：azero，一个喜欢瞎折腾的、刚入门的新手、BI开发工程师。 · 某企业大数据技术组成员，主要做数据开发，BI也是其中一项。   1.2.参赛初衷 · 获奖不是目标，来参赛主要是练练手 · 希望了解更多不同行业的业务知识 · 希望多操作，熟悉BI · 学习一下其他小伙伴分析问题的角度或特殊的脑洞，完善自己的思维逻辑性 · 我从来不是为了奖励，本人只爱学习 · 当然，能有奖励那就更好了   2.场景介绍   · 天气与我们的生活息息相关，它影响着我们的穿着、出行方式及出门必带的物件。本次分析主要汇总了北上广深四座城市的历史天气，展示不同地区的天气差别。   2.1.业务背景介绍&数据来源 · 简述业务背景： 作为一线城市，快速发展，其天气是否有所变化？天气影响着人们日常生活的出行、穿着。分析北上广深这四座城市的天气差异。   · 简述需求背景： 天气预报能很好的为我们的出行方式、穿着、所带物件的是什么给一定的建议，本次可视化针对一线城市天气分析，分析天气差异，坏天气的元凶。   · 数据来源： 和鲸社区 https://www.kesci.com/home/dataset   2.2.分析思路 · 先对数据进行合并，并进行一定的清洗。 · 再将其分为3个小part进行分析：空气质量与风向风力、温度、天气。 ①空气质量与风向风力有给维度与指标，可以多方面切入。如考虑空气质量的变化趋势、空气质量与风向风力之间的关系等； ②温度给的是最高温度、最低温度，可以计算其温差，考虑整年温度的变化趋势、最值情况； ③天气给的比较笼统，可以考虑就天气情况出现的频率进行切入，分析其特点，按季度或月份。 · 最后撰写结论。   2.3.数据整理 · 数据整合：拿到手的数据是4个Excel，通过FineBI的上下合并操作，进行合并。   145974   · 数据清洗：日期、风向风力、空气质量指数这三列的数据需要进行一定的拆分。最高温度、最低温度需要去掉单位符号。   145975 145976 145977   · 数据模型建立 用分组汇总的方式，计算每个地区不同空气质量的天数   145978   利用新增列的方式，计算每天不同地区的温差值   145979 2.4.完成分析报告 145980 2.5.总结 · 拖延症本人，最后几天才开始动手。找数据源时考虑了很久，找找换换，直到倒数第二天决定做关于天气的数据可视化展示。也因此拖到了最后一天才开始做，迫于时间和精力草草收尾，还有些想法暂未能加入。 · 配色、排版、美化、边框、字体等因时间不足未能尽如人意。 天气.pdf (1.52 M)