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
风影710(uid:648953)
职业资格认证:FCA-FineReport | FCP-报表交付工程师 | FCP-业务分析师
test
一、选手简介1、团队选手版团队名称:颜高手不低 团队组成: l 风影710:颜值担当兼团长。系统出身,有BI可视化经验及数据分析经验。爱好摄影。 l 飘扬红叶:颜值担当兼技术担当。有数据分析经验且精通Tableau等可视化工具,是公司可视化业务的扛把子,也是本次参赛的技术顾问。 l 云里雾里:颜值担当兼技术担当。有数据分析经验,精通各种数据库且擅长处理大数据,本次参赛数据源的整理和脱敏均由她一人完成。 l jr劈里啪啦:颜值担当兼脑力担当。博览群书,有多年商品管理的经验,非常有个性的小姐姐。本次参赛也是现学(FineBI)现用,实践效果响当当。 l zz稀里哗啦:颜值担当兼脑力担当。在商品订货、商品验收方面的经验丰富。在本次利用FineBI工具的过程中,由“被指导”迅速转变为“指导别人”的角色,着实让人佩服。 2、参赛初衷团队成员都是同事,虽然不在同一个部门,但是都从事过或者正在从事数据分析的业务。说到数据分析当然离不开可视化分析工具,其中同事“飘扬红叶”已经在使用Tableau并熟练应用于务。对于FineBI大家也是想研究下用法及试用的效果。正好看到帆软有这次挑战赛,想借此机会加速学习FineBI的进度,进而随着完成大赛的课题,也能让大家真正有对这个工具的实际使用经验,当然也非常期待能拿到大赛的奖金,以便于利用奖励后期能更加深入的了解帆软的其他课程和产品。虽然大家本次是初次组队完成同一个课题,但是大家都认真热情地一起推进每一个环节,尽力贡献个人的经验、思考、想法和努力,突出了团队合作的魅力:总体大于部分之和。 二、作品介绍1、业务背景某国某公司连锁超市在各地有80家线下零售门店在2020年底,公司更新了近5年的发展战略及目标。例如在销售、库存、商品、人才、会员等等各个方面都有政策和目标。其中,在会员维度的目标,是到2021年12月为止,80家门店总体会员数达到220万人。如何才能达到这个目标,是公司需要探究的问题,也是我们本次分析的目的。 2、分析思路file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image001.jpg 3、数据来源3-1、数据源说明 用到企业数据。企业是某国的经营中大型线下连锁超市(80家门店)的企业 ①数据已经过脱敏处理 ②为达到数据分析过程中可视化的直观性,已将源数据各门店的地理位置虚拟为中国的地理位置 ③由于顾客别的销售数据量庞大,本次分析选取了10个门店在202001月-202105月份的数据进行分析 ④为了尽量排除干扰因素,该10家门店选择在同一大区,且面积相近,年间销售规模相近,周围商业竞争环境相似的门店 3-2、用到的原始数据表含义简述 (具体数据表的内容可参考5-2) ①日别门店别顾客别的购买商品别的购买金额、数量等的详细数据 ②日别门店别顾客别的支付方式及支付金额数据 ③商品的各分类的维度表 4、指标定义4-1、会员分类的定义 ①新增会员:以对象月为基点,过去一年没有购买记录的会员 ②忠实会员:包含对象月在内的最近3个月间来店的会员 ③流失会员:包含对象月在内最近3个月间无购买记录并且在过去的第四个月有来店购买记录的 示例: file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image002.jpg 4-2、忠实会员中的等级定义 ①白金:月间消费金额>1600元 ②黄金:800元<月间消费金额<=1600元 ③青铜:400元<月间消费金额<=800元 ④普通:月间消费金额<400元 4-3、购买频度、客单价 ①购买频度=购买回数/ID数 ②客单价=购买金额/购买回数 5、数据处理5-1、数据处理的步骤 ①数据加工及清洗 会员购买商品的原始数据的数据量非常庞大,根据整理的分析思路,将原始数据在linux下(书写shell脚本)加工处理成需要的事实表和维度表。原始数据加工过程中,用到linux的kuniq、selrow等命令进行去重、异常值处理(去除购买金额<=0的部分)等操作 ②数据脱敏 将会员卡号进行加密处理,购买金额乘以特定系数等进行数据脱敏处理后,导入到CSV及Excel文件中 ③整理各表之间的关联 整理事实表和维度表之间的关联图 ④建立自助数据集 将事实表和维度表的CSV、Excel文件导入到FineBI中,通过建立各表之间关联图,添加公式等做成所需的自助数据集 5-2、通过数据处理得到的数据表、数据关联图以及自助数据集 5-2-1)事实表和维度表的数据表及内容 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image003.jpg5-2-2)数据表之间的关联图 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image004.jpg5-2-3)建立各个视点用到的自助数据集 ① 实验门店与非实验门店的平均新增会员数的数据集 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image005.jpg② 新增会员的入会方式数据集 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image006.jpg③ 会员等级别的购买频度和客单价的数据集 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image007.jpg④ 门店别忠实会员结算方式的数据集 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image008.jpg⑤店别忠实会员属性及使用储值卡的顾客画像的自助数据集 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image009.jpg其他的自助数据集也是根据实际分析需求自助创建,此处不再一一赘述。 6、可视化报告6-1、分析框架 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image010.jpg6-2、图表选择 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image011.jpg6-3、颜色选择及设置 ①总体色调:深色 ②背景色:选取了深色背景图 ③图表的配色:以深蓝、浅蓝色为主色调,配有同色系的淡紫色。其中为使有些图表看起来更清晰直观,有些选用了淡橙色等 ④图表设置:图表的背景网格线都去掉了,且给各个图表添加了统一的边框(使用背景图片) ⑤文字标签设置:想要突出的重点内容用绿色或者红色的文字表示,通过分析得出的建议用黄棕色文字表示 6-4、报告的内容 6-4-1)背景简介&分析的目的&特别说明 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image012.png 6-4-2)会员整体状况确认 ①简述 为了直观的展示选取的10家门店的的状况、使用了以下形式: 数字文本:使用大号数字以及亮色,以便于一目了然会员数现在的状况、目标值、以及跟目标值还有多少差距; 地图:表示各店在地理位置上分布状况,也从侧面体现出不同区域受顾客信赖的状况; 折线推移图:时间线上会员数的变化情况以及与目标值的差距; 分区柱形图:确认不同类别的会员(新增、忠实、流失)的月别会员数变化情况 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image013.jpg②数字确认结果及结论 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image014.png 6-4-3)新增会员分析 ①简述 在3个门店试验了新的入会方式:自助机入会,和一直都有的导购台入会、Web入会、APP入会进行比较,看哪个入会方式更加受顾客的青睐。其中10个门店中3个门店是实验店,数据确认是以实验店VS非实验店的形式来进行的。 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image015.png②数字确认结果及结论 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image016.png 6-4-4)忠实会员分析 ①简述 根据最初分析思路的梳理,先确认了会员等级别的会员人数及购买状况、进而确认了优质会员(白金&黄金)喜好的商品品类;对于优质会员的购买习惯,从购买频度和客单价的角度进行了分析。从而期待从商品品类的强化和会员购买习惯的支持方面留住忠实会员。另外,对会员各个等级别的购物结算方式进行了分析,具体请参考结论部分。 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image017.pngfile:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image018.png②数字确认结果及结论 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image019.png 6-4-5)流失会员分析 ①-1简述 如报告中所述,导致会员流失的因素实在是太多了。本次分析我们着眼于自身门店的商品品类,以及对门店满意度调查的问卷数据的分析来进行。首先是对于流失会员流失前最常购买的商品品类、以及TOP5品类的SKU数的变化进行了确认。 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image020.png②-1数字确认结果及结论 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image021.png ①-2简述 对门店满意度的调查问卷信息进行了统计,以期待能获取导致会员流失的可能原因 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image022.png②-2数字确认结果及结论 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image023.png 6-4-6)报告的最终效果 file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image024.png 三、参赛总结1、使用FineBI的感想 因为会员的销售数据非常庞大,所以本次分析使用的数据先是由小组内的数据处理专家(云里雾里)进行了整理、清洗和脱敏,以及进行了中间层数据的加工,在FineBI的使用时已经是相对轻量的数据,对大数据的负载量方面没有太深入的探索。在可视化分析报告的制作等方面,我们总结了以下几点使用感受: ①数据链接方便。数据源发生改变时,页面表现可以实时联动。且内置数据清洗机制,建立自助数据集,想做什么样的图表,先处理数据,数据引用-数据处理-可视化呈现,逻辑清晰易懂 ②制作图表时,FineBI有提供了丰富的封装好的组件供我们选择,让做图表变得简单有趣,丰富的配色方案、以及背景图片的添加等功能,让即使不会美工的人也能制作出非常美观的报告 ③仪表板样式可选,让没有美工基础的小白,也能轻松做出高大上的大屏来 ④仪表板和组件之间的切换超级顺畅,可以随时更改随时看效果,实现了”所见即所改“ ⑤帮助文档非常详尽。遇到不会的问题几乎都可以通过查阅帮助文档而解决。能节约去请教他人的时间,也不会因为遇到解决不了的问题而轻言放弃 ⑥帮助文档也提供了很多常用的分析模型。让人人都可以成为分析师,通过利用恰当的模型,分析人员能更客观准确地发现问题从而提出有效建议,帮助企业做出决策,解决问题。 2、参赛总结 从参赛的企划、报名、选题、梳理分析思路、设计、到大家分工实现、后期的美工、参赛总结等等,每一步都让我们这个团队配合的越来越默契。虽然我们都是同事,但是平时都是在不同的部门做不同的工作,对彼此的了解并不深。经过这次参赛的首次组队合作,让我们更全面的认识了彼此,也看到了队员每个人身上散发出来的特殊魅力,从这个层面上讲,也非常感谢帆软组织的这次大赛。 从我们决定参赛的那一刻起,我们就认真的对待每一个环节。终于到了能写参赛总结的这个时候,回想起来我们为选题而进行的各种讨论的场面,为我做的计划而默默赞许的神情(是我自己脑补的哈哈),为了不耽误整体进度,大家各自即使加班加点也都按时完成了自己负责的部分的热情和努力,都历历在目。大家为了一个共同的目标而贡献各自的想法和力量,整个过程都是紧凑、热烈而美好的回忆。 附上当时选题讨论后的投票统计表一张: file:////Users/zhengbaolian/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image025.jpg在紧锣密鼓的参赛过程中,我们也理所当然地体会到了数据分析的快乐。通过这次大赛,使用FineBI的工具,让我们觉得数据分析的过程变得简单了很多。虽然过程中因为初期对FineBI工具使用不熟练有时候也走了一点弯路,但是它的灵活性、便捷性和易操作性等,不仅简化了一些逻辑处理的部分,更是大大提升了可视化的程度。现时代大家都说让”让数据成为生产力“,只有让数据”可视“,才能发现问题,只有发现问题,才能做出决策,然后转化成行动,最终才能成为生产力。而在这个过程中,数据可视化的部分,是尤其关键的一环。愿身处数据分析一线的我们,都能业务熟练、技能加身,能够洞察数据传递给我们的信息,创造自身价值,也为企业和社会做出贡献!
【2021夏季挑战赛】某商超提升会员数分析
恭喜本作品荣获“2021帆软BI可视化夏季挑战赛-全场最佳作品奖” 1、点击浏览在线作品 2、点击查看/编辑在线模板(完成问卷即可获取平台账号)   帆软专家点评: 作品以如何在年底提升会员数在220w以上为分析诉求,从当前现有会员数据入手,分别从新增会员、忠实会员以及流失会员三种会员特征进行思路的拆解分析,并对会员特征进行明确的定义后,选取企业的真实数据进行脱敏分析,使得整个分析材料更加贴近真实的业务分析工作,故事代入感很强。   整体分析报告从三种特征会员入手,对每一种特征会员的影响因素进行分析,同时得出客观合理的分析结论,并结合实际背景情况给予决策建议;整体报告排版布局清晰简洁,以合适明了的图表进行数据展示并配以文字结论,有利于读者阅读和理解。   分析思路清晰、脱敏的企业数据、合理科学的分析结果及业务决策建议是本篇分析报告的加分项。整体来看是一篇非常好的营销会员分析的分析报告,值得借鉴和学习。     一、选手简介 1、团队选手版 团队名称:颜高手不低   团队组成: 风影710:颜值担当兼团长。系统出身,有BI可视化经验及数据分析经验。爱好摄影。 飘摇红叶:颜值担当兼技术担当。有数据分析经验且精通BI等可视化工具,是公司可视化业务的扛把子,也是本次参赛的技术顾问。 云里雾里:颜值担当兼技术担当。有数据分析经验,精通各种数据库且擅长处理大数据,本次参赛数据源的整理和脱敏均由她一人完成。 jr劈里啪啦:颜值担当兼脑力担当。博览群书,有多年商品管理的经验,非常有个性的小姐姐。本次参赛的过程中也是现学现用,实践效果响当当。 zz稀里哗啦:颜值担当兼脑力担当。在商品订购、商品检收方面的经验丰富。在本次利用FineBI工具的过程中,由“被指导”迅速转变为“指导别人”的角色,着实让人佩服。 2、参赛初衷 团队成员都是同事,虽然不在同一个部门,但是都从事过或者正在从事数据分析的业务。说到数据分析当然离不开可视化分析工具,其中同事“飘扬红叶”已经在使用一些BI工具并熟练应用于业务。对于FineBI大家也是想研究下用法及试用的效果。正好看到帆软有这次挑战赛,想借此机会加速学习FineBI的进度,进而随着完成大赛的课题,也能让大家真正有对这个工具的实际使用经验,当然也非常期待能拿到大赛的奖金,以便于利用奖励后期能更加深入的了解帆软的其他课程和产品。虽然大家本次是初次组队完成同一个课题,但是大家都认真热情的一起推进每一个环节,尽力贡献个人的经验、思考、想法和努力,突出了团队合作的魅力:总体大于部分之和。   二、作品介绍 1、业务背景 某国某公司连锁超市在各地有80家线下零售门店,在2020年底,公司更新了近5年的发展战略及目标。例如在销售、库存、商品、人才、会员等等各个方面都有政策和目标。其中,在会员维度的目标,是到2021年12月为止,80家门店总体会员数达到220万人。如何才能达到这个目标,是公司需要探究的问题,也是我们本次进行数据分析的目的。 2、分析思路146359 3、数据来源 3-1、数据源说明 用到企业数据。企业是某国的经营中大型线下连锁超市(80家门店)的企业①数据已经过脱敏处理②为达到数据分析过程中可视化的直观性,已将源数据各门店的地理位置虚拟为中国的地理位置③由于顾客别的销售数据量庞大,本次分析选取了10个门店在202001月-202105月份的数据进行分析④为了尽量排除干扰因素,该10家门店选择在同一大区且面积相近,年间销售规模相近,周围商业竞争环境相似的门店3-2、用到的原始数据表含义简述(具体数据表的内容可参考5-2)①日别门店别顾客别的购买商品别的购买金额、数量等的详细数据②日别门店别顾客别的支付方式及支付金额数据③商品的各分类的维度表1456514、指标定义4-1、会员分类的定义①新增会员:以对象月为基点,过去一年没有购买记录的会员②忠实会员:包含对象月在内的最近3个月间来店的会员③流失会员:包含对象月在内最近3个月间无购买记录并且在过去的第四个月有来店购买记录的 示例:1463604-2、忠实会员的等级定义 ①白金:月间消费金额>1600元 ②黄金:800元<月间消费金额<=1600元 ③青铜:400元<月间消费金额<=800元 ④普通:月间消费金额<=400元 4-3、购买频度、客单价①购买频度=购买回数/ID数②客单价=购买金额/购买回数1456525、数据处理5-1、数据处理的步骤①数据加工及清洗会员购买商品的原始数据的数据量非常庞大,根据整理的分析思路,将原始数据在linux下(书写shell脚本)加工处理成需要的事实表和维度表。原始数据加工过程中,用到linux的kuniq、selrow等命令进行去重、异常值处理(去除购买金额<=0的部分)等操作②数据脱敏将会员卡号进行加密处理,购买金额乘以特定系数等进行数据脱敏处理后,导入到CSV及Excel文件中③整理各表之间的关联整理事实表和维度表之间的关联图 ④建立自助数据集将事实表和维度表的CSV、Excel文件导入到FineBI中,通过建立各表之间关联图,添加公式等做成所需的自助数据集5-2、通过数据处理得到的数据表、数据关联图以及自助数据集        5-2-1)事实表和维度表的数据表及内容 146361 5-2-2)数据表之间的关联图1463625-2-3)建立各个视点用到的自助数据集        ①实验门店与非实验门店的平均新增会员数的数据集146363②新增会员的入会方式数据集146364③会员等级别的购买频度和客单价的数据集146365④门店别忠实会员结算方式的数据集146366⑤店别忠实会员属性及使用储值卡的顾客画像的自助数据集146367其他的自助数据集也是根据实际分析需求自助创建,此处不再一一赘述。1456641456616、可视化报告6-1、分析框架1463686-2、图表选择        1463696-3、颜色选择及设置①总体色调:深色②背景色:选取了深色背景图③图表的配色:以深蓝、浅蓝色为主色调,配有同色系的淡紫色。其中为使有些图表看起来更清晰直观,有些选用  了淡橙色等④图表设置:图表的背景网格线都去掉了,且给各个图表添加了统一的边框(使用背景图片)⑤文字标签设置:想要突出的重点内容用绿色或者红色的文字表示,通过分析得出的建议用黄棕色文字表示6-4、报告的内容6-4-1)背景简介&分析的目的&特别说明1463706-4-2)会员整体状况确认①简述为了直观的展示选取的10家门店的的状况、使用了以下形式:数字文本:使用大号数字以及亮色,以便于一目了然会员数现在的状况、目标值、以及跟目标值还有多少差距;地图:表示各店在地理位置上分布状况,也从侧面体现出不同区域受顾客信赖的状况;折线推移图:时间线上会员数的变化情况以及与目标值的差距;分区柱形图:确认不同类别的会员(新增、忠实、流失)的月别会员数变化情况146371②数字确认结果及结论1463726-4-3)新增会员分析①简述在3个门店试验了新的入会方式:自助机入会,和一直都有的导购台入会、Web入会、APP入会进行比较,看哪个入会方式更加受顾客的青睐。其中10个门店中3个门店是实验店,数据确认是以实验店VS非实验店的形式来进行的。146373   ②数字确认结果及结论1463746-4-4)忠实会员分析①简述根据最初分析思路的梳理,先确认了会员等级别的会员人数及购买状况、进而确认了优质会员(白金&黄金)喜好的商品品类;对于优质会员的购买习惯,从购买频度和客单价的角度进行了分析。从而期待从商品品类的强化和会员购买习惯的支持方面留住忠实会员。另外,对会员各个等级别的购物结算方式进行了分析,具体请参考结论部分。146375146376②数字确认结果及结论1463776-4-5)流失会员分析①-1简述如报告中所述,导致会员流失的因素非常多。本次分析我们着眼于自身门店的商品品类,以及对门店满意度调查的问卷数据的分析来进行。首先是对于流失会员流失前最常购买的商品品类、以及TOP5品类的SKU数的变化进行了确认。146378①-2数字确认结果及结论146379②-1简述对门店满意度的调查问卷信息进行了统计,以期待能获取导致会员流失的可能原因146380②-2数字确认结果及结论1463816-4-6)报告的最终效果146382145654三、参赛总结1、使用FineBI的感想        因为会员的销售数据非常庞大,所以本次分析使用的数据先是由小组内的数据处理专家(云里雾里)进行了整理、清洗和脱敏,以及进行了中间层数据的加工,在FineBI的使用时已经是相对轻量的数据,对大数据的负载量方面没有太深入的探索。在可视化分析报告的制作等方面,我们总结了以下几点使用感受: ①数据链接方便。数据源发生改变时,页面表现可以实时联动。且内置数据清洗机制,建立自助数据集,想做什么样的图表,先处理数据,数据引用-数据处理-可视化呈现,逻辑清晰易懂 ②制作图表时,FineBI有提供了丰富的封装好的组件供我们选择,让做图表变得简单有趣,丰富的配色方案、以及背景图片的添加等功能,让即使不会美工的人也能制作出非常美观的报告 ③仪表板样式可选,让没有美工基础的小白,也能轻松做出高大上的大屏来 ④仪表板和组件之间的切换超级顺畅,可以随时更改随时看效果,实现了”所见即所改“ ⑤帮助文档非常详尽。遇到不会的问题几乎都可以通过查阅帮助文档而解决。能节约去请教他人的时间,也不会因为遇到解决不了的问题而轻言放弃 ⑥帮助文档也提供了很多常用的分析模型。让人人都可以成为分析师,通过利用恰当的模型,分析人员能更客观准确地发现问题从而提出有效建议,帮助企业做出决策,解决问题 1456512、参赛总结从参赛的企划、报名、选题、梳理分析思路、设计、到大家分工实现、后期的美工、参赛总结等等,每一步都让我们这个团队配合的越来越默契。虽然我们都是同事,但是平时都是在不同的部门做不同的工作,对彼此的了解并不深。经过这次参赛的首次组队合作,让我们更全面的认识了彼此,也看到了队员每个人身上散发出来的特殊魅力,从这个层面上讲,也非常感谢帆软组织的这次大赛。从我们决定参赛的那一刻起,我们就认真的对待每一个环节。终于到了能写参赛总结的这个时候,回想起来我们为选题而进行的各种讨论的场面,为我做的计划而默默赞许的神情(是我自己脑补的哈哈),为了不耽误整体进度,大家各自即使加班加点也都按时完成了自己负责的部分的热情和努力,都历历在目。大家为了一个共同的目标而贡献各自的想法和力量,整个过程都是紧凑、热烈而美好的回忆。附上当时选题讨论后的投票统计表一张:146383在紧锣密鼓的参赛过程中,我们也理所当然地体会到了数据分析的快乐。通过这次大赛,使用FineBI的工具,让我们觉得数据分析的过程变得简单了很多。虽然过程中因为初期对FineBI工具使用不熟练有时候也走了一点弯路,但是它的灵活性、便捷性和易操作性等,不仅简化了一些逻辑处理的部分,更是大大提升了可视化的程度。现时代大家都说让”让数据成为生产力“,只有让数据”可视“,才能发现问题,只有发现问题,才能做出决策,然后转化成行动,最终才能成为生产力。而在这个过程中,数据可视化的部分,是尤其关键的一环。愿身处数据分析一线的我们,都能业务熟练、技能加身,能够洞察数据传递给我们的信息,创造自身价值,也为企业和社会做出贡献!   某商超提升会员数分析.pdf (2.35 M)
个人成就
内容被浏览117,825
加入社区3年6天
返回顶部