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
schy(uid:98307)
热爱信息化! 职业资格认证:FCP-FineBI | FCP-报表开发工程师 | FCA-数知鸟 | FCP-业务分析师 | FCA-九数云 | FCA-数据分析理论 | FCA-FineBI | FCP-零代码开发工程师
#1024程序员节||回忆我的第一个应用程序
大学开始学习到的一个编程语言是汇编语言,那时候计算机还都比较原始,学校的机房还是win32的系统,不过接触到这个语言后就让我产生了浓厚的兴趣。 记得那年的课程结课考试老师出了一个题目是用汇编语言写一个文本编辑器程序。 接到题目后我就开始了人生中第一次真正意义上的开发工作。 虽然老师提出的题目要求并不高,到我总是对写出来的内容不满意,于是我就一头扎了进去,最后用了一个月的时间完成了一个几千行的程序。 交作业后的第二天,我被老师的领导,也是我们的学院院长叫到了办公室,他表情严肃的对我说:说吧,你这个作业是从哪里下载的?这肯定不是你自己编的! 话说那时我是大为震惊,立刻开始“狡辩”,额!不是据理力争! 我开始给院长讲我写这一个月的作业的过程,并解答了他对代码的各种拷问。他最怀疑我的是我手欠添加了一个帮助功能,并留下自己的联系邮箱。 后来院长终于确认了作业是我自己写的,我的作业中的光标控制使用了与老师教的完全不同的思路,但实现功能更加完善,我还进一步把保存文件功能做了出来。并添加了很多快捷键功能。院长对我的作业进行了称赞,老师也给我满分的成绩,那一刻我的感觉就像过节一样,也就像今天的感觉,今天我在上海fineday大会拿到了2023数据分析大赛的奖状! 1024,值得回忆的一天。
【2023BI数据分析大赛】关于质数分布的可视化分析
关于质数分布的可视化分析 一、选手简介 1、选手介绍 帆软社区用户名:schy,一位信息化工作者,对信息化工具提升工作效率和可视化工具实现数据分析非常感兴趣! 2、参赛初衷 FineBI一直是我十分关注的数据分析工具,我希望通过比赛实践提升FineBI的使用方法和技巧,同时也希望通过参赛与技术专家交流,当然也希望能获得认可和奖励。 二、作品介绍 1、分析背景 质数的分布规律一直是一个让人琢磨不透但又魅力十足的问题,之前通过很多资料已经有了一定的了解,但是我自己从来没有着手做过相关的分析和研究,这次我希望通过FineBI对质数的分布进行可视化的分析和展示发现一些新的东西。 2、数据来源 由于本次分析的基础数据是质数和自然数,因此我先通过wps获取到了1-100000的自然数序列,然后使用wps通过编辑js脚本创建了一个质数判断函数,最终应用该函数生成了1-100000内的质数表,由于函数是迭代计算的,随着数据增大计算压力越来越大,这10万自然数的指数判断就让电脑计算了好几分钟。如果需要更大的数据集可能要考虑更较有效率的其他方法,本次由于分析目标就是10万以内的自然数和质数分布,所以wps工具刚好能够满足。 具体操作截图如下: 3、分析思路 质数在自然数中的分布看似毫无规律,但是如果我们用可视化的手段用不同的视角进行透视并与类似质数分布的一组随机数进行比对可以看出两者的区别。针对这一目的,我制定了如下的分析计划: 1、通过在直角坐标系内质数分布的展示,可以看到质数螺旋的图形,包括正四边形螺旋和极坐标螺旋。 2、我还想针对之前从来没有尝试过的正六边形螺旋分布进行可视化的展示和探索。 3、然后我还想验证一下质数定理与真实质数个数曲线的拟合情况。并按照5000一个统计区间针对质数个数和质数间隔的平均值进行展示,看看递增递减的规律,并把尾数为1,3,7,9的质数在区间内的分布分别展示出来,看看情况如何。 4、最后再依据不同的质数间隔按照渐进色和热力色的展示分布规律图,探索一下质数间隔的特征。 4、数据处理 为了满足我的分析思路进行的展示,我对质数基础数据进行了如下数据处理 (1)、我在WPS中利用随机函数公式,获取到了一个类似质数分布表的随机序列,用来做与真正质数分布的对比分析。 (2)、我利用WPS公式生成了每个自然数按照极坐标螺旋方式展开的每个点对应的平面坐标,为后期生成极坐标螺旋分布图做准备。 (3)、我利用WPS公式生成了每个自然数按照四角螺旋方式展开的每个点对应的平面坐标,为后期生成四角螺旋分布图做准备,通过观察和总结坐标变化规律,完成了平面坐标的公式计算,具体操作截屏如下: (4)、我利用WPS公式生成了每个自然数按照六边形螺旋方式展开的每个点对应的平面坐标为后期生成六边形螺旋分布图做准备,编制公式的过程中,使用了一些原始的找规律的方法,最后形成了通过定义顶点六个旋转方向坐标值变化的方法完成了全部自然数在正六边形螺旋平面坐标的计算,具体过程截图如下: (5)、我利用WPS公式生成了每个2个质数间的距离并把这个值赋值给区间涉及的所有自然数,以便后期分析具体的指数间距离的分布情况。 (6)、我利用FineBI的数据处理工具生成了质数定理相关的X/Ln(X)值和质数个数累计值,并针对自然数进行了5000个一组的分组,针对以1,3,7,9结尾的质数进行了标记,为后期分析各区间质数数量和质数间距离对比做好了准备,具体操作截屏如下: 5、可视化报告 (1)极坐标质数分布图展示和对比组件构建 该系列组件是用平面极坐标的形式是把自然数作为半径和弧长,并让半径与弧长相等,从而得到每个旋转后的横坐标和纵坐标,这样能够形成一个随着旋转不断增大半径的由多个点构成的螺旋图形,然后在这个图形中将质数保留,组件能够体现出质数分布按照极坐标形式分布的一些显著特征。 首先,着个组件需要使用散点图,然后,将细粒度设为单个的自然数,就是在数据中由公式生成的一个由自然数构建的文本字段。这样生成的点就对应了十万个自然数对应的每一条数据。 然后把之前计算出来的横坐标和纵坐标拖入横轴和纵轴。 再之后把是否为质数字段拖入颜色,并设置非质数为透明色,质数为深蓝色,这样就只保留了质数点的显示,能形成对比鲜明的质数分布螺旋图像。 最后将大小设置为0,也就是最小,因为我们平面内会存在10万个点,因此为了保证显示点不重复,需要将点设置为最小才能显示出想要的螺旋效果。下面是设置大小为7的效果,出现了严重的重叠。 这里针对5000个自然数和50000个自然数进行了两个不同组件的展示,能够看出随着对应数据的增大,质数的质数螺旋呈现出类似星系的分布效果,出现了一些对称的明显的白色旋臂,非常有趣。 5000以内的极坐标质数螺旋组件具体设置截图如下: 50000以内的极坐标质数螺旋组件具体设置截图如下: (2)、平面四边形旋转质数分布图展示和随机数据的对比组件构建 该系列组件是用平面极直角的形式是把自然数作为按照四边形旋转的方式排列,这样能够形成一个随着旋转不断增大的由多个点构成的多个同心四边形嵌套的图形,然后在这个图形中将质数保留,组件能够体现出质数分布按照这种四边形旋转形式分布的一些显著特征。并且在将质数替换成随机数据后,可以生成随机数据的四边形转转图形,与质数图形可以进行对比。 这两个组件也需要使用散点图,然后,将细粒度设为和极坐标展示一样的字段。并将横纵坐标改为之前计算出来的四角坐标数据的横坐标和纵坐标。 之后同样把是否为质数字段拖入颜色,并设置非质数为透明色,质数为深蓝色,这样就只保留了质数点的显示,能形成对比鲜明的质数分布螺旋图像。在对于随机数组件展示的时候,将这个颜色改为随机数的数据,其他设置和质数展示组件一致。 最后也将大小设置为0。     平面四边形质数螺旋组件具体设置截图如下: 平面四边形类指数随机数螺旋组件具体设置截图如下:    这里可以明显的看出随机数据显得杂乱无章没有任何规律,但质数的图形却呈现出一中十分有规律的分布,会有明显的在某个角度的汇聚明显的点聚集形成连线,两图在视觉上呈现出明显的分布规律差异。这说明质数的分布也不是完全随机和杂乱无章的,只是我们还没有找到它真实的规律。 (3)、平面六边形旋转质数分布图展示和随机数据的对比组件构建 以上组件在互联网上都能看到,这回我想尝试一下不一样的展示效果。 这一系列组件是用平面极直角的形式是把自然数作为按照正六边形旋转的方式排列,这样能够形成一个随着旋转不断增大的由多个点构成的多个同心六边形嵌套的图形,然后在这个图形中将质数保留,组件能够体现出质数分布按照这种正六边形旋转形式分布的一些特征。并且在将质数替换成随机数据后,可以生成随机数据的正六边形转转图形,与质数图形可以进行对比。 这类组件仍使用散点图,将细粒度设为和之前一致。并将横纵坐标改为之前计算出来的正六边形分布的坐标数据的横坐标和纵坐标。 颜色设置与之前四边形分布一致。 最后也将大小设置为0。 平面正六边形质数螺旋组件具体设置截图如下: 平面正六边形类指数随机数螺旋组件具体设置截图如下:     通过这两个组建的图形对比,呈现出了更加明显的图形规律性对比,对于质数分布,在六边形的六个象限内,出现了非常明显的分布规律,尤其是在X轴正向的分布,全部质数都分布在趋于平行于X轴的若干条线上,而在其他象限也会出现很多明显的聚集线条。   但是随机数的图像就是毫无规律,偶尔出现一些数据堆积的聚集区域。这进一步证明了质数的分布是有很强的规律性的,但是规律性又十分的怪异,在不同的展示方式下呈现出的规律性也不尽相同。 (4)、质数定理拟合验证组件构建 这一系列组件是通过对小于每个自然数内质数个数的质数定理进行验证,查看实际的估算偏离。 该组件仍使用散点图,将细粒度设为和之前一致。并将横纵坐标改为自然数序列,纵坐标添加两个指标,分别是质数定理的估算数值和之前计算的真实的质数数量累计值。 颜色设置与之前四边形分布一致。 显示的大小设置为0。 质数定理拟合验证组件具体设置截图如下:    从图像可以看出,随着数据的增大,质数定理的估算值与实际质数个数相差还是非常大的,难怪后期人们又研究出了很多更精确的近似拟合,但是最好的拟合还是黎曼假设的结论,只可惜这个假设还没有被证明是定理。 (5)、1、3、7、9结尾的质数按区间数量统计对比的组件构建 该系列组件是用进行不同自然数结尾的质数分布规律的对比。 该组件使用柱状图,然后,将横轴设为分组区间,按照5000一个统计区间,十万个数据被分为了20个区间,然后将之前统计的尾数转化成维度,也放在横轴,从而形成需要的柱状图统计,纵轴为质数个数指标。颜色中拖入尾数维度,设置不同分组的颜色,尾数为1的设置为红色,尾数为3的设置为绿色,尾数为7的设置为黄色,尾数为9的设置为蓝色。 1、3、7、9结尾的质数按区间数量统计对比的组件设置截图如下: 这里可以看出各区间的以1,3,7,9结尾的个数变化较大,数量没有什么变化规律,但是总体来看,个数分布是均匀的。没有那个数特别的领先。质数以不同数字结尾的分布整体呈均匀性,但是在给定区间内的数量是随机分布的。 (6)、相邻给定区间质数数量和质数间距平均值的统计对比组件构建 该系列组件是对连续区间内的质数个数和质数间距平均值的分布规律的对比。 该组件使用分区直线图,以实现两组数据的对比。 将横轴设为分组区间,按照5000一个统计区间,十万个数据被分为了20个区间。 然后将之前统计的质数个数指标和间距指标拖入纵轴,这里质数个数使用求和汇总,间距使用平均值汇总,从而清晰的进行趋势对比。 相邻给定区间质数数量和质数间距平均值的统计对比组件设置截图如下: 从图形可以看出,分区的质数个数和间距均随着自然数的增大有所下降,但是在相邻的区间会存在波动的情况。数据的下降并不是平滑的。而平均间距的指标也存在类的情况,且与质数个数变化并不完全一致,少部分区域曲线变化的方向一致,大部分曲线变化方向相反。 (7)、平面四边形和六边形质数间距分布对比组建的构建 这一系列组件是用平面极直角的形式是把质数间距的变化用渐变色的形式进行展示 本组件也采用散点图,具体细粒度和坐标轴的设置与之前正四边形分布和正六边形分布的设置一样。 颜色设置中,将之前数据准备阶段计算出的间距指标拖入,然后选择由浅黄到深红的渐变颜色,按照区间进行自定义颜色。用颜色加深色表示质数间距离的增大,这里主要把小距离的数字用更多的渐变色展示,从而展示小距离间距质数的分布规律。 最后为了更好的展示这10万条数据也将大小设置为0。 正四边形旋转质数分距离布图渐变色图组件配置截图如下: 正六边形旋转质数分距离布图渐变色图组件配置截图如下: 从以上图形可以看出,在这10万自然数内,质数的间距呈现出近似周期性的波动,总体距离虽然逐渐增大,但是小距离的间距仍然不断的在数值变大后不断的涌现出来。这也让我联想到对孪生素数猜想和三胞胎、四胞胎素数等问题的一些结论的支撑。 同时这个质数间距的变化构成的图形也很耐看,如果六边形分布换成热力色图形效果如下: (2)通过分析得出的结论 通过数据可视化的展示可以形象的展示数字间的规律,BI是一个非常好的分析手段和发现解决问题的工具。 通过观察极坐标的质数分布以及在四边形和六边形分布中质数与随机数的分布对比,发现质数的分布的确存在某种特殊的规律,质数分布图像中存在很多规律性的线状结构,但是随机数据却没有呈现出来。 另外,在六边形展示中,图像在每个六边形长边对应的区间内呈现出多种不一样的规律,且线的分布和形状均有一些明显的走向痕迹。 通过质数间距离的热力图展示,能看出质数分布图中从内圈到外圈相邻两个质数的间距呈现出较有规律性的周期性变化,且随着数据值的增大越来越大,小间距质数对会不断地涌现。 同时通过可视化的分析,通过对不同颜色的搭配和使用,也可以得到很多令人意想不到的数据图像结构,有些甚至能够给人以艺术作品一样的美感。 下面这个质数六边形距离分布图我准备把他打印出来,作为一个艺术品收藏了:),就起名为“质数分布立方体”吧! (3)最终结果呈现的页面布局 公共链接仪表板访问地址如下: https://bisolutions.fanruan.com/webroot/decision/link/Brmm 最终仪表板页面导出图如下: 三、参赛总结 1、功能和期望 通过这次尝试,验证了BI对十万个自然数内质数分布的可视化展示分析的任务成功胜任,但是在十万条数据散点图的组件中调用的大数据模式不是默认开启的,系统在前端展示考虑到速度和体验,默认只展示前5000条数据。而且在仪表盘调用大数据模式也无法人为干预,因此打开仪表盘偶尔会出现某个或某几个组件无法正常显示的情况,应该是这些组件大数据模式资源没有获取到的原因,而获取到资源的组件也需要等待较长的加载时间,但是如果仅用于分析某个问题,单个组件对分布的展示已经可以完全实现分析的目的,也希望今后BI能提供一个稳定的大数据分析的强制模式,毕竟为了一个关键的结果哪怕进行漫长等待也是可以接受的! 最后希望FineBI越来越强大,能够胜任更加广泛和复杂的分析场景,能够提供更好的实时性能,我感觉可以考虑一下加入GPU的并行计算显示加速技术,从而进一步提升视觉展示效果和效率。能够为大数据分析提供更多的可能。 2、感谢和感悟 参赛期间进行了很多的测试和探索,大赛导师有问必答给予我很多的帮助,让我少走了很多弯路。我虽然考取了BI高级证书,但是现在BI的发展太快了,稍不留神就又冒出有好多新的东西需要学,BI数据分析真是学无止境。 这次的尝试和分析让我收获了很多,尤其是第一次看到质数六边形分布的可视化展示着实让我意想不到,真希望有生之年能够看到指数的分布规律被人类破解,或者是能看到黎曼猜想被证明出来,说来我这也是太贪心了,哈哈!
押上了所有的F豆成为了系统第23个大转盘帆布包的所有者!✌
功夫不负有心人! 虽然有点费手指。
【2022年终故事会】有帆为伴,笃信致远!
       2022年,注定是辛苦的一年,但同时也是收获的一年,疫情宅家让我有了更多自我提高和学习充电的时间,疫情之下的企业也亟需数字化的应用不断打通线上线下的业务和流程,提高企业运作的效率甚至改变经营管理的模式,一年来,我学完了帆软学院的四个高级培训班课程,并积极参加了帆软社区组织的各项赛事和活动,一年中我边学边做,学以致用,以赛代练,直面挑战,从基础的简道云的流程搭建,到FineDatalink的数据同步,再到用帆软商业智能工具实现一个又一个经营管理的决策系统大屏,我在摸索中前进,在挑战中成长,在成长过程中得到了很多历练和提高,也收获了很多人生中的第一次的尝试和体验。         下面我就按着时间线展开这丰富多彩的一年:         从2022年的元旦开始,我就开启了学习和考试模式,从一月到七月,我一口气完成了FCRP,FCBP,FCAP,FCJP这四个高级工程师认证。并在参加的简道云从入门到精通、BI标准版、帆软报表和数据运营官这四个学习班的学习过程中,斩获了三个一等奖学金和一个三等奖学金。通过这一系列的学习,让我在技术和理念上都得到了质的变化。也让我重新认识了帆软整个数据平台的能力和优势,为我下一步的工作开展积累宝贵的知识和理论。         七月,我参加了2022帆软BI数据分析大赛,获得了优秀作品奖。通过比赛锻炼了自己数据分析思维,也通过与其他选手的交流,让自己的眼界打开。         九月,我报名参加了帆软和中国信息技术协会大数据分会联合举办的2022中国数据生产力大赛,我提交的参赛作品获得了行业专家的认可,最终斩获了中小企业赛道的最高奖项——金奖。这个意外的惊喜让我更加坚定了应用商业智能工具实现企业数字化转型的信心。         十月,我迎来了一个不小的挑战,我接受了人生中第一次采访,对着摄像机我说出了自己使用帆软产品的经历和感受,最后看到帆软视频号中的自己,还真是觉得我需要减肥了:P         十一月,我又迎来的另一个挑战,我应邀参加了帆软 “2022商业智能峰会”沈阳站的活动,我又体验了人生中第一次作为演讲嘉宾站在讲台上的感觉,活动中我做了“数海行舟帆为伴,破浪以软皆是缘”的主题演讲,同与会的嘉宾分享了我企业信息化建设和数字化转型的过程、经验和感悟。         今年是我使用帆软产品的第七个年头,七年中,我从一个通信专业的工程师逐步转行成为了企业信息化的负责人,这期间可以说我一直是在从帆软汲取力量和支持,帆软社区、帆软学院以及帆软朝气蓬勃的运营支撑团队都是我的良师益友。         2022风雨兼程,收获满满!         2023有帆为伴,笃信致远!
【2022BI数据分析大赛】用BI去透视企业的应收款
一、选手简介          1、选手介绍       schy :企业信息化负责人,近几年利用帆软的简道云平台一站式的解决了本企业的基础信息化建设问题,自认为是帆软的一块儿忠实番薯,尽管还没参加过番薯嘉年华:P。                     2、参赛初衷        目前,企业的基础信息化工作初具成效,在统一的简道云平台上,企业各类数据积累也逐渐完善,但企业数据应用还处于初始阶段,数据分析的需求越来越迫切,如何更好的让数据产生价值是困扰企业的一个问题。基于以上问题,我最近开始研究fineBI软件,在学习和应用期间正好赶上了这届大赛,因此希望通过参加大赛能够锻炼和提高一下自己。   二、作品介绍 1、背景 现金流是企业的生命线。随着市场竞争日益激烈和市场环境的不断变化,企业面临的经营挑战也越来越大,近年来随着劳动力成本的不断上升和工程市场上业务发包逐渐过度到总承包和集成业务等包工包料的形式,企业经营成本支出强度不断提高,直接影响现金流的应收款工作成为了管理的一个重点。如何能够改善企业的应收款进账速度,如何找出应收款管理中的不足,如何甄别不同客户不同业务类别在回款方面的优势劣势,如何发现不同部门间对应收款的管理水平差异,如何评价企业的应收款管理水平,这些都需要对经营过程中产生的数据结合企业经营的实际情况进行分析而得来。面对这种分析场景,使用FineBI分析工具是最为高效和适合的。 因此基于目前的企业重点关注的问题,我就利用刚刚学到的FineBI进行了一次针对本企业应收款相关的数据探索。     2、分析思路 2.1 数据来源和准确性本次分析的数据是企业近年来的收入和回款历史数据,由于企业2017年9月上线了开发票的简道云审批流程,从那时起,所有的业务收入开票都与收入合同和订单以及工程台账进行了关联,这让可供分析的收入和回款数据绑定了至关重要的业务相关属性。基于简道云系统导出的企业收入和回款数据有效解决了关键的数据来源和数据准确性问题。   2.2 数据分类企业收入从开发票到回款有多种情况,从一张发票的回款次数上看分一次性回款和多次回款,从回款情况来看,分回完和未回完,从应收款的余额来看,分零回款和尾款,从应收款时间来看分短期应收款和长期应收款。不同的情况对现金流的影响也不同,需要进行区别分析。 2.3 维度选择针对业务、客户、部门的不同维度的应收款余额和发票回款情况的分析,对市场开发和经营决策有着重要的参考价值。选择合适的数据透视角度,透过不同的维度找出问题所在,才能给出有用的结论。 2.4 指标选择 想要发现不同维度收入回款数据中的问题,还需要针对应收款管理的工作制定出符合企业自身情况的管理指标。指标能力是分析工作顺利开展的关键保障。本次分析涉及的指标如下: 指标计算规则如下: 应收账款周转率 = 一段时间的开票收入/这段时间内应收账款的平均值【指标越大越好】 应收款余额 = 开票金额 - 回款金额【指标越小越好】 应收款账期 = 当前日期-发票开票日期(天)【指标越小越好】 初次回款历时=(发票1初次回款使用天数*发票1金额+发票2初次回款使用天数*发票2金额+...+发票n初次回款使用天数*发票n金额)/开票总金额(天){非零回款的发票}【指标越小越好】 总回款历时=(发票1初次回款使用天数*发票1金额+发票2初次回款使用天数*发票2金额+...+发票n初次回款使用天数*发票n金额)/开票总金额(天){全部完成回款的发票}【指标越小越好】 单位时间内零回款占比=单位时间内零回款的金额/单位时间内应收总金额【指标越小越好】 应收款占比=单位时间内应收款的金额/单位时间内开票总金额【指标越小越好】           3、数据处理3.1 基础数据获取从简道云平台导出了企业近5年的开票和回款数据,数据来自企业简道云平台的开票表和回款表。两张表格包含了全部的开票、回款信息,以开票编号作为连接字段,由于存在一张发票多次回款的情况,因此开票表和回款表之间是1:N的关系。                 3.2 数据脱敏为保证企业顺利授权,本次分析的数据统一进行了数据脱敏处理,其中金额数据等都乘以了一个相同的系数,所以分析报告上的收入和回款均不是实际的金额。另外分支机构和客户也都进行了代号名字脱敏。                3.3 线下数据完善由于企业开票流程是日益完善的,在2018年1月1日-2019年7月的导出数据中只有订单编号,没有对应的业务类别信息,因此从订单系统中导出了订单表,并在线下以手工vlookup的方式完善了该部分开票数据的业务信息。      另外、导出的数据中2018年10月分之前开发票的数据中存在一些开票日期录入错误的脏数据,这是由于简道云开票系统流程最初没有设计退票功能,而如果发生了发票退票重开就会造成开票日期还是记录第一次开票的时间,但实际的财务记账开票日期已经更新,系统却未更新,这部分数据通过手工查找财务系统的原始数据,利用金额和客户进行了定位,并将对应数据的开票日期进行了修正。  3.4 线上数据处理      利用BI强大的自助数据集功能,实现了各类待分析数据的有效处理,通过灵活的数据处理,将需要分析的指标数据在BI系统内进行了计算生成。   4、可视化报告 4.1颜色设置 整个仪表板以浅灰色为背景,以蓝色和绿色为主色调。 因为蓝色和绿色是企业的LOGO的主色调。  指标分析采用常用的热力色,红色、橙色、黄色表示警告的颜色,绿色、蓝色、青色是表示优良的颜色,紫色作为警戒线、趋势线等的颜色。   4.2指标设定 该数据可视化报告主要针对应收款周转率,应收款总金额、回款总金额、应收款余额,应收款账期,初次回款历时,总回款历时、零回款占比、长期应收款占比等指标进行同一时间维度内待分析维度的的对比分析。   4.3分析报告 企业应收账款周转率分析 1、企业整体情况分析       从下图中可以看到企业从2017年到2021年的收入、应收款和应收款周转率的变化. 企企业在2019年以前,周转率都在平均线以下, 在2020年和2021年周转率明显出现了好转。但是整体的周转率都在2以下,比企业通常的参考值3还有很大的差距。企业的现金的周转次数较低。但是也要看到,企业在收入增长的情况下,应收款的平均金额在下降,因此,企业在2020年后的应收款管理上是取得了很大的进步,尤其相比较于最差的2018年,已经有了质的飞跃。 2.客户维度分析 从以上这个近3年客户维度的收入应收款占比图和应收账款周转率趋势变化图,从图中可以看出:企业客户相对集中,排名前四的客户贡献了企业83.15%的收入,其中业务收入占比最大的云链、云艺公司近3年收入增长明显,这两个客户的应收款周转率呈现稳定的上升曲线,且在2020年和2021年都达到了2以上,这表明,企业对于这两个大客户的回款工作十分重视,而且回款情况良好。是企业在近几年应收款周转率逐年提高的主要因素。 另外、企业在一供、科创以及云贴公司的周转率都非常高,远高出平均水平,说明这几个客户的回款情况良好,资金周转快,但是这几个公司业务占比较小,均为个位数占比,后期应该增加市场开发力度,让这些好的客户产生更多的收益,其中特别要注意一供公司的应收账款周转率呈现出明显的下降趋势,需要进一步考察客户回款情况劣化的原因。 同时我们也能发现,图表中指标飘红的科健公司、云合公司、云点公司和云光公司回款情况较差,其中科健公司10%的占了17%的应收款,云合公司3%的收入却占了12.6%的应收款,都明显偏高,而且近年来周转率指标呈现出恶化的趋势,这些客户不仅收入占比低,而且资金回流不顺畅,企业应该对该类客户的业务做好充足的风险控制,加大追款力度,对长期回款有问题的客户应酌情改变合作策略,从而降低风险。 3.企业分支机构维度分析 从企业各分支机构的业务来看,应收回款率高的是测试部、开发五部、开发七部、开发四部。尤其是测试部,收入占比8.68%,而应收占比仅为0.8%,回款速率非常快。另外,应收款占比高的管线部、安装部、开发八部、动力部、和集成部的应收账款周转率较差,低于平均水平。在所有部门中动力部和干线部的应收账款周转率呈现出下降趋势,需要关注部门的应收账款管理工作是否存在漏洞。 4.业务类型分析 从企业业务类型来看,占比达到三分之一的接入业务的周转率最高,达到了2.3以上,而测量、代维和租赁业务的周转率也都远高于平均水平,有些年份甚至出现了回款大于收入的情况。这些业务占比接近50%,是企业回款的主力业务。 而集成类业和线路类业务,分别以约占企业15%的收入却分别有占有约四分之一的企业应收款,这两类业务的周转率也都在1以下,有些年份甚至在0.5以下,需要重点关注,这些业务的回款改善是企业需要关注的重点。 5.企业应收账款回款时间和账龄分析      通过以上图标可以看出,企业应收款一次性全回款的比例在84%,也就是绝大部分发票都是一次完全回款。而两次回完的比例在5.61%,一次未回完的比例在5.58%,有3.03%是至今未回过款,超过两次以上的多次回款的占比不到1%。所以分析企业初次回款的时间历时有着重要的意义。通过折线图来看,近3年的初次回款平均天数是61.2天,且数据在2021年下降到45.69天,也是就除了零回款的发票,平均一个半月即可实现初次回款。从全部汇完款的发票来看,整体回完款的平均时间是89.71天。也就是平均3个月企业能够收回应收款。  从不同客户来看,初次回款时间云艺、云链一直比较好,而其他客户也都呈现出逐渐变好的趋势,尤其是2021年,除了云合以外绝大多数客户都指标飘绿,表现出较好的回款态势。但是一供公司虽然领先于其他客户,然而近两年的首次回款平均时间变化趋势却是逐年在增加,结合上面的周转率指标,可以看出,一供公司的回款速度在变慢。 从以上部门维度看,初次回款平均时间,大部分部门在2021年均有向好的变化趋势,虽然开发一部、开发八部等业务量占比较大的部门仍然处在警戒值以上,但也相较于前两年实现了较大的改善。安装部和管线部虽然历史遗留应收款占比较大,但是2021年新开票的首次回款时间得到了大幅的改善。集成部也在2021年实现了业务量剧增的情况下,还能保持较低的应收余额。但是也要看到,开发三部、六部和测试部的趋势是向差的方向发展的。需要重点关注。 从业务变化来看,整体的回款时间在2021年均有所改善,装配和集成类业务的首次回款时间改善最为明显。线路和接入业务的平均水平相比较于其他业务还是首次回款时间偏长。       从以上对比饼图也可以看出,企业在一个月和两个月内回款的比例近三年来占比逐年增加,说明企业的短期回款能力在增强。 从以上应收款单位时间内回款金额和应收款余额分布图来看,长期的应收款余额主要来自于2019年。2年以上应收款中,云艺、云链占比合计60%,云合、科健占比均接近17%,这是主要的来源。从业务上看,线路、装配接入和集成几乎各占1/4,从部门来看,管线部占比最大25%,安装部和动力部各占12%左右,其他部门均比较分散。 从收入回款折线图可以看出企业2020以前开票和回款绝大部分集中在四季度,但是在2021年,有所改善,在二三季度均有较平均的收入。  分析总结  企业应收款管理工作在2018、2019年出现了恶化,但是经过2020年的调整,企业的应收款总体情况趋于好转,总体的应收款周转率提高了50%以上,尤其是大客户的回款情况在逐渐变好,对公司整体的回款情况改善起到了重要作用。 但是也要看到,目前企业在不同的客户和业务类型上,应收款的变化趋势还是非常差异化的,客户方面科健公司、云合公司的收款情况糟糕,一供公司虽然目前回款形式良好,但是回款周期却在变长,均需要有所关注。 另外,在同样客户群的情况下,开发五部、开发七部、开发四部的周转率在企业内部遥遥领先,说明这些部门在工作中更好的对应收款进行了管理和清缴。应该让这些部门拿出他们的宝贵经验,提升相同客户群的整体回款效率。 另外,企业多年来开票和回款的峰值时间过于集中在年末四季度,这也造成企业周期性资金的紧张,2021年有所改善,回款情况也有向好的转变,因此建议企业能进一步把业务开票和回款工作提前,不要积压在年末,从而保证企业在全年各月的经营现金流的充沛。 最后,企业目前存在长期尤其是超2年的应收款比重大的问题,2年以上的应收占比超过50%,这部分企业的回款风险十分大,这其中线路、装配、接入和集成业务的占比最大,主要集中在2019年产生,企业需要重点关注这部分历史陈欠的清理。 通过对数据分析,正常回款的数据中80%能够在2个月内完成,而3个月实现全部回款的也在55%,因此,对于长期零回和超13个月尾款未回的项目,企业要加大跟进力度,这部分属于不正常的开票,要及时规避坏账风险。有必要要及时将该部分纳入部门的绩效考核,逐年冲减部门的利润,并对长期陈欠设置奖励机制,争取将平均应收款周转率提升到接近3左右的正常水平,实现企业的经营现金流改善。   公共链接:https://bisolutions.fanruan.com/webroot/decision/link/ak2K 最终效果      三、参赛总结   这次数据分析的经历是一次有益的尝试,也让我看到了利用FineBI工具实现企业数据价值释放的曙光,同时我也发现,数据分析的道路上真的是学无止境,只有不断钻研,不断实践,才能不断让自身的能力得到提升。另外,多参加有益的培训真的是提升能力、快速进步的法宝,从理论到实际的去武装自己,希望今后的工作中我能够利用FineBI创造更多的价值!
2022年BI学习总结
我是公司信息化部的负责人,之前一直使用帆软产品进行企业信息化的建设。近期由于数据分析的任务越来越多,因此有了使用BI分析数据的想法。 在帆软的官网上,找到了BI的说明,发现和我的工作可以完美的契合。为了能够更快的学会自主分析的软件和相关知识技能,我决定报帆软的培训班进行了相关的知识学习。 之前也参加过帆软的其他培训,但是没想到BI的培训节奏这么快,险些让我感觉自己是回到了高三,从上第一节课开始,可以说全程是在高压力的情况下进行着,初次接触软件本来没有什么信心,但是还要群内老师辛勤的帮助解答,答疑可老师耐心的讲解,同学们也都热心的互相帮助,这样才连滚带爬的把课程跟了下来,感谢Lynn老师、Suri班主任、和助教老师的付出,希望今后能有机会再听你们讲的进阶课程! 通过这个紧张而充实的学习过程,我学到了很多有用的理论知识和实践技能,包括对数据分析的新的理念和见解。我知道了原来还有那么多好用的分析模型可以使用,还有那么多有效的分析方法可以提高分析效率,知道了还有那么多我想不到的软件赋予数据的能量可被开发。我也认识到了数据分析的道路真的是没有止境,一山更比一山高,永远要保持一颗进取和探索的心。 作业是让我印像最为深刻的了,从最开始的绝望到后来的甚至有一些依依不舍,可以说作业是我FineBI学习效果提升的最有利武器,我也通过认真完成大量做作业的过程,把知识不知不觉的就巩固了,同时我也认识到,这种作业结合视频的培训方式的精髓:“重复和应用”,这就是软件技术培训的最厉害的法宝。这也让我有了再我今后的企业培训相关工作规划中有了一个启发。正直疫情期间,看来我可以借鉴这种培训方式,来改善我公司全国业务部门的技术和应用培训工作了。 通过培训,完全超出了我最初的学习的目标,我从一个想卷着袖卷看热闹的一个想了解以下BI软件能干啥的角色,活生生把自己便成了一个执着的BI数据分析爱好者!让我的数据分析工作思路进一步被打开了,就像武侠片里打开了任督二脉那样的让人功力大增的感觉。我也十分你有信心拿下接下来的FCBP的考试,以此为这次培训做一个完美的收官。 在做作业的过程中,我通过对2015年福布斯富豪数据的分析过了一把分析师的瘾。 在培训过程中,我也将分析应用到了工作中,结合企业当前发生的问题,利用七步分析法对问题进行了定位,通过BI对数据的多维度探索式分析,为业务部门找到了问题所在,并提出了自己的改进建议。具体如下:   通过这次成功的应用,这也让我在今后的工作中更加有信心,有了BI这样一个强大而高效秘密武器,我相信我会在未来的数据工作中永往之前,无往不利! 转眼间课程就到了尾声,忙碌的日子总是过得很快,此刻回头望向所有之前流过的汗水都有着微甜的回忆,看着一个又一个作业的成果输出都是满满的成就感。最后借用我们这个课程的寄语:知识就是财富,我要保持终身学习的心态,莫问前程,勇往直前! Schy 2022-03-29    
【数据运营官】一套数据运营官组合拳打通企业的现金流!
一套数据运营官组合拳打通企业的现金流! 企业痛点问题: 企业经营现金流出现紧张,严重阻碍的企业的生产经营和健康发展,企业也因为资金不足影响到了新市场和新项目的开发。 问题分析: 通过企业经营管理团队对现金流紧张问题的分析找出了以下几个关键原因: 随着系统集成类材料成本占比高的业务成为公司的主流业务,业务量增长达到了105%,占比全公司收入也由原来的不足15%达到了目前的接近三分之一,由于集成项目平均的项目成本支出节奏加快,支出强度提高,但集成业务的合同支付周期较传统项目更长,因为口头协议提前进场情况多,项目管理难度大,项目上马前风险评估不足,长时间不能开收入发票的零开票项目越来越多,但目前企业内部的项目管理手段仍停留在以前的传统业务模式,因此集成项目的管理水平落后是造成现金流紧张一个重要原因。 应收款管理工作没有得到足够的重视,因为公司考核以收入为依据,因此造成项目收入发票开据以后,生产单位没有人再去主动的追款,企业出现了大量的零回款开票,造成企业应收虚高,但实际回款情况很差,同时生产部门经常存在已回款不及时核销,这也进一步影响到财务应收数据和实际情况的偏离,造成数据失真。因此应收款管理能力的薄弱是造成现金流紧张的又一个重要原因。 随着物资采购逐步增多,采购成本较去年也是翻倍的增长,但目前各生产部门都有物资采购后长期闲置在库房的情况,而同样的物资其他部门采购是发起新的采购申请,这又又浪费了公司的现金流,不能有效的盘活企业的库存,另外,由于之前经验的欠缺,经销商的账期一直没有作为关键因素放在采购的评比依据中,没有账期或较短的账期也给企业现金流带来了不该有的压力。因此物资采购管理的不足也是造成现金流紧张的重要原因之一。 在找到问题的原因后,企业经营管理团队制定了改善相关管理的工作目标和工作计划。以加强薄弱环节的管理和重点目标的监控,以改善企业现金流情况, 1、目标引导:企业把现金流经营考核指标加入到生产单位的年度经营指标中,引导全员关注现金流。 2、集成项目专人专管:企业新成立了系统集成管理部,提升相关项目的风险管理、合同管理、进度管理水平,从收入源头改善现金流。 3、物资采购策略转变:企业物资管理部出台了闲置物资的管理办法,并提高了供应商账期的采购评分占比,从成本支出过程改善现金流。 4、企业财务对回款核销、零回款、月度回款计划制定了管理办法,以改善现应收款管理。从收官阶段改善现金流。 基于目前的企业管理,以上的所有工作的落实都要依托有效的信息化手段进行监督和执行,因此信息化部被要求配合集成管理部、物资采购部、财务部、工程部等相关机关部门完成改进工作的具体落实。 需求分析: 针对经营管理团队布置的任务,面对新部门、新制度、新流程、新考核目标,信息化部基于数据运营官的思维理念,制订出了工作目标的落实计划,并通过了领导班子的认可,并最终付诸实施。 首先,这次的工作任务涉及的公司内部制度流程变化众多,牵扯面广,因此,在信息化部建议下,由公司一把手牵头组建了流程优化小组,主管信息化的副总作为小组常务负责人,主持日常工作。小组成员包括机关重要部门的负责人,信息化部的负责人和业务部门的干部代表。这个小组承担起了企业内部的数据运营角色,负责把需求、规划、实施的全流程打通,保障项目的平稳顺利进行。 小组针对本次优化的内容进行了充分的需求调研,利用头脑风暴和ICE排序法找出了最为关键的亟需落实的需求。 序号 信息化管理系统需求 影响范围 自信程度 难易度 总分 优先级 1 系统集成项目立项评审 4 5 5 14 1 2 系统集成类项目口头协议转正监督 5 4 4 13 2 3 系统集成项目开票进度监督 4 4 4 12 3 4 财务回款池核销监督 3 4 5 12 4 5 物资采购系统闲置物资盘活上架 4 3 4 11 5 6 物资采购管理账期优先执行监督 4 4 3 11 6 7 应收款回款计划信息填报和监督 3 4 3 10 7 8 财务应收款零回款监督 3 3 4 10 8 9 物资管理和系统集成管理台账的物资结算 3 2 2 7 9 10 台账系统中集成项目的管理台账成本利润管理 2 2 2 6 10 11 集成项目分包审计系统中的过程现场审计 2 2 1 5 11 12 财务实时现金流统计 2 1 1 4 12 指标梳理: 通过鱼翅图的分析,将现金流指标分解到多个管理过程中。包括工程项目管理、物资采购管理和应收款管理等三个大的因素。 然后对各类主要管理过程的关键指标进行了梳理,最终确认了8个关键的指标。 需求和指标分析脑图: 方案实施: 实施重点: 基层:实现系统基础数据录入,提供报表查询。 中层:把关注的指标制作成报表,提供仪表盘和必要的驾驶舱供信息查询和管理辅助。 高层:把重点指标反映在驾驶舱中,重点关注预警指标和计划执行情况。 根据目前系统的数据架构情况,制定了相关数据的获取源。并进行了具体指标的分解。 可视化展示: 包括应收款管理大屏、集成项目管理仪大屏和物资采购仪表盘。 通过指标的展示和预警,达到关注重点问题,解决疑难问题的情况。 应收款管理大屏: 系统集成项目管理展示大屏:   物资采购简道云仪表盘: 应用总结: 通过优化项目的实施,通过全员对现金流的重视,通过有效的数据搜集,流程管理,报表展示和指标监控等管理措施的实施,企业的经营现金流得到了显著的改善,平均回款时间得到了显著的降低,从数据分析来看,主要客户的回款周期在应用系统后的几个月内降幅达到了38%,缩短了近40天,而现金流曲线也可看出明显的止跌回涨,一季度内的净值也得到了接近10%的增加,可以说达到了管理的预期的目的。 进一步优化: 下一步,由于目前的应用中,应收款回款计划和实际偏差仍然较大,还要进一步优化数据录入的准确性和合理性,考虑加入基层部门对数据录入质量的考核,并在录入环节增加基层部门领导对数据初审,从而保障计划回款质量,进而在驾驶舱提供对企业现金流的更准确预测。为决策提供依据。 另外,针对集成项目的管理,还需要进一步细化,不仅要关注项目的情况,也要关注对集成类客户的管理,相比较传统业务,集成类客户不仅数量众多而且情况复杂,对客户进行指标评级,通过筛选客户,从而达到进一步遏制回款风险的目地。 同时,采购方面还要在施工劳务上进行控制,提高背靠背付款比率,增加质量保证金付款的审计力度,减少劳务垫付成本的压力,采用劳务采购短名单的招标管理方式,培养有实力的合作伙伴,形成更全面的项目成本控制体系,以进一步优化企业的现金流情况。 写在最后: 时间过得真快,不知不觉间数据运营官的课程就到了结业的时候。也是时候把这一阶段的学习经历进行总结,以便更好的为下一步理论联系实际做准备。 首先我要说说对这个数据运营官课程的评价和感受: 帆软数据运营官的学习过程是一个能够让数据人从理论到实践都得到提高的过程, 是一个能够给诸多工作中的困扰找到解决方案的过程, 是一个让之前凌乱懵懂的思路变得清晰的过程, 更是一个不可多得的与志同道合的伙伴们碰撞思维火花共同进步的过程。 通过这个课程,让我从根本上改变了很多... 思维、理念、工具、方法、案例、实践,这些课程给予我的都将成为我今后的工作中的有力武器。 接下来就是说一说今后的数据工作怎么开展了: 今后,我要把课程学到的知识深入的应用于实际工作中,把目前企业信息化工作中欠缺的短板补足。 首先要把一直没有得到重视的信息化需求管理工作做扎实,要转变整个信息化部门目前的凌乱无序开发现状,要用产品化思维去实现信息化需求全生命周期的管理, 其次、要结合课程教授的信息化工作相关沟通和汇报技巧去打动高层领导,从而争取更多的支持和资源倾斜,从而让信息化建设更加卓有成效,也能够为企业的数字化转型顺利的实施打好基础。 最后、我还要真正承担起企业的数据运营者角色,把需求到实施有效的衔接起来,推动企业信息化应用形成一个良性的循环,成为一个不断进化和优化的充满活力的推动企业进步和创新的引擎。
【2021年终故事会】小跬弥精,大道至简, 丹心予志,青云不变!
【简道云·最美仪表盘评选活动】工程局疫情防控统计分析平台
选手介绍 企业名称:沈阳电信工程局 企业简介:沈阳电信工程局成立于1951年,是国家建设部审定的通信工程施工总承包壹级企业。在几十年的发展历程中,沈阳电信工程局施工足迹遍及全国,为国家电信事业做出了巨大的贡献。企业先后被国务院发展研究中心、建设部、国家统计局评为“中国500家最佳经济效益建筑企业”、“辽宁省建筑业综合经济实力40强安装企业”,多次被工商总局命名为全国“守合同,重信用”单位,2009-2013年连续被评为“铁西区纳税30强企业”、“铁西区纳税50强企业”。沈阳电信工程局具备领先的技术、专业的设备,专注于为客户提供优质、高效的通信设备安装/调测,通信线路/光缆施工,通信管道施工,通信铁塔施工,信息系统集成,建筑智能化施工,通信网络优化/维护等全方位的通信服务。 选手介绍:沈阳电信工程局 信息化部主任 ,主要负责企业信息化建设及维护 设计思路: 2020年伴随着疫情开始又伴随着疫情结束,尤其是辽宁近期沈阳大连的疫情有抬头趋势,都让我们疫情防控工作不能有丝毫懈怠,随着疫情期间施工的风险增大,企业迫切的需要统计每天每人的健康状态,了解施工区域内的人员分布和疫情防控动态,因此信息化部利用简道云平台搭建的供企业中高层管理人员查看和分析数据的疫情防控信息统计平台,一方面利用简道云表单搜集员工的健康信息和实时位置信息,另外通过点选项目信息实现项目施工的及时报备,另一方面.利用简道云强大的仪表盘功能,实时的展示整体的数据情况,还可以通过下钻地图了解区域内的人员分布情况,以便及时根据疫情防控的最新情况对施工生产作出有效的调整.降低全局人员的安全风险. 仪表盘采用深色布局,按照全国和辽宁省的地图进行人员分布的展示.另外通过将重点症状和隔离人员的数量显示在地图上并用热区颜色进行区分,体现出重点需要关注的区域.通过地图下钻可以精确的了解到具体的人员分布情况.正中间展示的已感染人数,采用聚焦的方式引起人们的注意. 我局使用简道云已经有五年多的时间了.每次简道云功能的升级都让我感觉到凡软公司不断进取的决心,尤其是最近的这次仪表盘的重大更新,更是诚意满满,让数据的可视化上升到了一个新的高度.使我们能更加灵活的将数据的价值呈现出来.希望简道云继续努力,不断突破技术的极限,给我们广大用户带来更多的惊喜. 仪表盘截图: http://bbs.fanruan.com/source/plugin/votes/function/editor/attached/image/20210107/20210107152643_16254.png
个人成就
内容被浏览50,083
加入社区6年157天
返回顶部