作品标题：某地产公司经营数据全景驾驶舱 行业分类：地产建筑 业务分类：营销管理、成本管理、货值管理 参与赛道：非企业赛道   【选手介绍】 团队名称：OK.Fine 成员介绍：       PC（队内业务大佬）：本人就职于某中型房地产企业，从事运营管理工作。工作中接触数据的机会较多，也看到了当前数据管理方面的痛点和难点，希望能帮助公司实现更高效的数据管理。相对来说前端的技术是本人所不擅长的，希望借这次比赛的机会进行一些实践，为日后的工作打下基础。       球爷（队内SQL专家）：跨界小能手，在商业地产、电子商务、交通物流、金融及医疗行业有过工作经验，熟练掌握各种PC设备的开关机操作，精通各类数据库的删除动作。       君君（前、后端通吃的业务骨干）：就职于某地产控股集团总部数字化发展中心，负责过集团货值系统、销售系统等模块的搭建工作，BI初学者。       某不愿透露姓名的小鲸鱼（可视化小能手）：就职于国内某头部商业智能和数据分析企业，在数据分析领域摸爬滚打多年，数据、前端、后端都懂亿点。       包工头老宋（被队员们带飞的队长）：就职于某国企地产公司，从事房地产开发运营管理工作（俗称“表哥”），希望通过此次比赛学习更多数据可视化和数据分析的知识，为业务赋能。   【参赛目的】       队员们在工作业务场景中都或多或少接触过一些BI应用，为了能够更好地学习数据分析和可视化的相关知识，大家一拍即合，硬着头皮参加了这次的比赛，希望能够更加深入地了解FineBI这款产品，充分探索其功能和应用场景，以便更好地向同事们炫耀。   【作品介绍】 业务背景       地产行业在经历了粗犷扩张的“黄金”时代之后，早已步入利润率跳水、资金紧缩的“黑铁”时代。在供给侧，集中供地的竞争壁垒叠加“三道红线”的融资压力，导致房企们的可研测算慎之又慎，出手谨小慎微；在需求端，“房住不炒”的大环境与世界局势动荡、全球经济下行的共同冲击，导致购买力及信心不足，市场存量高企，甚至陷入价格战的恶性竞争。       现阶段下，房企们更加注重盘清自身家底，更加倾向于采取对标制造业的全生命周期精细化管理模式，这对公司内部经营数据收集及分析模式提出了全新的要求——从全生命周期货值管理支撑拿地决策、到过程中的全成本管理、再到前端营销管理，都需要更加敏捷、高效、准确。   需求痛点       房企在从传统地产开发管理模式向数字化、精益化的大运营管理模式转变过程中，存在着一个痛苦地转型过程，主要体现在四个层面：       1）数据层面，传统房企往往未对数据进行统筹梳理，数据量庞杂、历史项目数据残缺、主数据不统一，数据难以统筹利用；       2）工具层面，传统的管理模式依靠线下手工报表展示经营数据，弊端有三：一是时间跨度相对较长，不利于实时数据的查看，二是根据管理需求手工编制的报表，费时费力，三是报告内容和格式固化，若管理层需要从其他维度了解数据，则必须额外进行数据收集、加工及展示，不够灵活；       3）业务层面，各业务条线信息割裂、业务数据口径不一致，难以互通，因而难以产生更多价值；       4）决策层面，由于数据的滞后性、展示维度的局限性等，决策信息来源受限，从而无法洞悉市场风向，作出及时调整，导致无法得出及时、准确的决策，无法把握转瞬即逝的机遇。   数据来源及处理方式       房源信息的原始数据来源于真实房源数据，主要包括面积、价格、计划及现金流等方面的指标。考虑到传统的脱敏手段可能造成数据失真，进而导致分析结果的偏差，故而采用了重新生成房源数据的脱敏方式。具体来说，保留了项目层面的部分基础信息，基于套数、面积这两个指标，以地产设计领域的“强排”逻辑重新计算楼栋及房源的数量和分布，并运用地产营销领域常用的定价策略对每套房源赋予价格，最终生成接近实际情况并且完成脱敏的房源信息表。       成本数据同样采用了基于各地市场单方指标及多家房企当地项目成本历史数据、提炼费用占比之后加以重构的方式进行数据脱敏。同时，为打破各业务条线数据壁垒，此次分析编制了定制的数据字典，对主数据进行了统一，确保项目开发前中后端数据能够打通，实现数据价值叠加。   分析思路       此次房企经营驾驶舱的搭建，主要基于项目开发全生命周期的前中后端主要模块进行展示——营销的页面主要侧重展示营销方面的核心指标。横向即业务维度上，主要包括“认”（认购）“签”（签约）“回”（回款）三个方面，纵向即逻辑维度上，主要从“整体”“时间分布”“空间分布”“业态分布”这四个方面展开：初始页面展示集团层面，通过筛选框可选择区域层面的二级页面。通过矩阵式的看板结构，直观且简洁地呈现整个公司各层面、各维度的销售状况，方便管理层快速准确地发现问题。同时，营销页面中添加了数据挖掘的模块，依托随机森林算法，后台挖掘对房源去化起到关键作用的特征，并以雷达图的形式展现，供管理层决策参考；成本分析看板主要展示项目开发过程中的资金使用情况，通过占比分析、帕累托分析以及波士顿矩阵分析定位关键项目，并通过支出计划表、区域分析及时预警资金峰值，提前完成资金划拨分配，减少项目现金流风险；货值管理看板主要展示项目全生命周期货值情况，从“储”（土地储备）“建”（在建工程）“供”（货值供应）“销”（销售去化）四个维度对公司货值进行全景动态监控，为公司后续投资拿地、开发节奏把控以及年度考核指标下达提供决策依据。   【可视化报告】       结合上述分析框架，我们将经营数据管控分为了前端营销数据挖掘、中端成本数据分析以及后端全周期货值监控三个部分，对应三个板块的BI展示和分析，形成贯穿项目全生命周期的经营数据监控及健康诊断。       1）前端-营销       在营销管控分析看板，我们从核心指标、目标达成情况、地域分布、榜单排名、影响因子、趋势分析和热点分析七大维度，从集团-区域-项目三个层级逐级穿透，对公司的“认”“签”“回”情况进行了全方位展示和分析。       核心指标主要选取与公司经营业绩直接挂钩且决策层高度关注的去化面积、去化周期、签约/回款面积以及回款周期数据进行直接展示，同时通过完成情况的比对，可以直观查看各区域业绩指标完成情况，为年度考核提供依据；针对去化周期和完成率，在各区域和项目公司之间横向对比，结合行业平均去化周期的数据，也可以反映市场以及项目团队操盘能力的好坏。       业绩分布情况主要从签约面积、签约金额、回款金额三个维度，通过热点地图、复合环形图以及项目排行榜途径，对去化情况进行动态展示，并通过时间维度的数据走势和热力分布图对成交情况的热度进行可视化监控，成交趋势和热点地图可以直观反映出公司促销、渠道等营销活动的市场反馈，便于评估活动效果。       对不同产品业态去化率的分析，可以反映市场对于该产品的接受度，公司可依据此结论动态调整不同区域间的产品配比，从而更好地迎合市场需求；去化因素的权重分析主要通过机器学习算法对去化房源的各项参数进行分析，并找出对去化率影响权重最大的各项因素（相关代码定期在本地运行，结果自动上传至数据库），为决策者和操盘团队在后续操盘过程中提供参考，以便找寻去化效率最高的产品配置。       具体来说，通过截取2021年全年的数据并形成看板，可以直观地得出以下结论（模拟公司决策层的视角）：       ①总体来看，集团全年签约指标完成率为95.5%，未达预期；回款完成率104%，超预期完成；两项关键KPI基本完成，可见指标的设置是符合实际、有一定参考价值的；区域层面，珠三角区域两项均超额完成，可见该区域仍具备较高的投资价值；长三角区域在签约完成率未达预期的情况下，回款超额完成，可见该区域在资金回笼效率方面有一定保证；华北区域在签约和回款指标上均有10%以内差距，可见当地市场情况仍符合预期，销售策略方面可能需要调整；中西部区域在签约完成率仅66%的情况下，回款指标仍超额完成，很明显当地市场在2021年经历了下行通道，且年度回款指标的设置不够合理；西北区域为较晚布局的区域，签约回款完成率均在六成左右，可见市场并没有预期中活跃，后续应持观望态度，谨慎投资拿地；       ②时间方面，集团在2021年的平均去化周期为43天，平均回款周期为60天，即从开盘到全款到账，大致周期在100天左右，这样的表现在行业内属于中等的水平，集团要从提高去化速度、加速在途资金回笼这两方面做出提升；区域层面，华北区域、长三角区域的此项指标远低于集团平均水平，此二区域在去化效率上亟需做出提升，集团战略部门应针对区域去化效率低下的主要原因进行专项研判；销售面积方面，全年除3月外，其余月份单月销售面积均超过10万方，7月表现最佳，超过15万方；签约金额方面，集团在四季度表现较佳，单月签约超过50亿元；回款方面，在4月和12月达到较大值；各季度销售表现相对平均，现金流健康；       ③空间方面，集团销售呈现东强西弱的格局——珠三角区域为大本营，销售业绩表现占到集团的48%左右；长三角区域、华北区域为两大粮仓，业绩表现合计占到集团的47%左右。中西部区域和西北区域为新布局的区域，目前在建未达售的货值比例较多，投资回收尚需时日；       ④业态方面，集团整体来看除叠拼外其余业态产品的去化率均在85%以上，考虑到叠拼产品总价高，去化难度相对较高，似乎并无去化难度较高的产品类型；而结合空间维度综合来看——珠三角区域、华北区域、中西部区域各类型产品去化率均在八成以上，当地市场对各类产品均无明显排斥；长三角区域叠拼和洋房产品的去化率相对较低，这与市场预期不符，战略部门应进一步专题研究其原因；西北区域小高层产品去化率低于六成，市场接受度不及中高层和高层产品，可能与小高层产品总价相对较高有关，后续再设计产品或许应注意此方面的问题。       ⑤去化影响因素方面，从全集团来看，楼层的权重较大，即相比其他因素，楼层越佳的房源去化速度越快，营销在后续楼盘的定价策略方面可以考虑提高核心楼层的溢价系数；从区域来看，珠三角区域和西北区域的最大影响因素为楼层，同集团一致；而在长三角区域和中西部区域，总价的影响权重最大，这意味着后续定价时营销应尝试对总价段进行更精细化的划分，尽可能提高去化效率；在华北区域，产品类型是最大的影响因素，考虑到该区域市场购买力相对稳定，后续操盘项目应格外注重研判产品配比，以匹配当地最受客户欢迎的产品类型。       2）中端-成本       在中端的成本管理分析看板，我们通过指标及偏差率展示、区域及占比分析、帕累托分析、矩阵分析以及支出计划展示实现全成本实时监控和管理。       通过目标成本和动态成本的比对，可以实时监控项目成本超支情况并做出预警（如当前看板指针已经趋近红色警戒），对于超目标成本的区域给予相应的措施和手段进行管控；区域和占比分析可以直观反映各区域、城市的成本支出比重、以及成本中各项费用的开支情况，便于决策层把控重点区域以及重要费用科目；帕累托分析可以将管理目光进一步聚焦，使得平台职能部门了解并更多关注主要城市的项目投入情况，结合矩阵分析对于高投出、高产出项目的定位分析，可以更好地开展巡视巡查、把控关键项目、确保公司成本管理安全健康。       此外，我们增加了对于支出计划的全周期展示，基于历史数据的各项费用占比对未来支出进行了动态预测，对于可能到来的资金峰值，通过调配资金、调整开发周期以减缓投入、加快项目去化回款等方式减少其对现金流带来的冲击和压力。这也有助于在当前“三道红线”监管之下，决策层及财会部门对现金流进行有效的实时监控和动态预警。       3）后端-货值       货值管理是对前端营销去化、中端在建工程以及后端土地拓展提供决策支撑和资源保障的关键管控动作，通过对“产-供”“供-销”“销-存”“产-投”等相关指标的动态对比监控，可以减轻公司资金压力、保障公司开发节奏和现金流健康平稳，赋能公司战略发展。       我们的货值看板主要从关键阶段指标、全量/存量展示、细分维度展示以及健康指标体检四个维度对公司货值进行全景监控分析。关键阶段指标结合了各项目当前所在阶段和里程碑阶段，展示了“储”“建”“供”“销”四阶的货值数据，可以得出以下结论：一是当前阶段全集团土储资源较为欠缺，未来规模化发展可能存在发力不足；二是当前项目取证推盘情况较为良好，不存在供货延误的情况；三是当前全集团供货严重不足，预计无法支撑年度业绩目标达成，且主要集中在珠三角区域，市场风险较大，需进一步加快开发供货节奏，确保更多供货。 作品链接       1）营销管控分析看板： https://bisolutions.fanruan.com/webroot/decision/link/LakJ       2）成本管理分析看板： https://bisolutions.fanruan.com/webroot/decision/link/SFqm       3）全生命周期货值管理看板： https://bisolutions.fanruan.com/webroot/decision/link/th4k   【参赛总结】 对FineBI       在FineBI产品的使用过程中，我们团队认为，相较于传统可视化工具及部分竞品，FineBI主要具有两大优势：       1）完善的生态圈和产品服务体验——无论是比赛的组织、咨询答疑还是社区的讨论交流，都可以看到帆软为打造的BI数据分析生态圈所做出的努力和积极探索，以及其所提供的优秀的产品服务体验，这能够更好地促使BI初学者、爱好者以及资深专家之间交流和共同进步，为业务赋能的同时能够迭代激发更多灵感、产生更多具有实战价值的分析工具和方法论，形成良性循环；       2）可灵活复用的分析模板以及易于上手的操作界面——整个产品都是基于零代码的“拖拉拽”处理，无需复杂的SQL操作，所见即所得，开发部署一张报表耗时极少，业务人员也能快速上手，便于随时随地进行报表制作和分析。   对业务场景       此次数据分析我们团队基于现实业务管控场景的痛点，通过重构数据脱敏的方式形成了相关分析成果，过程中我们团队总结出了对于业务开展十分关键的几项工作：       1）数据治理和数据指标体系搭建——实际生产过程中产生的庞大数据，往往存在各式各样的问题，无法直接加以应用；而各部门信息孤岛、缺乏交圈，更加导致了数据口径无法统一、难以关联分析应用的现实情况存在。只有重视数据治理工作、构建一套完整、统一且适用的数据指标体系，才能让各条线各部门都能够享受数据治理带来的成果，体会数据关联应用的便捷。这条道路虽然痛苦，但却是一个必经的过程；       2）需求分析和数据驱动——人的精力有限，若业务人员将大量精力耗费在数据收集、处理和展示工作上，势必会降低其对数据赋能的价值和动力；若决策人员将精力耗费在一些简单、常规的经验判断和评估上，则无法对问题进行深层次的思考和洞察。因此，现实当中我们不能为了数字化而数字化，为了几张酷炫而无法产生实际价值的报表带来更多更繁杂的工作，实则较低了效益。数字化的目的之一，就是取代机械化的简单劳动和常规化的判断评估，只有明确需求、借助数字化解放生产力，才能让业务人员更好赋能数据、产生价值。