Tomas是一家大型连锁超市的总经理，早上7点40分，他收到一条推送消息
来自公司数据中心，是上月的经营分析月报
他发现近期总体经营状况不佳，8月毛利飘红，3季度存在达标风险
他随即圈出异常值，并分享到管理群组
敦促运营总监Jack找到异常原因，及时调整运营策略
Jack打开FineReport经营分析的管理月报
他发现8月总毛利环比下降，但是销售额却是环比增长的，问题可能出现在成本控制方面
于是Jack找到运营部的数据分析师Rebecca，希望她能够充分考虑门店、商品等情况，利用FineBI的自助多维分析，找出影响毛利的原因
接到任务后，Rebecca首先检查了Sipder引擎的运转状态，并查看权限内的业务数据包，确保数据更新到最新状态
然后使用自助数据集将门店、商品、库存等相关数据表建立关联
并进行自助数据清洗，为即将进行的分析做好数据准备
一切就绪，Rebecca首先将门店分布地图与门店毛利率进行联动展示
通过省域到城市的逐层钻取
她发现湖南省-长沙市-梅溪湖店的毛利率出现明显异常
问题出在哪里呢？
进一步探索，她分别从品类和商品角度，以销量和毛利率作为指标参考制作气泡图
通过预设的警戒线，他发现该店的零食类-巧克力远超出预警值，呈现高销售负毛利率的情况
通过对异常订单的进一步排查，原来8月17日七夕节当天，巧克力出现大量异常销售
疑似内部员工空买空卖，集中使用优惠券套取利益，需交由审计部跟踪追查
那么如何预防此类问题再次出现呢？
Rebecca与Jack考虑将以上分析过程常规化，以门店-品类-商品为监测维度，通过销量与毛利率预警线的设置，建立异常销售预警模型，及时监控高销售低毛利的情况
这个异常解决了，接下来需要再排查是否还有其他成本问题。通过品类/损耗成本的对比分析，她发现生鲜类损耗成本8月出现明显上升
需要进一步找出原因，于是Rebecca将生鲜品类的进货量和销量数据进行对比分析
发现8月该品类进货量偏多加上天气炎热，以至库存损耗严重，需要更加精准地进行每天进货量和销量的预测匹配
那有什么建议呢？
Rebecca拉出了历史销量数据，采用时序预测功能
做出了未来一段时间内不同生鲜商品进货量的调整建议，以降低该品类的损耗成本
随后她将完整的毛利异常分析报告在FineBI决策系统内分享给Jack和Tomas
作为下一步的运营调整建议
按此执行的第二个月，毛利率便出现显著提升
这就是帆软产品带来的高效易用的数据分析体验
从FineReport固定式管理报表到FineBI探索式分析的快速响应 让数据之光点亮企业的每个角落
附：FineBI学习计划表
| 
