【2021夏季挑战赛】XX航司“劳动节”前后市场形态浅析

楼主
我是社区第741619位番薯,欢迎点我头像关注我哦~
1、选手简介

1.1.选手介绍

团队名称:超清新!

团队组成:
  • 超超:颜值与脑力担当,数据分析业务岗位,有数据分析业务经验,提供分析思路与宝贵的分析建议;
  • 清清:队长,任数据分析岗位,有数据分析实战经验,本次负责数据清洗和可视化呈现;
  • 新新:美貌与智慧并存,任数据分析板块负责人,业务熟练,逻辑清晰,属于核心成员。

1.2.参赛初衷

受制于分析工具匮乏,业务在数据可视化、报表定制化方面一直处于瓶颈状态,急于寻找成熟的可视化BI工具,实现业务增长,帮助业务人员从常规的、繁琐的、重复性的业务中得到解脱。借以帆软BI大赛,加深对于FineBI工具的了解和掌握程度,以便于结合实际业务,切实解决业务痛点。

2.场景介绍

2.1.业务背景介绍&数据来源

业务背景介绍:XX航司是民航业的一家民营航空公司,自负盈亏。“五一劳动节”作为营销节点,是一个出行旺季,特别是在后疫情时代,“五一”所蕴含的巨大商业机会,深受瞩目。
为此,现通过FineBI对“五一劳动节”前后的市场形态的变化进行总结分析。

数据来源:XX航司线上销售数据。

2.2.分析思路


综合实际业务,根据分析目的,选择SWOT模型思路进行分析,由外到内、由整体到局部的分析思路。
A. 核心销售概览展示:销售额、出票量、平均票价的情况。
B. 活动前后的数据对比情况:分渠道、分航线、分产品销售对比。
C. 指标细分分析:渠道稳定性销售分析、航班票价销售分析、用户购票行为分析。

2.3.数据整理
对原始数据进行数据清洗及数据处理,共分为去除异常数据、数据脱敏、数据规约三个步骤。

2.3.1 去除异常数据
在该部分,将原始数据中存在的重复数据、异常数据进行删除,而后为了压缩数据量,取全量数据的一定百分比作为大赛最终初始数据来源。



2.3.2 数据脱敏
将用户姓名进行批量处理,只取姓名中的一个字作为用户姓名;用户年龄、用户性别均根据证件号进行判断;支付渠道、订单来源出于数据保护角度进行批量替换。



2.3.3 数据规约
原始数据导入FineBI自助数据集后,创建自助数据包,对部分字段进行识别处理。
对字段进行新增:提前购票天数、改期距离起飞天数、退票距离起飞天数等字段,用以对用户行为进行进一步判定。此外,更改个别字段的字段类型,实现文本与数值型数据的相互转化。



2.3.4 数据关联合并
将原始订单数据事实表,与机场三字码、性别维度表,进行关联,得到自助数据集的整合。





2.4分析报告








2.5总结

作为可视化项目的首次尝试,集结团队智慧,将思路和想法进行实现,还是很有成就感的。特别是当业务发展到一定阶段,迫切需要一个新的出口解决当下面临的困境和问题。在新的探索过程中,面对新生事物的好奇心,和不断挑战、乐于学习的心态得到了进一步的激发,业务之余,增添了工作的乐趣。此外,在面对新出现的问题讨论中,大家各抒已见,摩擦和碰撞过程中,产生了新的思想火花。

如果要补充一点不足,那就是分析思路的局限和分析方法论尚需进一步沉淀。

未来发展路上,祝福大家都能不断有所收获,心之所想,行之所往!



分享扩散:

沙发
发表于 2021-7-19 17:13:00

思路好,作品赞~

好的地方:业务指标和分析思路可信度较高,看得出有实际业务的积累。对分析思路也有比较好的落实。
可优化的地方:数据可视化有进一步提升空间,可参考可视化帮助文档进行学习。https://help.fanruan.com/dvg/

挑出了可视化部分可以优化的地方,仅供参考,可以交流
1、销售额&退票金额,这样看不清楚,考虑用其他办法做更清晰的展示(组合图)
2、这个雷达图数值越小稳定性越高,感觉略有奇怪。同时不是很能看出来H渠道最好
3、用条形图是来做分析TOPN,可以排个序的,看起来会更一目了然
4、这个漏斗图没有展示各阶段是什么。可以用标签标上去。另外结论中的“退单3413,占比15%”也没有在图表中体现

编辑于 2021-7-22 11:16
板凳
发表于 2022-10-9 14:02:49
谢谢提供分析思路~受教
地板
发表于 2022-12-11 18:05:12
从数据分析角度讲,根据成员描述可以得到结论:清清队长颜值不行。
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表