|
一、 选手简介
1、选手介绍
团队名称：智慧城建
队长介绍：目前就职于广州城建职业学院，去年因指导学生参加广东省智慧零售运营与管理学生职业技能大赛接触到FineBI。 个人对数据高效处理、数据分析方面比较感兴趣，在团队中担当数据分析师一职。
成员介绍：
- Silver：团队队长，对高效处理数据有着浓厚的兴趣，勇于学习新知识，主要负责分析数据，处理数据，仪表盘制作。
- 热爱篮球： 团队的导演，眼光毒辣，主要负责提供思路及找茬。
- 痞老板：省赛参赛学生，颜值担当且积极向上，对数据分析全面到位，主要提供思路，挑选最优图表及全程找茬。
- 微光：省赛参赛学生，眼光独到，很有求胜心，主要负责排版美化。
2、参赛初衷
与帆软缘于“第一届广东省智慧零售运营与管理学生职业技能大赛”，但今年“第二届广东省智慧零售运营与管理学生职业技能大赛”，在赛前三天因突发疫情被迫按下了暂停键。为了不松懈，也为了检验我们的集训成果，更是为了我们的团队磨合，我们参加了帆软今年的“夏挑”。真正的目的在于通过参加比赛更好的提高我们团队的数据分析的敏锐性，真正的享受团队协作的过程，享受我们在一起的时光。
二、作品介绍
1、业务背景
职业教育的目的是培养应用型人才和具有一定文化水平和专业知识技能的社会主义劳动者，社会主义建设者，与普通教育和成人教育相比较，职业教育侧重于实践技能和实际工作能力的培养。
广东省大学生职业技能大赛（高职组）已经举办多年，办赛的目的在于以赛促学，以学促践，赛学结合，共同提交高职院校的办学质量和参赛水平。
2、任务目标
通过分析近三年广东省大学生职业技能大赛（高职组）各院校各赛项的获奖情况，分析得出不同办学性质院校不同赛项的获奖分析报告，分析各院校的强弱所在，并促使进一步深化各院校相关专业建设、课程改革和培养模式创新，真正实现“以赛促教、以赛促学、以赛促改”的目的，提高学生整体的实践技能水平。
在教育教学质量的提升下，学生专业技能水平自然就提升，学校的整体软硬实力也会得到大大的提升，同时也会大大提高学校的招生数量和质量，实现双赢。 另外从报考考生角度来看，该数据报告也可以给报考考生提供了一定的参考依据。
3、数据来源
数据来源于企业数据；主要使用了广东省教育厅发布的近三年的“广东省职业院校学生专业技能大赛（高职组）获奖信息表”的数据，该数据为广东省教育厅公开数据，故不需要做脱敏处理。下载三年的数据，并通过整理整合统一字段，添加“获奖年度字段”“各院校所在地级市字段”、“各院校办学性质字段”，最后汇总成一份EXCEL表作为主要的数据源。
4、分析思路
围绕分析主题，主要分析思路如下： - 考虑数据有时间跨度，需要分析三年的整体数据及每一年的数据，所以添加了复合过滤组件。
- 主要考虑从赛项、获奖学校、奖项三个分析方向进行分析。
- 首先要做整体的KPI指标卡，通过KPI指标卡可以看出整体的赛项变化、获奖院校变化、奖项变化，分析近三年的办赛规模、覆盖专业、覆盖院校的变化。
- 其次，通过获奖学校地图分析、各地区获奖赛项分析，可以分析广东省各个市区的高职院校的参赛水平。
- 通过对各院校的办学性质分析、公办/民办获奖院校的获奖占比分析及各奖项获奖数量分析，可以更好的反应和分析出不同办学性质的学校之间的参赛水平的差别。
- 通过近三年及不同年度各奖项前十排名的分析，可以更好的体现各院校的参赛综合实力及投入的变化，同时给报考考生选学校选专业提供一定的参考数据。
- 最后通过各院校获奖奖项分析各院校整体的获奖范围、获奖变化，通过各院校获奖赛项分析各院校整体的赛项获奖变化及参赛指导老师和学生的变化，为各院校进一步更有优化院校参赛规划方案提供参考。
5、数据处理
可视化分析之前我进行了下列数据处理：
1）、直接从广东省教育厅下载的数据是不一样的，所以对三年的获奖数据进行统一处理，其中“2018-2019年度广东省职业院校学生专业技能大赛（高职组）获奖信息表”通过拆分“赛项名称”及“分赛项名称”拆分单元格的方式，并使用“ctrl+E”的方式快速填充整理。
2）、需要删除赛项编号这一列数据，该数据仅作为当年的一个赛项随机编号，不具有分析参考价值，另新增列“年度”， 并将三份表格的数据统一汇总到Excel工作表中。
3）、新建“院校信息表”，将获奖院校全部复制到一个空白工作簿中，并对复制过去的数据进行“删除重复项”处理，最后留下唯一的高职院校名称，添加两列数据，分别是“办学性质”、“所属地区”。并通过数据参考及网络搜索的方式确定各院校的办学性质及所属地区，由于没有准确的参考数据，且人工收集填充数据的原因，该部分数据可能存在不完全准确的可能性，请谅解。
4）、通过“vlookup”使用“院校信息表”作为源数据进行匹配，给“获奖汇总表”新增“办学性质”及“所属地区”两列。如下： 6、可视化报告
1) 添加年度复合过滤组件，主要是用于过滤获奖年度，通过三年整体数据分析及单独年份数据分析，可以分析整体的数据变动。
2) 整体分析：主要包括KPI指标卡及各奖项获奖比例分析。通过整体分析可以分析出各赛项、获奖学校、奖项的整体数量、覆盖面、比例的变化。 整体KPI指标卡的制作，KPI指标卡可以显著的反应赛项、学校、奖项的整体数据。各数据主要是通过COUNTD_AGG、COUNT_AGG函数来实现。 各奖项获奖占比的分析
3) 通过获奖地区分布、地区获奖详情两个组件，可以显著的分析出广东省各个市区的高职院校的参赛水平。具体操作如下：
分区柱形图，主要是通过地区、奖项、获奖统计组成。
获奖地区主要集中在广州市，占比46%-51%之间，获奖学校主要集中在广州市，每年占比都是在46%以上，其次是佛山市、深圳市、中山市、江门市；获奖院校主要集中在一线二线城市，从整体宏观角度、资源合理利用等角度分析，可以考虑地方资源、教育资源的合理调配，可以在二线、三线城市设办校区，同时可以带动其他城市高校周边经济发展。 也可以联动单独分析某一个市区的院校获奖情况。
4) 通过结合奖项数量、比例等分析各获奖院校的办学性质分析，公办院校的学生专业技能比赛获奖比例明显偏高于民办院校，一等奖主要集中在公办院校。
5) 通过各奖项排名前十院校分析、院校奖项分析、院校赛项分析，不仅可以给报考考生选学校选专业时提供一定的参考作用，还可以分析各院校获奖奖项数量、范围、历年获奖变化，通过获奖详情可以分析整体的赛项获奖变化及参赛指导老师和学生的变化，为各院校进一步更有优化院校参赛规划方案提供参考。主要通过柱形图、气泡图、分组表的组件进行联动展示。
6）总体结论： - 赛项数量、参赛队伍、获奖数量在逐年递增；
- 整体各赛项获奖比例范围稳定（依据比赛文件）：一等奖15%、二等奖25%、三等奖40%；
- 主要获奖地区集中在广州市；获奖院校集中在公办院校；
- 一等奖的获奖院校集中在公办院校，民办院校的获奖比重集中在三等奖；
- 深圳职业技术学院的学生专业技能竞赛获奖率比较高，近三年保持总获奖量及一等奖获奖量稳居第一，说明该院校的竞赛投入各方面都比较高，特别体现在该校学生综合素质、该校竞赛/教学软硬件配置、该校重视程度等方面；其次是广东科学技术职业学院、深圳信息职业技术学院、广州番禺职业技术学院等公办院校；前十没有出现民办院校，说明民办院校在学生专业技能竞赛方面比较薄弱，有待提高。
- 民办院校中，广州城建职业学院的一等奖、二等奖获奖稳居第一，反应了该校在民办院校中的综合实力比较靠前、院校在参赛组织方面投入比较大，广东科贸职业学院、广州科技贸易职业学院获奖排名也相对靠前。
- 通过以上数据分析，建议公办院校、民办院校应根据各自办学特色合理规划年度参赛计划，并有针对性的投入到擅长的赛项中，合理选拔指导老师及参赛学生，加大投入力度。因为赛项及院校较多，故在作品介绍中没有具体的针对院校进行分析，可通过有目的性的点击相应院校进行联动展示和具体分析。通过组件联动可以具体分析具体地区获奖院校、具体院校获奖奖项/赛项，从而有的放矢的分析地区及院校获奖情况，为地区、院校的参赛规划提供指导参考。
7、最终结果呈现的页面布局
视频介绍： 三、参赛总结
1、FineBI工具 - FineBI工具值得点赞的除了软件平台的公益性之外，教学视频也在逐渐增加，而且技术支持很给力，给工作人员们点赞。
- FineBI工具实现了很多数据的动态有效展现，超喜欢这个功能的。
- 大数据时代，这个数据的处理和展示显得特别的刚需，感谢与帆软相遇，感谢帆软的支持。
- 但是在使用过程中还有些地方希望帆软改进的，主要就是文本组件的文本格式调整有些麻烦，如果可以增加对齐方式的调整会更好。
2、参赛总结 感谢帆软给予的平台，让我们的团队更加的团结和默契，也提升了我们的操作技能，让我们对大数据可视化有了更大的兴趣，产生更大的冲劲，希望后期不止为了比赛而学，更希望可以应用到我们以后的学习和工作中。再次感谢我们团队的小伙伴们，从数据选择、布局构思、数据处理、仪表板制作、作品介绍等方面通过不断的找茬、讨论与调整，让我们的作品得到了更好的优化，让我们都得到了更好的成长。
编辑于 2021-7-2 13:16
| 
