|
一、选手简介
1、选手介绍
- 团队名称：刮风吃土队
- 队长介绍：帆软社区用户金针菇，目前就职于建筑装饰行业，个人感兴趣的方向和领域-数据可视化分析。
- 成员介绍：
帆软社区用户名：工地民工，是一名土木相关行业在校学生，未来想从事与地产建筑业相关的数据分析工作。在了解到此次FineBI大赛后，我便积极入群发布了组队信息，也如愿找到了一位优秀的队友，组成了“刮风吃土队”。
2、参赛初衷
- 利用帆软社区的资源系统学习数据分析和数据可视化相关知识；
- 深入了解地产建筑行业的一个子行业，从多角度洞察行业发展现状及未来趋势，与队友讨论后选择建筑装饰行业；
- 希望通过参加比赛熟悉FineBI基本操作，掌握一门数据可视化的工具；
- 当然最终目的是希望能得奖，获得一份荣誉和认可。
二、作品介绍
1、业务背景
-
- 建筑装饰业是指为使建筑物、构筑物内、外空间达到一定的环境质量要求，使用装饰装修材料，对建筑物、构筑物外表和内部进行修饰处理的工程建筑活动。建筑装饰集产品、技术、艺术、劳务工程于一体，比传统的建筑业更注重艺术效果和环境效果，具有适用性、舒适性、艺术性、多样性、可变性和重复更新性等特点。
- 后疫情时代，伴随我国经济的快速增长,城镇化进程加快,我国房地产、建筑业持续增长,建筑装饰行业显现出了巨大的发展潜力。目前，建筑装饰行业已经从属于建筑业的小行业,发展为涵盖公共建筑装饰行业，家庭装饰行业，主要为住宅装饰和建筑幕墙行业的成熟产业。建筑装饰行业目前已经成为建筑业中的三大支柱性产业之一，占据了非常重要的位置。
- 全国的各行各业都受到了疫情大大小小的影响，建筑装饰行业也不例外。本次数据从宏观经济入手，分析建筑行业、装饰行业的发展趋势；以一家建筑装饰公司为例，用近三年的业务数据分析在疫情影响下城市及省份的业务发展情况与RFM价值分析；以南京公开标市场为数据参考，分析公司南京市场的各业态类型项目发展情况；通过南京公开标市场的特殊类型项目分析推断未来发展方向，最后为建筑装饰行业发展提出合理化建议。
2、数据来源
本小组在【2022帆软BI数据分析大赛】中主要用到了两个方面的数据，第一部分是宏观经济、建筑业、建筑装饰行业相关数据，数据来源于国家统计局官网面板数据：国家数据 (stats.gov.cn)和苏州金螳螂建筑装饰股份有限公司2020年财报数据：金螳螂：2020年年度报告 (cfi.cn)，按照“中国-长江三角洲-苏州市”的下钻逻辑进行相关数据的收集；第二部分是苏州市某建筑装饰公司业务数据分析，数据来源于该公司某前辈友情提供的企业基础业务表（已做脱敏处理）及利用python爬取的南京市建筑装饰行业公开标数据，其中包括业务范围、项目类型、投标金额、投标日期等相关数据信息。
以上两部分数据的部分信息如下图所示：
国家统计局官网面板数据
苏州金螳螂建筑装饰股份有限公司2020年财报数据
企业基础业务表
南京市建筑装饰行业公开标数据
3、分析思路
由于本次大赛所选题目需要的数据种类较多，数据量也比较庞大，因此小组成员集思广益，首先对所收集的数据进行了初步整理和分析，分析步骤与结果如下图所示：
一、分析思考过程
如【数据来源】部分所述，本次大赛的数据主要分为两个部分，第一部分是宏观经济、建筑业、建筑装饰行业相关数据，第二部分是苏州市某建筑装饰公司业务数据及南京市建筑装饰行业公开标数据。
我们首先对宏观数据进行了分类，包括全国性指标和地区性指标，其中地区性指标又细分为了长江三角洲地区与苏州市，以COVID-19爆发的2019年为基准时间节点，利用上述宏观数据分析疫情对中国建筑装饰行业的影响。在这一部分主要通过柱状图、条形图、矩形树图等方式体现数据本身的价值。
其次，我们利用该公司基础业务表，从时间和区域的维度宏观把握公司的业务发展概况与业务发展布局，同时，我们学习并参考了FineBI帮助文档中的RFM分析 - FineBI帮助文档 (fanruan.com)，对该公司的业务城市及省份进行了价值分析，并针对不同特征的城市及省份提出了相应的营销策略和发展方向；之后，我们根据企业基础业务表在excel中进行简单的数据透视的操作，结果发现在2019年至2026年间，江苏省的预计投标总额排名第一，而南京市作为江苏省省会城市，其预计投标总额在城市维度也遥遥领先，因此我们决定在对公司整体业务情况进行分析总结后，再利用python爬取的南京市建筑装饰行业公开标数据对该公司的业务情况进行对比分析，以寻找未来发展的机会点。
详细思维导图如下所示：
二、数据可视化落地方案
俗话说：“纸上得来终觉浅，绝知此事要躬行”，小组成员在系统学习FineBI帮助文档中的如何选择正确的图表 - FineBI帮助文档 (fanruan.com)后，实践性地对所选数据进行了初步的数据可视化构想，并形成了以下表格：
|
数据类别
|
数据处理方式
|
目的及用途
|
组件设计
|
|
一、宏观数据
|
|
1.1 全国性数据
|
|
中国建筑企业建筑装饰产值
|
数值及增长率
|
反映建筑装饰行业总体趋势——长期趋势
|
柱状图+折线图
|
|
装饰行业产值
|
数值
|
描述层次结构数据的占比关系——装饰、建筑、安装、其他
|
矩形树图；并且和江苏省数据做下钻分析
|
|
房地产指标（施工面积、竣工面积、房屋价值、造价）
|
数值及增长率
|
反映房地产行业的趋势
|
多系列柱状图/对比柱状图
|
|
建筑及装潢材料类批发市场成交额
|
数值及增长率
|
反映市场规模
|
柱状图＋折线图
|
|
建筑及装潢材料类商品零售类值
|
与上面数据选一个即可
|
|
建材市场数量
|
数值
|
反映供应端的情况
|
分区折线图/柱形图
|
|
装饰材料市场数量
|
|
1.2 江苏省数据
|
|
装饰行业产值
|
数值
|
描述层次结构数据的占比关系
|
矩形树图
|
|
国有及国有控股建筑业企业建筑业总产值
|
用建筑业总产值反推出【非国有】总产值
|
与第二部分的民营vs国有的对比做铺垫
|
多系列百分比堆积条形图
|
|
苏州金螳螂建筑装饰股份有限公司2020年年度报告
|
|
主要会计数据和财务指标
|
只需要【营业收入】的数据
|
反映企业18-20年的收入情况
|
KPI指标卡
|
|
2020年分季度主要财务指标
|
只需要【营业收入】的数据
|
做2020年的下钻分析（如果需要18-19的季度数据也可以再添加）
|
分区折线图
|
|
营业收入构成
|
数值与占比
|
反映企业分行业、分地区、分产品的占比情况——企业性质
|
聚合气泡图
|
|
营业成本构成
|
只有建筑装饰业的数值
|
与上面的值相减计算出建筑装饰行业得利润
|
瀑布图
|
|
主要销售客户和主要供货商情况
|
占比
|
反映占比
|
KPI指标卡
|
|
二、某公司具体业务数据及南京市公开标数据
|
|
19年-22年4月整体产值
——已中标项目
|
各地区占总体（中标+未中标）占比；各地区各项目类型的预计投标额
|
展示整体情况；反映地区、业主性质、项目类型及投标额的相关关系
|
地图；多维度散点图
|
|
19-22年产值top五地区
|
同比、疫情前中后
|
已有信息+未来趋势
|
折线图
|
|
南京市分析
|
各个类型的占比
|
分析热点地区有哪些、原因、从下面三个维度着手
|
堆叠柱状图
|
|
投标方式（公开标、议标）
|
柱状图/饼图
|
|
业主性质（民营、国企）
|
柱状图/饼图
|
|
特殊类型（EPC、城市更新）
|
文字描述
|
|
业务类型（公共空间、办公、酒店等）
|
单个类型占总业务类型比例；可以和其他指标结合起来，比如和地区结合，可反映各地区的需求情况
|
看大致类别，判断哪些是发展大头
|
旭日图/堆叠柱状图/散点图
|
|
业务类型-细分
|
细分的类型占单个类型的比例；可以和总的项目类型做下钻分析
|
看行业细化，每个类别中的热门；反映每个细分类别在总类别的比例
|
/堆叠柱状图旭日图；矩形树图
|
虽然后续在FineBI中实际操作时会因为灵感的迸发或者“误触”一些按钮，使得最终的仪表板呈现没有完全遵循上表内容，但这样的头脑风暴和方案落地对于小组后续在软件中的实操有极高的参考价值。
4、数据处理
一、Excel预处理
首先按照思维导图中的框架对数据进行分类整理并重命名。
对于国家统计局官网的面板数据和和苏州金螳螂建筑装饰股份有限公司2020年财报数据，由于导入FineBI中的表格不能出现标题、首行不能有合并单元格的操作，而上述表格的原始文件有相应的数据库名称、数据来源等字段，且原始表格为二维表格式，不便于导入FineBI中进行数据分析，因此首先对这部分数据进行① 数据清洗；② 转换为一维表的两步操作，以“全国-最近6个季度-装饰装修产值累计值”文件为例，进行如下图所示操作：
1、删除无关标题及不需要的指标
2、利用Excel内置的查询编辑器将二维表转换为一维表
对于某建筑装饰公司业务数据和南京市建筑装饰行业公开标数据，上述两者已经是较清晰的一维表格式，可直接导入FineBI中使用。
二、数据导入
三、创建自助数据集
由于本小组作品涉及的数据类型较多、数据量也比较庞大，现仅对“全国性数据”和“RFM分析-城市层级”自助数据集进行说明。
选择“房地产指标-全国”表格，点击“创建自助数据集”，勾选全部字段：界面如下图所示：
添加“左右合并”的操作，选择“装饰材料市场数量-全国”表格，以“年份”为合并依据进行左合并，如下图所示：
同理，再次添加“左右合并”的操作，选择“建材与建筑装潢类批发市场成交额-全国”表格，以“年份”为合并依据再次进行左合并，最终结果如下图所示：
首先选择“业务基础表”，点击“创建自助数据集”，并勾选“市”、“预计投标价”、“预计投标日期”字段。
以“市”为分类字段，分类汇总“预计投标价”、“预计投标日期”、“市（记录个数）”。
进行相应的字段格式设置。
以“最晚一次投标距今天月份数”新增列为例，点击“时间差”，用预计投标日期减去当前时间，并以月为单位，反应投标单位对公司的未来业务情况。
新增列，将“最晚一次投标距今月份数”进行“平均”的汇总处理以反映公司业务在城市维度上最晚一次投标距今月份数的平均情况。
新增列，如果某城市的“最晚一次投标距今月份数”大于“平均最晚一次投标距今月份数”，则说明该城市的未来业务较有发展前景，赋值为“1”，反之为“0”。
使用 CONCATENATE() 函数将 RFM 向量化值拼接起来，以反映城市维度下三个向量化指标的情况。
根据向量化组合至判定城市类型，并进行分组处理，至此RFM分析的数据准备结束。
5、可视化报告
一、总体排版布局及组件样式设置：
小组成员在讨论商量后决定采用深色主题作为本次比赛的仪表板基本色调，在经历“个人调整——互评互改——会议商量”的流程后最终决定。
采取符合人眼阅读习惯的“之”字形结构，首先将报告的研究范围及结论摘要放在了标题之下，使得评委老师和其他用户能快速抓住本仪表板报告的主要框架和内容；采用总分的结构，依次对第一部分、第二部分进行了布局，并利用分割条对各部分和各模块进行了分割，以实现结构清晰、内容明了的阅读体验。
各部分内部的组件基本以“横向”为业务模块，并将图表组件放置在左侧，将文字说明组件放置在右侧，以起到引领读者一起思考后得出结论的作用。
小组成员对组件的字体、字号、色系、边框、缩进等格式都进行了详细的讨论，结果如下：
图表组件：字体采用“优设标题黑”；标题字号为18号，坐标轴字号为14号，标签字号为14号，若出现不协调情况时可适当修改；色系采用深色背景下的系统配色，如“未来”、“夜光”等；数据型组件采用数据大屏样式边框，说明型组件采用科幻大屏样式边框。
文字组件：一级标题采用庞门正道标题体22号字体，其说明文字采用庞门正道标题体16号字体；二级标题采用庞门正道标题体20号字体，其说明文字采用庞门正道标题体16号字体；说明性文字采用默认字体，说明性标题采用16字号，其余文字采用14字号，缩进值为4个空格。
二、组件含义及结论：
本部分按照组件或组件模块为单位，从数据含义、关键指标、结论总结等方面进行描述撰写。
第一部分：宏观背景分析
按照【中国-长江三角洲-苏州市】的下钻逻辑对疫情影响下中国建筑装饰行业进行宏观分析。
本组件以年份为维度，以中国建筑企业建筑装饰年度产值为指标，采用柱状图+折线图的组合图形式，并增加增速0.00%的警戒线，可以反映不同年份建筑装饰行业的发展，可以看出年度产值以COVID-19爆发的2019年为分界线，在疫情前保持上升趋势；受疫情影响，年度产值呈现下降趋势，但随着国民经济复苏，年度产值恢复至上升趋势，说明中国建筑装饰业在后疫情时代的发展稳中有升。
本组件采用多维度柱状图+折线图的组合图方式，通过对比和趋势反映市场概况。市场数量可以反映市场所在行业的规模，而全国建材市场与装饰材料市场的数量随着时间推移一直呈现下降趋势，仿佛没有收到疫情影响，但其实不然，虽然市场在紧缩，但与建筑装饰年度产值对照来看，可以发现建筑装饰市场呈现集中趋势，即数量少而体量大，这便正是受到了疫情的影响，小型企业相继倒闭，大型企业顺势并购的表现。
本组件采用多系列条形图形式，以年份为纵轴、面积为横轴，通过施工面积和竣工面积的数值体现及数值对比，可以看出从2017年至2021年，全国房地产开发企业施工房屋面积逐年上升，呈现欣欣向荣的趋势，而房地产企业竣工房屋面积受2019年疫情爆发的影响出现了短暂的下降，但已恢复至上升趋势。由此可以得出结论：房地产作为GDP重要支柱，其外在的量化指标受疫情影响较小，但是深入分析可知，受疫情影响，经济下行，房地产施工如火如荼地进行而竣工面积增速较缓，随之而来的便是房地产存量越来越多，使得供需失去平衡，这样对作为建筑业下游的建筑装饰行业也有较大影响。
本组件以最近六个季度为指标对建筑工程产值、安装工程产值及其他产值进行分类，并用矩形树图的可视化形式展示，可以看出，在后疫情时代，全国装饰装修产值与其他产值一同保持稳步上涨，总体呈现向好趋势。
本组件利用分省季度数据，以长江三角洲的三个省市为维度，以2021年四个季度的建筑业产值为例进行下钻分析，并形成柱形图，可以看出在后疫情时代的2021年，江苏省累计总产值位居长江三角洲地区第一，并且从第一季度至第四季度呈现稳步上升趋势；从建筑业产业结构分析，建筑工程产值作为建筑业的主要支撑始终占据榜首，而装饰装修产值也稳步发展，地区建筑业发展趋势一片向好。
 
本组件数据来源于苏州金螳螂建筑装饰股份有限公司2020年财报数据，该公司作为中国建筑装饰百强企业第一名，其年度财报数据可以反映全国及地区建筑装饰业发展情况，该组件采用Tab组件，将KPI指标卡、柱形图+折线图的组合图、饼图、矩形树图、分区柱形图等形式进行组合，不仅可以集中反映对该公司的年报数据概况，也能从多维度、多方面、多形式对其进行数据分析。可以看出，该公司2018年至2020年营业收入总体呈现上升趋势，在疫情影响下，2020年增速放缓；作为业界知名企业，苏州金螳螂建筑装饰股份有限公司省内、省外业务并重，主营建筑装饰业，涉足装饰、幕墙、设计等多领域，供销关系也呈现良性发展。作为龙头企业，其建筑装饰业务蓬勃发展。
第二部分：公司业务分析
根据公司【基础业务表】及地区建筑装饰公共交易平台【公开标数据】进行公司业务分析
该模块利用RFM分析模型对公司业务基础表进行城市维度的分析，包括城市价值分类的条形图、城市价值类型的占比以及RFM明细表。RFM模型可以衡量城市的价值和创利能力，并针对不同的城市类型进行相应的营销策略分析，其中R代表最晚一次预计投标日期，其向量化后可反映城市距今最晚的一次预计投标日期的间隔水平，考察城市或省份预计投标的长期性；F代表最近一段时间内预计投标次数，其向量化后可反映城市在限定的期间内预计投标的次数水平，考察城市或省份的忠诚度；M代表最近一段时间内预计投标价，其向量化后可反映城市的预计投标能力，通常以城市或省份单次的平均预计投标价作为衡量指标。
从城市维度来看，数量排名前三的城市类型依次为：一般挽留城市、一般发展城市和重要挽留城市，可以说明公司业务的集中性和规模性有限，但仍有发展潜力。对于一般挽留城市，应适时适当地面对该城市的投标商提供优惠和便捷的投标环境，以增强其投标意愿；对于一般发展城市，应利用推广、营销等手段将产品或服务信息传达至该城市的投标商，在增加其客户黏性的同时增加其预计投标金额；对于重要挽留城市，应采取更优惠的价格，并提供更优质的产品及服务，以免其流失。
小组在“城市及地区RFM明细表”中增加了时间筛选列表，并与上图中三个组件进行了链接处理，即可以通过年份下拉按钮选择需要查看的年份的RFM分析情况，以反映不同年份的城市业务布局与城市价值，有针对性地指定销售推广等手段。
省份维度的RFM分析思路和步骤与城市维度的相似，小组用地图组件表示出公司在全国的业态布局及相应省份的价值分类，在此基础上以投标次数为横轴，以合计预计投标价为纵轴创建散点图组件，同时赋予“散点大小-预计投标日期远近”的正向关系，分析各地区投标商投标能力与投标流失情况，其中：江苏省投标次数遥遥领先，但总计预计投标价却位于中下水平，应通过精准营销等手段刺激当地供应商投标大型建筑装饰工程；四川省、浙江省、广东省的投标次数排名靠前，且总计预计投标价位于中等水平，应重点关注上述省份；海南省投标次数较少，总计预计投标价也偏低，但最晚一次预投标距今时间较长，说明该省份的客户在未来与公司有长期合作意向，也应给予重点关注。
各市场类型的堆叠柱状图直观展示了总包占据南京房建类公开标市场的大部分容量，逐渐成为市场大趋势，装饰单独招标市场可能会被进一步压缩。18年-20年南京房建类公开标市场持续增长，并于2019年突破千亿市场的新局面，尤其总承包项目增长明显，总包项目接近94%的市场份额；而装饰单独招标的公开项目较少，平均每年40亿左右，甚至出现负增长现象；21年统计时间为1-9月的公开标市场量，虽然只有前三季度数据，但也已超过2018年的市场容量。
本组件以展示季度数据为主，将多系列折线图和散点图结合，直观地展示了南京公开标市场每个季度的项目总量、装饰类每个季度的项目量分布。每年第一季度、第四季度都是市场的活跃期，2021年第一季度达到南京近四年来建筑市场的最高点，但也出现了昙花一现的现象，3月后的市场容量急剧下降，第三季度达到四年来的最低潮。
通过南京市装饰业态类型分布图可以看出，18年-20年南京公开市场住宅、教育及医疗养老等民生版块增速显著，政府加大了对民生的关注与投入。
结合21年前三季度的数据来看，受疫情和整体经济下滑双重影响，公开市场中办公、酒店、剧院场馆项目逐渐减少。
以词云的形式，根据累计业务量的金额大小进行分布，展现业务承接近三年公司在南京市场的以办公空间、商品住宅、五星、非五星酒店为主进行项目。从饼图可以看出各项项目类型的占比，19年-21年间，办公类项目呈上升趋势，住宅类项目占比持续下降。21年地产市场从下半年开始，中国对房地产市场调控不断收紧，“三道红线”资产负债要求相关机制陆续出台，从资金到土地供给展开了全面调控。公司也跟随“三道红线”政策，加强内部项目承接审核管理力度，减少资金链不良客户的建筑装饰项目承接。
本组件展示了EPC项目与所在市场容量的对比，2018-2021年9月， 南京市场5千万以上房建类总承包公开标中标合计：3400 亿，923个，其中：EPC 项目：1474 亿(327个)。
南京总承包公开市场， EPC 项目市场份额在2020年同比大幅增长，占比达40%，21年公司承接EPC 项目环比增长350%，工程总承包逐渐成为市场大趋势。
展望2022年，随着疫情逐渐得到控制，宏观政策更加灵活精准，中国经济将继续复苏，复苏动能也将逐步由外需拉动向更多内需驱动转换。
短期来看，消费复苏的节奏依然会受到疫情防控政策的影响；中长期来看，中国城镇化率的进 一步提高、共同富裕政策的推进、以及养老医保等社会福利的普及，将对我国消费增长提供支撑，使其成为未来中国经济增长的主要动力。
通过公司目前已有数据预测，22、23年的业务出现萎缩，咨询营销人员得到业务萎缩的主要原因：
1、22年国内疫情明显反弹，对传统行业冲击巨大，一方面多地政府精力主要集中在疫情防控上，基建项目审批、立项、招标流程放缓；另一方面在物流受阻，各类建材、设备进场时间延后，施工人员减少，施工节奏整体放慢。
2、地产正处于下行趋势，“房住不炒”的基调没有改变，国际形势紧张，国家层面“稳”发展，疫情对于财政收入有一定的消极影响， 万科郁亮预判到2022年房地产进入“黑铁时代”，从恒大暴雷到南通南通六建破产，一定程度上也折射出行业现状，这种步履蹒跚的现像可能会越来越多。
3、项目虽多但很多资金不能到位，对于某些资金链不好的客户，公司已列入黑名单，营销人员可以承接的客户日益减少，僧多粥少，竞争更剧烈。
4、市场项目类型大幅倾斜于高单价项目，传统的大型项目竞争力度较以往更大，承接的考虑因素受到劳动人力资源的减少、原物料涨价、甲方的财务支付能力等影响。
6、结论建议
1、面对疫情影响，公司需要在管理上做出优化，以去年的管理思路来应对目前的情况是不行的，要把控好人员成本与现金流，在这场持久战中“活下来”。
2、发挥企业的专业化优势，打造“品牌效应”，秉承以质量求生存的理念，抓住优质客户，带来持续的业务。
3、顺应国家政策，推行建筑市场服务一体化（EPC）建设、城市更新发展趋势，把握机会，做好装配式施工的准备。
4、建筑业需要融入互联网思维方式来进行，未来的建筑不再是所谓的水泥、钢筋、砖等的组合，应该是“活”的、可以持续的，推广BIM技术的发展，利用科技进行材料选择与算量，实现利益最大化。
（3）最终结果呈现的页面布局
三、参赛总结
1、FineBI工具
通过参加此次帆软BI数据分析大赛，我们小组收获颇丰。其实我们小组的其中一位成员在之前已经接触过帆软公司的FineReport软件，但与FineReport相比，FineBI操作更加友好便捷，不仅开发了在线编辑自主数据集的功能，更是提供了大量的内置素材供用户使用，可以最大程度地满足用户的可视化需求，真正做到为数据可视化赋能。其次，我们真正看到了帆软作为专注商业智能和数据分析领域的平台为用户构建的产品体系，小组成员由衷欣赏帆软公司的生态建设，从FineReport到FineBI，再到简道云等产品， 从FineBI基础培训社群到2022帆软BI数据分析大赛交流群，再到帆软社区浩如烟海的学习资料，为数据分析爱好者和从业者提供了一个不二之选。我们还特别喜欢FineBI小助手这个“万能通”，在我们遇到困难时，只需要输入问题便可以得到清晰明确的解答，我相信这也是FineBI广受数据分析新手喜爱的原因之一。
再谈到数据分析的价值，我们认为在数据量越来越大，越来越多元的时代，数据内容的噪声使人们在数据世界中倍感枯燥繁琐，理解成本较高，而数据分析即从海量数据中提取出有用知识，而数据可视化则将数据用图表化的形式转化成使人快速理解的知识，可以说，数据可视化是数据挖掘和数据分析及数据预测的基础，这也是未来我们能和FineBI一起做的事情。
2、参赛总结
很幸运在微信群中认识了和土木工程是“隔壁专业”的队友，两个人一拍即合成为一组共同参加比赛。从决定参赛到作品提交一共历时20天整，在准备比赛的时间里我们小组收获颇丰：
- 在软件使用上，实现了7天学会FineBI。在比赛前期，FineBI基础培训打卡营给我们很大帮助，通过视频的培训方式对一个板块进行分布讲解，“短而精”的视频展现方式让我们很容易就上手。
- 相比传统手工的Excel表操作，FineBI最大的有点就是便捷性，对于各类数据的汇总、筛选以及自助数据集的同类别合并功能，提升了近50%的工作效率。
- 在作品的创作过程中，从选题-确定方向-数据收集-数据处理-FineBI图表制作-界面优化，两个人经历了多次推敲，也对建筑装饰行业有了更深层次的理解。
- 在可视化界面中，我们做到了用图表展示问题，用图表更直观地暴露问题背后的原因，帮助公司更直观的判断各地市场业务的发展情况健康与否，从而创造更大的价值。
仪表板公共链接：https://bisolutions.fanruan.com/webroot/decision/link/02WL | 
