一、背景说明 数据可视化开发过程中，为了确保展示形式的多样化及可理解性，各类图表的使用是必不可少的。而在进行图表的配置时，标签和提示是两个很重要的配置项目。进行标签和提示配置时，第一步就是内容配置。而图表的标签&提示的内容配置，有三种方法，分别是【如下图】：①通用：通过勾选参数显示该参数对应的数据，可以多选；参数后的「格式」可以设置显示数据的格式。②富文本：点击「富文本编辑」进入富文本编辑器，可添加字段为标签，或手动编写文本内容为标签；文本样式、颜色等均在富文本编辑器中编辑。富文本的详细配置参考文档【富文本自定义标签或提示】③自定义：通过写 JavaScript 代码自定义标签文本内容和样式，若代码中包含 HTML 语句，需选中「使用html解析文本内容」。 说明：各类图表以及提示和标签的上述配置整体框架和设置方法互通，但是具体设置细节不尽相同，详细以官方文档为准。   二、三种方法差异对比 归纳一下，三种方法差异主要有以下7个方面，如图所示：   对表中各个差异项目进行对比和分析总结，我们不难得出结论： 进行提示&标签配置时，需要依据实际使用场景进行判断，优先使用【通用】设置；通用设置无法满足的使用【富文本】设置；通用和富文本设置都无法满足的，最终考虑使用【自定义】的JS或者html编辑设置。   三、具体场景设置举例 上面我们对三种设置方法的配置方法和相互差异有基本的了解，下面我们以提示举例，用具体场景案例进行进一步说明： 1.通用配置 ①需求：对条形图增加提示，展示对应的分类、系列和数值 ②判断：因为提示配置中，分类、系列和数值是图表数据，支持常规配置，直接用通用配置即可 ③配置：提示中选择通用，配置对应属性即可 ④效果： 2.富文本配置 ①需求：在上面需求的基础上，增加两个要求，一将系列的圆点改为和图例一样的方形，同时数值增加单位【次】 ②判断：因为通用配置不支持配置样式和单位，故此处需要用富文本配置 ③配置：提示中选择富文本，配置对应属性即可 ④效果： 3.自定义配置 ①需求：在富文本配置的基础上，需要将条形图分系列堆积展示，提示的样式不变 ②判断：因为富文本配置不支持多维度系列的数据配置，故此处只能用自定义配置 ③配置：提示中选择自定义，写对应的js配置对应属性即可，更多自定义js代码参考文档【自定义提示点样式】【自定义提示为图片】等等 ④效果：     基于以上，我们对图表标签&提示内容配置之三种方法有了更加深入的了解，进而方便我们面对对应需求时，进行需求的快速实现和配置。   最后，文档为个人总结，部分内容不完善、错误或者有遗漏的地方欢迎各位老师补充~~

一.销售部门具体是干什么的？ 无论公司处于什么行业，销售部门都是一个至关重要的部门。 在企业经营链路【原材料采购》生产制造》产品/服务开发》市场营销》销售》售后服务】中，销售部门就是负责销售和业务拓展的关键部门。 企业的持续经营的源头【现金流】就是由销售活动产生。而确保这个销售活动顺利进行，销售部门就需要做以下几方面事情： ①市场调研与分析、反馈 销售部门需要进行市场调研，了解目标客户群体的需求、偏好、购买行为等信息，以及竞争对手的产品、价格、营销策略等。 同时销售部门是组织与市场之间的桥梁。他们需要及时将市场信息、客户需求、竞争对手动态等反馈给组织内部的相关部门，以便组织能够及时调整产品、价格、营销策略等，以更好地满足市场需求。 ②销售策略制定、执行与监控 基于市场调研的结果，销售部门负责制定销售策略，包括销售目标设定、销售渠道选择、价格策略、促销活动等。然后将对应销售策略进行执行，包括产品介绍、谈判签约、订单处理、物流配送等环节。同时，销售部门也需要对销售过程进行监控和评估，确保销售目标的达成，并及时调整销售策略以应对市场变化。 ③客户关系管理 建立和维护与客户的良好关系是销售部门的重要职责。这包括识别潜在客户、跟进销售线索、处理客户咨询和投诉、提供售后服务等。通过有效的客户关系管理，可以增强客户忠诚度，促进复购和口碑传播。 ④销售业绩评估与激励 销售部门需要定期评估销售业绩，包括销售额、销售渠道效率、客户满意度等指标。根据评估结果，对销售人员进行绩效考核和激励，以激发其工作积极性和创造力。      上图为常见销售部门组织架构图【各个企业的架构略有差异，但基本类似；包括按渠道拆分(线上线下)、按区域拆分等等】 二.销售部门的常见数据应用场景 下文主要针对数据应用端提供数展示解决方案【不分行业，具有通用性】，具体数据来源、业务系统和数仓建设方案暂不涉及 基于销售部门的定位，我们可以深入分析对应的数据分析场景，并利用FineReport提供对应的解决方案。具体如下： ①市场调研与分析 分析数据应用场景：用户目标画像、市场规模分析，行业竞品分析等等 数据应用场景举例： a.用户目标画像 分析模块：用户学历分析、用户消费水平区间范围、用户收入水平、用户性别占比、各省份区域目标用户人数、用户年龄分布等等 分析目的：对某一时间范围内，目标受众的数据进行分析，包括他们的特点、喜好、年龄、职业、消费水平、需求等等。进而更精准地定位本企业的产品和服务与目标用户的匹配度，提升企业的产品的竞争力。 b.市场规模分析 分析模块：行业竞品占比表、市场规模趋势【金额】，前三市占率百分数，各省份或者各区域市场规模分布，本企业相关数据分析等 分析目的：对企业对应所在的市场进行数据收集整理和分析。从各个视角去了解，当前市场规模状态，进而能够掌握行业整体发展趋势，方便企业的战略布局和资源投入情况，确保战略的准确性和有效性。 ②销售策略制定、执行与监控 分析数据应用场景：销售数据分析、产品销售分析、渠道分析、销售目标进度分析等等 数据应用场景举例： a.销售数据分析 分析模块：全年总销售额&销量、各个销售组织单元的销售数据、年度各月份销售数据及同比、发货明细单（跑马灯）、销售品类前十等等 分析目的：主要用于集团的销售数据管控，从全公司的视角总览  对某一时间范围内的销售数据进行总览，进而确保集团公司对整体销售的动态把控，实现数据的真实性和可靠性、可溯源性的目标。 b.销售目标进度分析 分析模块：总集团目标完成率、各个业务单元的目标完成情况、销售额&销售完成率前十、目标拆分的具体数值等等 分析目的：主要用于公司的年度销售目标的动态跟踪，细分到各个考核单元，进而持续跟踪并进行异常监控，确保销售策略的有效性和跟踪年度目标的完成情况和差距；从下至上，为全公司目标的实现，奠定基础。 c.产品销售分析 分析模块：各品类销售情况，新品销售情况分析，十大单品销售数据排名，单品销售异动分析，单品总览【单品数、销售总额】等等 分析目的：主要用于公司的产品管理和销售，动态了解公司各个单品销售情况。便于其实调整产品策略，帮助公司快速营造大单品，构建全方位的产品矩阵。同时，也能够了解新品的销售情况，进而调整销售策略等等 ③客户关系管理 分析数据应用场景：新开客户分析、活跃客户分析、客户排名分析、流失客户分析、客户投诉分析，客户咨询和投诉分析等 数据应用场景举例： a.客户分析 分析模块：客户明细，当前客户结构【大客户、中客户、小客户等】，前十客户客户回款情况，活跃客户分析【近60日或者100日进货客户（其余限制等）】，新增客户清单【历史未进货，现在有销售】等等 分析目的：主要用于公司的客户数据管理，动态了解公司的客户情况，包括历史客户的维系情况，当前的大客户情况和占比，新增客户趋势等等。便于公司调整客户维系策略，帮助公司快速做大做强，同时构建好的客户生态，确保公司的长足发展等等 b.客户服务分析 分析模块：客户问题关闭率，客户满意度调查、客户问题分布【产品问题、服务问题等】，各区域的客户问题排名，问题解决及时度等等 分析目的：主要用于公司的客户的售后及运维管理，销售额的基础是客户的消费，客户消费的回购率关键在于客户的满意度。基于此，构建客户服务分析，了解客户的服务质量，及时调整客户服务策略，提示客户满意度；同时也可以对客户流失提前预警，进行及时补救 c.客户流失分析 分析模块：客户流失总览（流失总数，流失率）、各结构的客户流失情况，重大客户的流失预警，月度流失客户数对比等等 分析目的：主要用于流失客户的管理，客户的流失，特别是重大客户的流失对企业的发展有着很大的影响。对客户的流失情况进行监控，可以从数据中发现现存管理或者企业运作中的问题，及时的调整进而促进企业的长足发展。 ④销售业绩评估与激励 分析数据应用场景：销售业绩分析看板【管理层视角】、销售员业绩分析【个人视角】、销售排名分析表等 数据应用场景举例： a.销售业绩分析看板 分析模块：销售排名表（销售额、销量、销售贡献率、销售同比增长等等）、各大区或者组织单元销售词云，销售完成率条形图，销售榜单，各月度销售趋势【支持维度过滤】等等 分析目的：主要用于销售业绩查看和分析，对当前公司的销售动态有个准确的了解。主要是对内的销售管理，包括各个组织单元的目标管理，同比增长；也细化到每个人的数据情况，能够动态展示，对个人和组织有激励作用。 b.销售员业绩分析看板 分析模块：客户销售情况（销售额、销量、销售同比增长等等）、各月度销售趋势【支持维度过滤】、相关渠道的销售占比、客户结构分析、总销售数据等等 分析目的：上面是对公司使用，这个则是对各个业务单元使用，包括大区销售员、区域销售员、客户销售员。管理层销售员主要关注各个销售员的业绩情况，服务于区域销售目标；而客户销售员则定位于具体客户，服务好每个客户，看每个客户的销售情况，便于进行下一步的客户服务和销售管理，   以上就是一些销售部门场景的销售分析。销售模块数字化的目的就是更加有效的服务于销售目标，进而协助公司完成销售增长。而通过可视化平台，销售部门能够更高效地管理客户信息、分析市场趋势、制定精准营销策略，并实时追踪销售业绩。这种数字化转型不仅优化了销售流程，还增强了与销售对象的互动体验，使销售人员能够更准确地把握客户需求，提供个性化的解决方案。 此外，数字化还帮助销售部门更好地协同工作，提升团队协作效率，从而在激烈的市场竞争中脱颖而出，赢得更多商机，实现销售业绩的持续增长。   说明：文档为个人总结，信息来源个人经验、成果或者网络资料，部分内容不完善、错误或者有遗漏的地方欢迎各位老师指正~~

1.背景 报表开发过程中，为了确保报表整体样式的美观性，颜色的配置是必不可少的。 但是目前关于背景配置的文档比较分散。 所以，现在我们针对普通报表归纳一下，看看普通报表开发过程中涉及那些背景颜色配置的场景。   2.普通报表的背景配置 归纳一下，普通报表的背景配置主要分为以下六个方面，具体如下图【背景配置图】所示： ①工具栏背景 配置路径：模板web属性》分页预览&&填报预览&&数据分析预览》工具栏》背景设置 使用范围：用于工具栏所在区域的颜色的配置，见上面背景配置图中①所在区域 ②控件背景 配置路径：小部分控件支持属性直接配置，如按钮【下图】；部分需要通过插件【控件显示增强】或者js进行背景自定义【修改控件颜色】 使用范围：用于控件对应的背景区域的颜色的配置，见上面背景配置图中②所在区域 ③参数栏背景 配置路径：点击参数栏》点击背景》设置颜色 使用范围：用于参数栏所在区域的颜色的配置，见上面背景配置图中③所在区域 ④单元格背景 配置路径：页面直接配置或者选择单元格属性》格式》填充中配置或者条件属性中进行配置 使用范围：用于对应单元格所在区域的颜色的配置，见上面背景配置图中④所在区域 使用场景： a.修改特定单元格的颜色，进行数据突出显示【条件属性】 b.分列设置，进行数据对比 c.间隔色，方便看数据 d.悬浮色，动态定位 ⑤纸张背景 配置路径：模板》纸张背景》背景设置 使用范围：用于报表para所在区域的颜色的配置，见上面背景配置图中⑤所在区域 使用场景： a.预览后的报表主体颜色设置 b.导出报表背景设置 c.打印报表背景设置 更多信息，参考文档【纸张背景】 ⑥浏览器背景 配置路径：模板》模板web属性》浏览器背景 使用范围：主要用于，见上面背景配置图中⑥所在区域 使用场景： a.报表预览前的报表主体颜色展示 b.报表预览后的非报表区域的颜色设置 和纸张背景的差异，参考文档【差异】和【模板web属性】 ps：关于图表背景相关就隶属于图表模块，此处不做介绍，详细可以参考文档【图表】 基于以上，我们即可按照我们的UI体系进行各个颜色系列的精准开发，从整体UI上保持颜色和风格的一致性。 最后，文档为个人总结，部分内容不完善、错误或者有遗漏的地方欢迎各位大佬补充~~

1.背景 今天看到有番薯提问怎么实现类excel批注功能，饶有兴趣，就想了想，写篇文章归集一下。 批注功能是excel比较常用的而且实用的工具，该工具允许用户为单元格添加注释或说明，以增强表格的可读性和方便性。 其中，使用的场景主要包括三方面： ①数据说明：为数据表格中的特定单元格添加说明，解释数据的来源、含义或计算方式。 ②注意事项：标记需要特别注意的单元格，提醒用户注意某些数据或操作。 ③个性化展示：通过为批注设置图片背景等个性化元素，使数据表格更加生动和易于理解。 基于此，提升用户体验，确保用户能够方便、快捷地查看和编辑批注信息   2.FineReport如何实现批注功能 了解excel的批注的基础功能和使用场景，我们结合finereport产品功能及相关场景，发现可能实现方式有以下三种： ①利用产品本身的提示功能，详细参考文档【单元格内容提示】 ②利用另外一个产品--数知鸟的功能进行支撑，详细参考文档【决策系统使用数知鸟】 ③单独做一个填报表进行标注 针对以上三个方式分析： 方式①相当于提示功能，不支持报表使用方进行填报、批注，少了用户和开发者之间的交互过程 方式②需要一个新的产品接入，成本可能稍微搞一点 方式③单独开发一张报表，直接接入各个报表即可实现各个模块的数据批注功能   3.如何利用填报表实现标注功能 用填报表标注，可以分为三步： 第一步：按照需要设置填报样式，如下图，主要按照各个报表记录相关人员的批注信息，其中批注类型包括需求反馈、报表问题、数据说明、指标解释等等 第二步：利用超链或者js或者按钮等各个方法，将标注入口快速接入各个模块即可 第三步：标注信息按需利用，包括做标注简单展示、标注数据分析，标注需求跟踪等等 按照实际需求进行再利用即可   以上，我们即可获取我们想要的标注效果，还可以对标注按照各模块各报表进行分类分析和处理，提升标注蕴含的数据价值   最后，文档为个人总结，部分内容不完善、错误或者有遗漏的地方欢迎各位大佬补充~~    

1.背景 官方出了一版【FineReport和FineBI的区别】，看完之后还是有点懵的同学估计不少。 具体细节确实需要试用才知道的。 为了进行知识沉淀，也帮助各位刚入门的小伙伴深入了解或者选型，本人整理了两个产品区别一览表，让各位对两个帆软两个产品有更加深入的了解。 另外说明：个人觉得finereport和finebi从设计架构上就是完全不同的两款产品，虽然部分功能相似，但是本身的设计理念就不一样，并不是简单的商业拆分。 同时两个产品相辅相成，共同服务于企业的数字化建设   2.FineReport和FineBI的区别一览表 以下一览表不包含官方版本【FineReport和FineBI的区别】所描述的区别   3.总结 通过对两个产品进行分析和对比，我们不能发现： 因为两款产品底层设计理念的不一样，故导致了两个产品在产品功能、开发时长、上手容易度等各个方面都存在着较大区别。 而这也决定了FineReport 更适合做固化的需求展示，比如中国式复杂报表、精细设计大屏等内容。  FineBI 则更适合做敏捷开发，针对不断变化的市场，不断增加新指标，，不断调整的数据计算逻辑，进行快速调整数据分析结构进行数据呈现。 同时，FineBI 也可以通过丰富的交互操作，在不同数据维度层面间切换，进而支持对企业运行过程中的异常进行排查解析、探索分析，帮助定位企业运行的问题 所以，这是两款产品，两款完全不同，而又相互相成的产品。   最后，文档为个人总结，部分内容不完善、错误或者有遗漏的地方欢迎各位大佬补充~~   了解更多，查看文档 FineReport帮助文档 FineBI帮助文档

感觉大屏|驾驶舱|报表就那些东西，一遍遍重复，没啥难度。 想用FR做一些有趣的东西， 各位大佬来交流一下吖，聊聊FineReport现在做不了的东西，让我开开眼界。

1.概述 相比较Finebi而言，FineReport有一个比较常用的功能——填报。 虽然FR的填报功能做稍微大规模的应用系统有点吃不住，但是针对基础的数据分析下的数据补充，则是绰绰有余。 而在各种不同的数据收集场景下，填报入库方式也各有不同，但一个完备的填报表的基本功能是一致，主要包括增、删、改、查四类。 其中为了实现删、改两个功能，就必须设置主键【这里的主键指FR填报的主键，相当于 SQL 中 where 的效果，不同于数据库的主键】 而主键的设置场景有四类，包括不设置主键、非填报数据列主键【单列】、填报数据列【单列&多列】、填报数据列规则【单列】。 具体如文 2.主键设置 2.1不设置主键 2.1.1设置方法 如下图，在填报表开发时，直接主键列不进行勾选即可 2.1.2 优点 ①不做数据比对，插入速度快 ②数据导入或者填报时，不需要在做数据校验，基本不会出现数据丢失的情况【所填所导即为所得】 2.1.3缺点 ①数据可能存在重复填报或者导入的情况，导致数据质量低 ②无法实现填报表的删、改功能 2.1.4使用场景 大量非标准【缺失主键】流水直接导入【线下数据直接入库】 2.2 非填报数据列主键【单列】 2.2.1设置方法 如下图，主要包括三种方法： ①利用uuid生成唯一性主键，参考【使用UUID自动生成主键】 ②数据库配置自增ID，以ID作为唯一主键，参考【数据库自增长ID填报】 ③自建规则生成唯一性主键，比如填报日期today()+序号seq() 注意：未防止重复生成，需要在页面端配置，展示；对为空的数据再生成 2.2.2 优点 ①支持对填报的所有数据列进行修改【修改成本低】 ②数据导入或者填报时，不需要在做数据校验，基本不会出现数据丢失的情况【所填所导即为所得】 ③支持导入前清空对应区间或者条件数据之后导入等高级功能开发 2.2.3缺点 对数据导入不太友好，数据可能存在重复导入的情况 2.2.4使用场景 ①大量非标准流水导入、查询、修改和删除【线下数据直接入库】；②标准维度数据的维护，不用单独维护编码【关闭导入功能】；③常见的各类填报表 2.3填报数据列【单列&多列】 2.3.1设置方法 如下图，直接设置对应主键即可【1个&多个】 注意：其中的1个&多个列需要确保数据的唯一性 2.3.2 优点 ①可以重复导入数据，支持对数据进行校验，防止数据重复【数据质量高】 ②支持导入前清空对应区间或者条件数据之后导入等高级功能开发 ③支持对填报的部分数据列进行修改 2.3.3缺点 ①在对数据修改时，不支持对主键列直接修改【需要先删除在修改才行】 ②数据导入时，如果数据不标准，不符合主键要求，会出现数据丢失的情况 2.3.4使用场景 ①具有编码的数据导入；②维度表数据维护；③常见的各类填报表 2.4 填报数据列规则【单列】 2.4.1设置方法 该点结合2.2和2.3两个方法，类似2.2的③自建规则生成唯一性主键 2.4.2 优点 解决了2.3中不支持对主键列直接修改【需要先删除在修改才行】的问题。     最后，文档不完善或者有遗漏的地方欢迎各位大佬补充~~

标题 金风科技——生产经营体系数字化，实现企业的精益管理 企业简介 金风科技是全球可信赖的清洁能源战略合作伙伴，致力于推动能源变革，让人人可负担、可靠、可持续的能源惠及全球，构建“可持续更美好”的未来。金风科技深度聚焦能源开发、能源装备、能源服务、能源应用四大领域，以强大科研创新和最佳业务实践，将可再生能源的效率提升至新高度。作为在深交所、港交所两地上市的公司，金风科技多次入选“气候领袖企业”、“亚洲地区最受尊敬公司”、“最佳投资者关系公司”，并荣登“全球最具创新能力企业50 强”、“全球最环保企业200强”、“全球新能源企业500强”、“新财富最佳上市公司”、 “《财富》中国500强”、年度ESG实力先锋企业、A股公司ESG百强等多个影响力榜单。 企业形象图： 企业logo图 1 业务需求/挑战（面临的挑战/痛点/问题，或由此带来的数据/BI应用需求） 在当今信息化、数字化高速发展的时代，许多企业都面临着经营的压力和挑战。对于一家公司而言，实施数字化战略不仅是适应市场变化、提高竞争力的必然选择，更是实现可持续发展的必经之路。而金风科技也是一样，随着集团公司的快速发展和经营额量级不断提升，原有的企业数据分析管理模型不再适应，同时原先模式中的痛点与问题愈发明显。 归集一下，主要是以下三点： ①数据存在孤岛现象 由于公司部门较多，数据系统较多；且各部门各数据系统相互独立，导致数据孤岛现象出现，数据无法有效共享和利用，进而让业务与技术人员都难以快速地找到自己需要的数据，增大信息化难度，影响了公司的数字化进程。 同时，各个业务板块间管理和数据割裂，无法从全局的视角进行链路式的数据分析，进而实现更全面的数据管控。 ②数据体系标准不统一，数据可信度低 基于历史情况【各部门各系统独立开发运行】，目前开发的报表已经接近或者超过2000+张；但因为开发口径与规范标准未统一，导致相同的指标的数据存在较大差异；不仅是不同部门的同一指标数据不一致，而且有时同一部门的相同指标也不一致，包括但不限于同一部门不同人员的数据不一致、线上和线下的数据不一致等等。 而这导致跨部门沟通成本很大，数据交流存在阻塞；同时，业务部门对数据的信赖度降低，较多人员甚至选择不再使用数据平台，回归到初始的手工报表制作，大幅度降低了工作效率。与此同时，因为数据体系标准不统一，数据可信赖度低，进而导致两个问题： 自下而上，集团公司无法准确的掌控公司运营的实际情况，了解市场和行业的最新情况；自上而下，集团公司的经营策略和考核指标无法真正落实。 ③当前数据平台场景局限，无法满足决策层对生产管理的数据需求 当前的数据平台的数据展示，较多以报表的形势存在；部分可视化需求都是零散的分布在各个业务部门下，整个数据分析链路不完整。集中表现为，想看的数据看不到；看到的数据看不全、不直观，不能让人很明显看到数据的问题。而这，不足以支撑决策层多生产管理的数据要求。 而这导致很多管理层的动作无法执行下去，比如目标拆解、绩效考核等精益管理手段，进而影响了企业的发展。 2 解决方案（业务/管理挑战下，解决业务/管理需求、建设业务/管理分析或数据应用平台的思路、方法、架构、过程等） 基于以上背景，于2024年初，按照集团的战略规划要求，整理了公司的数据管理体系全指标，并成立生产中心经营可视化BI项目，搭建生产中心经营可视化数据平台。借助该平台实现指标的数字化管理，利用PDCA原则，结合数字实现数据、管理、执行、结果的闭环管理。 其中，项目组以BI部门人员牵头，囊括数仓部门、资产运营部门、业务部门等多个部门人员，确保经营可视化数据平台的数据的普适性和权威性。 同时，项目组为真正实现以上业务需求、解决当前状态下存在的业务难题，将集团的战略规划和考核真正落地，进而实现经营数据和考核数据的可视化。于是，对上承接公司的考核指标和考核内容，对下梳理业务结构和业务数据，并对关键业务应用和数据现状进行调研，确保需求的可行性，再进行数据治理和数仓建设，基于搭建完成的数仓上进行可视化看板的开发、测试和上线。 总的来说，自上而下的归集一下，主要分为以下五步：构建数据标准，确定统一口径→业务梳理，确定落地指标→数据治理及数仓建模→报表开发，测试优化及上线→数据应用 ①构建数据标准，确定统一口径 核心部门：集团资产运营部门 由集团资产运营部门牵头，对公司的当前的公司整体运营体系进行梳理，包括各个运行层级单位和各个业务模块；依据实际运行模式归集，构建指标管理体系标准，并进行不断优化迭代，确定为公司企业指标标准。由上而下，发布为《资产运营指标体系使用导则》（如下图封面模板） ②业务梳理，确定落地指标 核心部门：资产运营、数仓部门、业务部门、BI部门 本次需求针对生产运行大类。基于集团的数据标准下，项目组对当前的业务运行模式进行梳理，包括业务运行指标、各个系统的数据指标情况、指标具体的数据逻辑等等。 最终将梳理出来可以系统化的指标定版，作为本次生产中心经营可视化数据平台的指标基础。 ③数据治理及数仓建模 核心部门：数仓部门、BI部门 当前数据分析平台存在的一个很大的问题便是数孤岛现象，而这个问题的源头便是数仓模块，各个系统各个业务部门的数仓独立；同时，因为企业的快速发展，日增量数据越来越大，最大的单表过亿级的增量。原本运行的各类数据库【MySQL、PG、oracle等】无法满足平台的运行和数据需求，故数仓部门牵头，搭建了以全场景MPP（Massively Parallel Processing）数据库StarRocks为支撑，统一的数据仓库。进而对不同系统、不同格式、不同来源的数据进行整合，形成统一的数据视图，为整个企业提供一致、准确的数据基础；同时也方便数仓部门对数据的进行集中管理、控制和数据处理，数据治理等动作，保证数据的质量与准确性。 而在数仓建模中，整体架构分为五层（如上图）： 数据源【ods】：提供数据分析的最原始数据，在我们这里主要包括各生产管理系统数据【ERP|EAM|哨兵系统|Public等等】和手工excel数据【比如双细则、光伏、储能等还未系统化的数据】； 数据处理层、数据存储层【dwd/mid】：将上面基础数据进行数据处理层清洗、转换后，我们会统一存放到数据存储层中，在数据存储层中建立适用于企业敏捷分析的数据模型，形成数据仓库供给企业的数据分析应用； 数据展现层【fact】：针对通用的常见的数据分析场景，我们将数据存储层的数据存放到数据展示层，方便开发人员直接调用，通过finereport工具开发整合为数据驾驶舱或者固定报表供给业务人员使用； 数据应用层【app】：当面向特定业务场景【如下方的风机专题|电气专题等】，为提升数据性能和指标的集中管理，会对已有数据提炼再加工，搭建数据应用层进行分析展示。 ④报表开发，测试优化及上线 核心部门：BI部门 如下方架构图所示，基于上面第②点--业务梳理，确定最终的落地指标和上面第③点搭建的企业数仓进行数据可视化开发，此处主要依靠Finereport11.0进行需求开发。其中，为解决痛点问题②数据体系标准不统一，数据可信度低和痛点问题③当前数据平台场景局限，无法满足决策层对生产管理的数据需求，做了以下两个关键动作： 动作一：数据支持下钻至最明细层级。 所有模块所有指标支持数据下钻，总驾驶舱下钻到模块驾驶舱、模块驾驶舱下钻到明细报表。能够确保数据有支撑，方便数据的系统间相互校核，确保每个数据都有迹可循。 动作二：更多的展示场景，更丰富的展示类型。 相比较以前，此次增加了更丰富的展示类型【历史报表85%是固定式列表展示报表，此次需求引入更多图表样式（地图、饼图、扇形图、条形图、矩形块、瀑布图、折线图、仪表盘等等）、图表展示形式（跑马灯、图表轮播、提示轮播、提示自定义等等）及图表交互方式（图表自钻、图表下钻、图形联动等等）】，更加全方位的展示数据的分布、趋势，进而可以让人更容易洞察到数据的关系和异常点，从而帮助决策者快速决策。 数据可视化就是为了让人们快速理解数据反映的故事、从而快速找到数据背后隐藏的现实问题，然后去解决问题。 ⑤数据应用 核心部门：业务部门、管理层及其余数据相关方 基于已开发的可视化报表进行数据应用，发现数据中的问题和异常，及时解决实际业务的问题，减少经营的损失，提升企业效率，实现企业的精益管理。 3 典型应用场景（按照问题—解决过程—价值的逻辑，介绍几个项目中典型应用场景和取得的成果） 3.1 成果总览 本项目主要围绕生产运营板块展开，核心目的通过整合数据指标体系，搭建高性能的集中的数仓平台，并依据帆软finereport工具进行可视化展示，实现经营体系数字化，提升企业运营效率。 通过项目各成员的努力，项目顺利交付。 总的来看，本次项目工作量很大，成果也是比较明显。本次项目包括经营管理、风机管理、电气管理、电量管理、电量分析、损失电量、末位管理、双细则管理、光伏板块、储能板块等10多个板块，涉及指标200+个；最终产出1个数据大屏、14个驾驶舱、100+张下钻表、若干填报表和明细表【如下图】。 而推广效果也很好，刚上线不久，单模块的日访问量就突破1500+，实实在在帮助到了很多业务同。项目达到预期效果，实现经营体系数字化的目标。 3.1 典型场景一：经营总览 ①发现问题 因经营管理需要，公司生产中心每月、季度、年都需要开经营分析会议。而开会必须的就是经营分析数据，公司运营业务较广，包括风机、光伏、储能等多个业务，为了解这些业务的运行情况，需要监控的数据指标又特别多。 每次为了获取经营数据，都需要花费很长的时间整理，不仅费时费力，而且时效性慢，效果并不好。 ②解决方式：【主驾驶舱+子驾驶舱】 为解决上面的问题，我们设计了经营分析驾驶舱，该驾驶舱为总览驾驶舱，所放指标的是各个分驾驶舱【也是各个业务板块】的核心管理指标，包括电量专题的上网电量指标（包括计划、实际、偏差、完成率）、发电小时数专题的发电小时数指标（包括计划、实际、完成率）、电量损失专题的电量损失率指标（包括计划、实际、完成率）等等【具体如下图】。 管理层通过指标及完成情况进行整体监控，发现数据中存在的问题，通过点击图表或者导航箭头可以跳转到每个专题，查看其余维度的数据情况，进行数据验证。 另外，数据实时更新，确保领导管理层开会随时可用。 主驾驶舱 子驾驶舱【部分举例】 同时，为满足月报、季度报和年报的使用场景需求，做了动态切换，能够依据所选维度进行查看；同时，对应指标目标也是动态切换。 ③场景价值 通过搭建经营总览数据看板，我们实现了经营分析全指标数据查看的从无到有的过程。 以前开经营分析会是人等数据，现在是数据等人，随时开会随时用【原来开会需提前一周准备；现在开会一般前一天通知，相关人员看数、分析原因、总结记录即可，有时会上打开驾驶舱直接用】。同时也方便领导随时查看数据，动态观察当前运营情况，提升了高层的数据反馈和决策效率及对数据平台的满意度【预估提升20%】。同时因为数据看板的可穿透性，大幅度提升了问题的定位效率，加快了问题的解决，减少了公司效应的损失。 3.2 典型场景二：风机专题 ①发现问题 风机业务是公司的核心业务，为确保各个风电场站的稳定运行的核心是控制风机故障的发生，降低风机的故障处理时长。目前，系统存在部分指标报表监控风机运行情况，如风机故障频次【线上】、平均故障处理时长【线下】，但缺乏一个全方位的风机故障分析展示平台，无法实现对风机板块的运营把控，导致各大区、各区域、各场站对风机运营的管控不够，进而降低了公司的经营效益。 ②解决方式：【驾驶舱+明细表+下钻表】 为解决上面的问题，我们设计了风机专题驾驶舱，将风机故障的核心问题和指标包含进来，包括各机型TOP10故障、故障频次同比、复现故障/计划停机次数、排故时长同比/超6h排故、大部件损坏次数/更换平均时长、红线故障占比、红线故障次数、故障复位平均时长/复位超45分钟故障总数等等。通过数据可视化，将这些指标监控起来，进而实现各类故障和各个指标的把控。 同时，数据有异常，可以通过下钻查看进行定位，可以精准定位到具体场站具体机型具体风机具体机组编码的数据，进而加快故障的排查和解决。 驾驶舱 下钻表【部分举例】 ③场景价值 通过搭建风机看板模块，我们实现了各大区各区域各场站的全方位的风机运行监控， 针对当下，提升风机故障监测和问题定位效率80%，缩短故障处理时长50%，提升企业效应至少十万+。 针对未来，管理者一方面可以通过收集和分析运行数据，制定更为精准的维护策略，提高维护效率，降低维护成本。另外一方面，也基于历史数据和实时数据，预测风机可能发生的故障，提前进行维护，减少计划外停机。 3.3 典型场景三：电气专题 ①发现问题 因为公司组织架构和业务结构变更，对数据进行内外部拆分。在此背景下，因电气板块的特殊性，导致数据无法拆分，故现行数据报表及线下报表的数据都存在加大的问题，针对此板块的数据分析和查看都是空白的，业务无法行之有效的数据。 ②解决方式：【驾驶舱+填报表+明细表+下钻表】 为解决这个问题，我们设计了电气专题驾驶舱，同时引入了填报表进行数据维护。因为数据较多和异常数据的不确定性，在填报表中，我们和业务先沟通达成一个判断标准，对异常数据进行检索，并动态展示和提醒，由专人维护完之后，反写到数据逻辑中，进而获取到准确的数据。 在此基础上，在展示相关电气模块指标，包括损失电量、SVG跳闸、跳闸故障原因、各大区故障及损失电量情况、输变电设备故障归类、输变电设备跳闸等。 驾驶舱 填报表 下钻表【部分举例】 ③场景价值 通过电气专题的数据维护，我们实现了对电气相关数据的数据治理，提升了数据的可靠性，确保该模块数据可用。在完成电气看板的搭建之后，我们实现了各大区各区域各场站的电气运行情况监控，提升电气故障监测和问题定位效率95%【由无到有的过程】，缩短故障处理时长80%【故障细粒度高，快速定位和处理】，提升企业效益。 3.4 典型场景四：月度关注报表 ①发现问题 公司新发布的数据管理体系全指标是公司的考核标准，对上是管理层了解当前企业运营指标的情况，对下是各个执行层了解当期数据完成的情况。 其中，涉及的指标很多，仅关键的考核指标都分四大类，近50+个；同时，因为面向对象的差异【公司的运营单位分总公司-大区-区域-场站-项目】，数据统计方式和规则也有差异。而当前背景下，没有一张报表满足这样的需求，各个同事需要数据的时候都需要去各原系统拉数据，在进行单独处理。不仅费时费力，还容易出错。 而这，极其不方便公司的政策和考核落地。 ②解决方式：【驾驶舱+明细表+下钻表】 为解决这个问题，我们开发了月度关注模块，此模块和全体系指标驾驶舱模块是独立的，一个是按模块化指标进行分析展示，一个是串联所有指标进行灵活聚合展示；两个模块，相互校核。 其中，最核心的是月度关注报表，这里采用了分层聚合、分类算法、动态列展示。 ①分层聚合主要指依据各个运营单位不同，采用不同的聚合方法，确保数据符合要求。 ②分类算法包括简单聚合、除法运算、率的聚合、分架构聚合分时间平均等 ③动态列展示即为按需展示，其中按照查询聚合聚合对应指标数据。 而所有运营单位的数据均已这个报表入口数据为考核标准，各自按照自己的权限和需求汇总查询自己的数据即可。同时驾驶舱的计算逻辑和该表保持一致 主表 驾驶舱 ③场景价值 通过月度关注报表，我们构建了统一的考核口径数据报表，确保所有数据的口径统一，来源一致。之前出现的各个区域数据差异很大的问题也不再存在。同时，也大幅度缩短业务的数据加工时间【需要加工该数据人数很多，至少40人+；以前需要相关数据要么无法获取要么至少花费4小时整理，现在只需要按照需求查询即可。初略估计，每月节省人力500h+】，让业务投入更有价值的事情上。 4 总结与展望 本项目于1月立项，2月开始，4月完全交付，整个项目任务很多，项目周期很紧。但在各个部门同事的齐心配合下，项目顺利交付。 目前看来，项目的效果也是很好的。刚上线不久，单模块的日访问量就突破1500+，越来越多的运营同事主动的申请权限进行查看和使用。就这一点来说，这个项目确实解决了业务工作中的痛点问题，让大家愿意去使用。 深入来说，本次项目做了很多从0-1的事情，比如①搭建中心化的高性能数仓，解决目前数据瓶颈、数据孤岛的问题；②构建了很多多样化的、立体化的数据分析场景，让管理层真正有数可看，决策有依靠；③搭建统一的数据考核分析指标体系，让考核有依据，让数据被信赖等等；同时，也做了很多从1-n的事情，包括数据治理、数据粒度化、数据再维护等等。 通过本次项目，我们完成了生产运营体系可视化，而这带来的价值也是巨大的。从财务价值和战略价值两方面总结来看： 一、财务价值 通过本次项目所搭建的生产经营可视化平台，我们能够实时了解各场站的运营状况，发现场站及设备运行中发生的问题，及时的解决，而这将使得场站的运营成本下降5‰；在几百个运行场站几千个运行风机的大基数下，将带来巨大的发电量，与之对应的便是百万、千万、乃至亿级别的售电收入。除此之外，节省下来的人力成本、决策成本也是很大的。 同时通过对数据的分析，公司可以制定更为精准的运营规则，防止同类问题的发生，确保各场站设备的稳定运行，进而也提升了整体资本使用效率。 二、战略价值 通过本次项目，我们实现对生产经营过程的数字化。对业务人员而言，将他们从繁琐重复的数据统计工作中释放出来，可以专注于更有价值的事情；对管理层而言，数据实时、真实、直观，可以真正依靠数据做决策。而这将极大地提升企业整体的运行管理效率，增加公司的竞争力，进而为后期的发展奠定了基础。 而这，只是第一步。在未来，我们也希望更加深化可视化项目在企业中的应用，构建更多标准的、体系化的、立体的数据分析模型，推动公司的信息化和数字化建设。真正的实现，让数据辅助决策，让数据成为公司的生产力。

1.背景及说明 针对于重要的数据填报表，特别是维度表；我们想记录下用户的操作情况，包括数据删除这个动作。此时，就需要用到数据软删除。 无论是被删除数据单独入表，还是加个字段进行标志位区分等等，软删除实现的原理是一致的； 而通过数据软删除的数据保留，后续用户想要实现数据的一键恢复或者操作撤回【ctrl+z】成为可能 2.实现 此处我们主要依靠帆软本身的js提交入库功能【JS自定义按钮提交当前行】，主要包括①删除提交入库②页面提交过滤③查询数据库过滤三个动作实现 以加个字段进行标志位区分进行软删除为例， ①删除提交入库 通过删除按钮的提交入库进行触发，要点如下： a.提交类型为更新提交→主要用于修改对应数据库被删除数据的标志状态； b.设置主键和提交条件，按照实际业务设置，确保删除数据的唯一性和符合要求性 ②页面提交过滤→因为帆软的删除只是页面删除，在原提交页面数据依然存在，故需要对单独软删除的数据进行过滤 如下：写条件对软删除的数据过滤不提交即可 ③前端查询+个过滤，is_deleted为否即可 如果是删除数据单独入表的方式，原理类似，配置略有不同。 3.备注 数据软删除容易导致数据倍增，无效数据大量冗余，故需要结合数据校验、控件填报规则、js回调函数、提交条件等按照实际提交对数据进行校验和过滤，确保最终需求为所需需求。     最后，文档不完善或者有遗漏的地方欢迎各位大佬补充~~

大学的本职专业是机械设计制造及其自动化，其中让我学得最痛苦的是编程课程，特别是其中的C++. 让我学得极其难受，当然我想，我怎么都不会当程序员的。 然而，毕业之后机缘巧合，入职了帆软。 从考核开始入门，一点点学习，包括各类数据库、服务器部署、web集成、集群等等。 后面在升级打怪的路上，我又自行学习了JAVA、JS、html等等，虽然只是皮毛，但工作的基础场景可以应对了。 现在停下来想想，我应该算是个程序员了 现在回头一看，我居然变成了程序员了~~

最近获得一些官方的视频学习优惠卷【主要针对付费课程】，自己学习估计用不完，有没有需要的小伙伴，可以楼下砌楼或者私聊吖 冲冲冲，让我们一起学习起来 卷起来、卷起来 让我们一起卷技能 才能不和别人卷时间~ 视频课 - 帆软学院  https://edu.fanruan.com/video  

这是本人亲身参与的第一次数据分析大赛，真得是挨个的学习和打卡了。 并从个人的视角出发，总结一些还不错的作品，方便以后的持续学习和进步。 个人认为后续数据分析的发展过程中，BI工具将会起到重大作用，特别官方所倡导的探索式分析【发现问题→确定问题→深入挖掘→验证问题→提出解决方案并解决问题】是一个很重要的分析方式。而这是固定式报表工具无法做到的。目前，我对BI的深层次使用并不多。所以，这次BI大赛是我深度学习的一个很好的机会。 评判依据： 参照这个官方的评判依据进行【也希望看得多了，自己可以养成这样的分析思维】，其中比较侧重于故事的完整性、可读性和UI，毕竟这两个是比较直观看到的。   优秀作品一览（以下排名不分先后，最终版本以官方发布为准） 【2023BI数据分析大赛】养猪最前沿：出栏目标达成，都是追踪出来的   https://bbs.fanruan.com/thread-146613-1-1.html 【2023BI数据分析大赛】高效养猪技术：2W1H+PDCA，探究仔猪质&数提升  https://bbs.fanruan.com/thread-146790-1-1.html 【2023BI数据分析大赛】人口迁移分析-我的帆软  https://bbs.fanruan.com/forum.php?mod=viewthread&tid=146591&id=1470 【2023BI数据分析大赛】孔乙己的长衫——揭秘上市企业职工薪酬与个人薪酬规模预测  https://bbs.fanruan.com/thread-146788-1-1.html 【2023BI数据分析大赛】智慧乡镇管理平台  https://bbs.fanruan.com/thread-146603-1-1.html#pid757223  【2023BI数据分析大赛】人口迁移分析  https://bbs.fanruan.com/forum.php?mod=viewthread&tid=146591&id=1470 【2023BI数据分析大赛】基于电力大数据的中小型企业运营发展分析  https://bbs.fanruan.com/thread-146599-1-1.html 【2023BI数据分析大赛】瑞幸咖啡用户运营策略分析  https://bbs.fanruan.com/thread-146750-1-1.html 【2023BI数据分析大赛】资深HR，是这么做数据分析的  https://bbs.fanruan.com/thread-146627-1-1.html 【2023BI数据分析大赛】基于某服装店销售数据的分析方法应用  https://bbs.fanruan.com/thread-146751-1-1.html 【2023BI数据分析大赛】王者荣耀赛事数据运营分析  https://bbs.fanruan.com/forum.php?mod=viewthread&tid=146692&id=1508 【2023BI数据分析大赛】产品制程质量分析三部曲  https://bbs.fanruan.com/forum.php?mod=viewthread&tid=146826&page=1&extra=#pid757797       官方版本优秀作品集 2023第四届FineBI数据分析大赛获奖名单重磅揭晓！ https://bbs.fanruan.com/thread-147091-1-1.html   完整作品集：作品展示 - 2023年第四届FineBI数据分析大赛 -帆软社区  https://bbs.fanruan.com/bi2023-list   再次强调，上面是个人视角的总结；如果有遗漏，欢迎各位帆薯补充哦  

一、三大图表源 FineReport工具通过十多年的发展，目前已经具备了丰富的图表体系，主要包括三方面 ①产品本身基础的图表，包括饼图、柱形图、条形图、折线图、面积图、仪表盘、雷达图、散点图、气泡图、组合图、多层饼图、地图、钻取地图、矩形树图、漏斗图、热力地图、词云、甘特图、框架图、箱线图等 ②产品官方的扩展图表插件【主要适用于深色大屏的开发和展示】，包括场景类、地图类、仪表盘、指标卡类、时间类、柱状图类等等 扩展图表插件 - FineReport帮助文档 - 全面的报表使用教程和学习资料  https://help.fanruan.com/finereport/doc-view-2474.html ③插件市场的插件图表补充，其中有以下几个特点： a.echart图表灵活性较高，但需要涉及JS，有部分难度 b.流程图、水球图、桑基图的使用频率较高 c.图表(旧版本)是老版本图表，其中的3D图使用场景较多【实际是2.5D】,目前仅10.0做了适配，11.0暂未适配 具体图表的用法和动态效果、插件图表的下载，可以查看链接 图表学习路径 - FineReport帮助文档 - 全面的报表使用教程和学习资料  https://help.fanruan.com/finereport/doc-view-4674.html FineReport报表  https://demo.finereport.com/decision#?activeTab=old-platform-url-entry-11 帆软市场  https://market.fanruan.com/plugin 二、图表的变换 因为需求的多样化，有时单单的图表并不能满足实际业务的需求，故在FineReport工具中，也支持对图表的变换使用： 粗略总结一下，变换的方式主要有以下五种： ①报表块的灵活使用，通过单元格、条件属性等结合使用，实现本身功能之外的图表，比如流程图、脑图、日历图、杜邦分析、组织架构图等等 ②非动态数据图表，有交互非纯图片，通过自定义图片实现【包括各种类型，饼图、地图、柱状图等等】 自定义图片作为地图边界- FineReport帮助文档 - 全面的报表使用教程和学习资料  https://help.fanruan.com/finereport/doc-view-1587.html ③利用图表基础属性，实现图表的形态、样式变换，包括但不限制于图片填充，背景更换、条件属性等等 ④利用SQL处理结合图表本身功能，实现视觉上的图表转换 ⑤多图表的重叠，和组合图等效的，但是更加灵活。 通过两者的结合，进而实现固定报表中的常规需求展示。 后续，楼主将以第二种【图表的变换】为核心，在帆软现有产品图表的基础上实现一些不一样的图表展示，让数据展示变得更加多姿多彩。 一方面是自己不断学习和沉淀，另一方面也是一种对数据展示的探索。 有什么奇思妙想的小伙伴，可以在楼下带图楼下评论，楼主将会挨个思考和尽量实现。呼声高的，假如帆软本身无法实现，楼主有时间也会考虑需求的可行性进行二开实现。   说明：以上内容是自己的经验和总结，有不足的地方欢迎各位大佬补充~~  

因为存在这样的需求，对这块还是比较关注的，数据预警插件上线，看到了便进行了试用： 实话实话：确实还不错👍👍 用官方的话来说： 数据预警通过强业务属性、强指标属性、强易用性等特征，轻松实现指标监控、数据找人以及更深层的闭环场景！ 没有丝毫夸张的成分，业务配置、多平台推送预警、代办提醒都很实用，而且一键配置即可【以前的提醒都需要IT进行定时调度开发或者报表开发进行邮件推送才行】 其中，有两个小细节特别提一下： ①支持预警的颗粒度比较细，到具体维度下的具体指标的，无论表格还是图形都能识别 ②支持外链挂载下的预警【这个在模板外嵌的时候很实用】，需要开启模板认证 但是还有不太支持，晓不得是不是没有用对： 比如：表格数据不支持行列维度扩展下具体单元格下的数据预警，比如我需要地区下的某个地区预警这种 目前产品还在持续优化，大家有想法也可以试试，有好的建议也可以提给官方【虽然不一定回采纳~~】 更多信息可以查看文档 数据预警简介- FineReport帮助文档 - 全面的报表使用教程和学习资料  https://help.fanruan.com/finereport/doc-view-4973.html 让老板满意，帮IT减负，给业务帮忙，数据预警有多香~-我的帆软  https://bbs.fanruan.com/thread-146674-1-1.html  

详细说明参考论坛文档 【2023BI数据分析大赛】生育率下滑的深层次分析报告-我的帆软  https://bbs.fanruan.com/forum.php?mod=viewthread&tid=146719

一、选手简介 1、选手介绍 用户名：坚定的小帆薯 个人介绍：大家好吖，本人黄斐（斐是三声），我曾经是帆软的项目组小伙伴，因为生活变动离职回成都【其实有点舍不得，哈哈哈】；现在是一个坚定的小帆薯，我目前就职于金风科技下属子公司-天润新能，我司从事于可再生的风电能源行业，在目前的环境下，相信可以有别样的发展空间的。 目前从事的岗位是帆软报表开发，但本人希望不局限于需求开发本身，希望能有更多自己的分析思维和想法出来并付诸实践。 个人照片：    2、参赛初衷 作为一个坚定的小帆薯，而FineBI6.0是帆软的一个拳头产品,那我不得好好学习和使用看看，不然社区的问答都不一定会~~具体原因如下： BI6.0上线发布很久了，暂未进行深入的使用，想借着这个机会练练手 和更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞 后续的发展方向是全方位的数据分析师，这个也值得我尝试一下 大赛奖励很诱人 二、作品介绍 ▮ 选题背景 最终选题：《生育率下滑的深层次分析报告》选题总共定了三个方向，分别是方向一：能源化工《风电清洁能源的发展趋势》方向二：社会民生《用数据告诉你如何获得幸福》方向三：社会民生《生育率下滑的深层次分析报告》后面从数据取数、分析模块定化、已有分析看板比对等多个方面综合来看，最终选择了方向三。本身，方向三我也想深入了解一下，最近几年生育率下滑的问题很严重，国家在2016年和2021年实施了二胎、三胎政策，效果并不尽人意。单单对人口来说，人是家的基础，也是国的基础。生育率下滑，将导致新增人口减少，进而导致人口减少，将产生劳动力短缺、人口老龄化问题等一系列问题。 所以，生育率下滑值得重视。 1、业务背景/需求痛点 1.1 场景介绍【场景剧：以下仅供说明】①大家好，我是帆薯，我所在部门是国务院计划生育行政部门的数字化部门；②今天，领导XX对我说:"小帆，给你安排个任务；你去查一下生育率相关数据，整理一下，看看为什么生育率还是下滑个不停啊！"。③我说："好的，领导"。④领导又继续说到："生育率这个问题真得头疼，上升太快也头疼、下降太快也头疼。最近几年，为了控制生育率下滑，颁布了很多政策也不见成效；问题究竟出在哪里"。“对了，小帆，你到时直接弄一份数据分析报告吧，一定要通俗易懂还要数据可靠，到时我也好去给上面的领导汇报。”说罢，领导就离开了。1.2 需求痛点该需求的面比较广、比较大，进行定位量化分析的难度较高。同时除了数据收集本身之外，还要定位出最核心的指标和方向，确保深入分析的方向的可靠、科学。进而定位出问题发生的最起始的原因。 2、数据来源 2.1 数据来源 本次比赛数据来源为自选数据，根据实际分析框架，查询和梳理出对应数据来源包括： 国家统计局数据 https://data.stats.gov.cn； 育娲人口研究 http://www.yuwa.org.cn/； 百度一下 https://www.baidu.com/; 小红书 https://www.xiaohongshu.com/explore/646ec6c60000000013011b0a 文心一言智能问答 https://yiyan.baidu.com/； 2.2 指标口径 所属模块 指标名称 统计口径 数据一览 总人口数 最新年度的总人口数据（万） 出生人口 最新年度的总出生人口数据（万） 同期出生人口 最新年度的同期总出生人口数据（万） 出生率 最新年度的出生率数据‰【出生人口/总人口】 同期出生率 最新年度的同期出生率数据‰【同期出生人口/同期总人口】 现状分析 省份出生率 最新年度的各省份出生率情况【以死亡率7‰均值进行预警展示】 年度出生率 各年份下的出生率数据和趋势【【以死亡率7‰均值预警】 年度新增人口 各年份下的出生人口数据和趋势 年度净增长人口 各年份下的出生人口和死亡人口之差 人口预测 按照当前出生率进行人口预测【人口总数】 人口预测下的男女占比 对应年份下的人口总数下的男女占比 出生率下滑分析 人口年龄结构 历史年份各年龄层级的人口总数对比 各年龄层男女比例 各个年龄层下男女占比对比 男女比例趋势 以年度对比男女比例变化【男生人数\女生人数】 结婚登记数 对应年份下的结婚登记人数 同期数据 对应年份的结婚登记人数的同期数据 结婚登记同比 (结婚登记数-同期数据)/同期数据 离婚登记数 对应年份下的离婚登记人数 净结婚 结婚登记数-离婚登记数 出生人口同比 (出生人口-同期出生人口)/同期出生人口 不孕不育分析 不孕占比 不孕人口中的男女占比 各年龄段不孕率 对应年龄段的不孕人口占对应总人口 不孕不育率 对应的不孕不育人口占总人口比例 3、分析思路3.1 思路分析本次分析报告采用的是探索式分析→基于问题去查找原因，一层层深入解析和下剥，进而发现可能的原因，收集数据去验证方向的正确性。最终确定的分析流程如下：(1)数据一览：直观的看数据，发现数据中存在的问题或者说异常(2)现状分析：以当前指标数据为基点，查看对应的各维度及历史数据，验证这个问题是当前产生还是历史态势的延续，并针对延续做出预测；(3)出生率下滑分析：从出生人口的核心要素--一对适婚适孕的男女双方在构建起了稳定的婚姻，以此为基点进行分析，验证人口比例、人口年龄结构、结婚率下滑、不孕不育率升高【这里采用拟合和对比分析】的原因(4)不孕不育分析：从两个当前核心因素结婚率下滑和不孕不育率升高进行分析和验证，其中结婚率下滑为已有数据分析，不进行进一步分析，对不孕不育率分析，依靠数据，验证方向的正确性(5)总结：对以上分析做汇总并提供问题解决方案；3.2 分析框架3.3 分析模型本次分析采用的是探索式分析【发现问题→确定问题→深入挖掘→验证问题→总结问题】，一步步推导和验证，确定最终根源使用的具体分析方法如下：对比分析法：看数据趋势，数值对比，数值预警等多种对比方法，多维度对比模拟预测法：借助数据情况，结合预测工具进行未来数据的推演和展示【人口预测】穷举法分析：对可能情况进行穷举比结合数据进行验证【生育的四种可能和对应下属分析】相关性分析法：应用趋势的拟合分析和对比，寻找相关性；趋势分析：对数据进行拟合，查看数据的明显趋势和方向；漏斗模型：直观看到对应群体的数据差异4、数据处理在本次数据分析中，因为数据涉猎较多，对数据的处理也是很常见的，其中使用较多的有行列互转、公式设置、数据合并、聚合运算等①行列互转：因为图表的限制和呈现要求，这个场景使用的比较多；说实话，这个用BI处理是真的方便，一键搞定②公式设置：主要有数据中进行公式设置、新增计算列和利用BI自带的快捷运算 ③数据合并：将多个跨数据集的数据进行合并运算和展示④聚合运算：对数据进行聚合展示 5、可视化报告 5.1最终效果图 查看地址：https://bisolutions.fanruan.com/webroot/decision/link/BPtk 5.2 图表排版布局和配色 本次分析采用浅色系配色，基础配色参考育娲人口的人口分析报告 其中基础配色为蓝、红、橙三色【如下】，附带其余颜色【基本略偏向浅色系】 一般而言，蓝色代表当前值、橙色代表同期值；或者蓝色为男生、红色为女生等等，具体看图表图例及下方说明 布局按照分层排布布局，按照分析层次【标题】+图表数据+数据说明为一个单元 5.3 数据含义表达及结论 5.3.1数据一览 图表排版布局： 数据说明： a、本单元主要是排布五个总览数据，分别是同期人口、出生人口、总人口、出生率和同期出生率，下方为对数据进行解释和说明，发现问题并引入分析。 b、对应内容为2022年出生数据直观来看，2022年新生人口为956万，首次跌破1000万，与同期相比下滑9.98%；出生率为6.77‰，同比下滑9.97%；生育率下滑显而易见，现在我们深入看看 5.3.2 现状分析 图表排版布局： 数据说明： a、本单元主要是排布三个图表，包括省份出生率、近20年新增人口和出生率分析、当前生育率下的人口预测，该单元承接上方数据反应的问题，以当前指标数据为基点，查看对应的各维度及历史数据，验证这个问题是当前产生还是历史态势的延续，并针对延续做出预测；。 b、对应内容为 新增人口率=出生率-死亡率；其中，随着我国医疗技术的发展，现如今人口死亡率相对稳定【稳定在均值7‰】，虽然近几年因疫情原因有些许上升，但整体可控；人口的关键因素还是人口出生率。对现状分析不能看出以下两点：①通过从【省份出生率】【近20年新增人口及出生率分析】两个方面来看，本年的出生人口和出生率大幅度下滑并不是个例，而是趋势的延续；只是在2022年跌破了0增长的警戒线【均值7‰】，单单从省份数据看，甚至存在较多省份或者直辖市早已跌破0增长的警戒线，其中较为明显的是【上海市、吉林省、辽宁省、天津市等等】②以当前人口出生率趋势进行推演，从2023年起，我国人口数量将会进入下降通道，而且趋势渐渐加快【当前生育率下人口预测】；但男女比例随着实际推移，渐渐变小。 5.3.3 出生率下滑分析 图表排版布局： 数据说明： a、本单元主要是排布七个图表，包括人口结构趋势【各年份下的人口结构变化，系列为人口结构，以万人为单位对比】、各年龄层男女比例【对比条形图，将男生占比和女生占比进行对比】和男女比例趋势【折线图：各年份的男女比例情况；同时加了一个拟合线，查看趋势】组合成轮播图，结婚登记数趋势【组合图：蓝色柱子为当期数据，橙色为同期数据，折线图为同比】，净结婚对比【组合图：上方为堆积面积图，面积差值几位净结婚数，同时柱子为净结婚数】，生育的四种可能【矩形树图，罗列数据】，结婚登记和出生率同比线性拟合对比【折线图：红色为结婚登记同比线，蓝色为出生率的同比，两者进行线性拟合和对比】，该单元对上方数据反应的问题进行深入的刨析，并进一步分析当前的数据；。 b、新生儿的诞生从基础上来看，一般而言，需要由一对适婚适孕的男女双方在构建起了稳定的婚姻之后才能够产生的；基于此，我们从【人口年龄结构】、【人口男女比例】、【结婚登记数据】、【拟合分析】四方面来进行深层次的数据分析， 从数据上不难看出： ①人口年龄结构：近几年，随着时间推移，我国适婚适孕人口比例不断降低，老龄化人群增高，而这也影响了我国人口生育的基数； ②人口男女比例：因为各种历史原因，我国男女比例严重失衡，特别2013年整体男女比例不断扩大；到2020年以后才有所缓解； ③结婚登记数据：结婚登记数据对出生人口而言，是一个更具前瞻性的指标；通过数据很明显可以看出最近几年结婚登记数大幅度下滑，而与之对应的是离婚登记数的大幅度上升，进而导致净结婚对数大幅度下滑；婚姻是家庭的基础，也是新生儿诞生的基础，这也导致了出生人口下滑的关键原因； ④另外，对人们而言，是否生育也有四种考量，其中导致生育率下滑的主要有不想生就不生、想生生不了两种。其中，不想生就不生的表征就是结婚率的下降和离婚率的上升；而通过对结婚登记同比和人口出生率同比进行线性拟合对比分析【两者存在强关联的非线性关系】，不难发现出生率的下降趋势要强于结婚登记下降趋势，即存在导致生育率异常下降的原因，这里就是第四种考量--想生生不了【不孕不育】  导致生育率下滑的主要原因有三点：a、历史原因导致了当前的人口年龄结构不均衡和人口男女比例失衡，进而使得当前适婚适孕人口基数下降；b、随着国家的发展、人民生活水平&生育观念的改变等等，人们对婚姻、生育的态度也大不相同，导致当前结婚率下滑【结婚率下滑、离婚率上升】进而影响生育率的下滑，更多结婚率分析可以查看已有分析BI看板【事业告急——月老的KPI下降分析 https://bisolutions.fanruan.com/webroot/decision/link/4EFV】；C、对数据进行深入挖掘之后【是否生育有四种考量，其中导致生育率下滑的主要有不想生就不生、想生生不了两种。其中，不想生就不生的表征就是结婚率的下降和离婚率的上升；而通过对结婚登记同比和人口出生率同比进行线性拟合对比分析【两者存在强关联的非线性关系】，不难发现出生率的下降趋势要强于结婚登记下降趋势，即存在导致生育率异常下降的原因，这里就是第四种考量--想生生不了【不孕不育】】，发现存在导致生育率异常下降的原因--不孕不育问题的扩增。 5.3.4 不孕不育分析 图表排版布局： 数据说明： a、本单元主要是排布五个图表，包括不孕占比【扇形图：展示现在不孕的男女占比情况】、男性不孕原因分析【词云：对当前的男性不孕原因的高频词汇进行展示】、女性不孕原因分析【词云：对当前的女性不孕原因的高频词汇进行展示】、各年龄段不孕率【漏斗图：展示各个年龄段的变化】、不孕率趋势【折线图：近几年来的不孕率趋势变化】，该单元从两个当前核心因素结婚率下滑和不孕不育率升高进行分析和验证，其中结婚率下滑为已有数据分析，不进行进一步分析，对不孕不育率分析，依靠数据，验证方向的正确性；。 b、对应内容为 通过对上层的分析，我们发现导致生育率下降的另外一个核心因素可能是不孕不育率上升，基于此我们进行数据验证，通过数据分析结果，我们很容易看出来，验证成立。 最近十年来，在适龄人口中，人们的不孕不育率趋势不断上升，其中男性的不孕不育率远高于女生，而且随着年龄的升高，这个现象更为严重。最终，和结婚率下降、人口年龄不均衡、男女比例失衡等一起导致了人口生育率的持续下滑。 5.3.5 报告总结 图表排版布局： 数据说明： a、本单元主要是报告总结，对以上分析做汇总并提供问题解决方案；单元排布三个图表，包括生育率下滑【雷达图：影响下滑的四个方面和说明】、不孕不育解决措施【条形图】、结婚率下滑缓解措施【条形图】。 b、对应内容 通过我们的探索式分析【数据总览发现问题→现状分析确定问题→出生率下滑分析深入挖掘→不孕不育分析验证问题】确定了生育率下滑是由历史原因和当前原因【人主观原因和客观原因】等多个方面导致的，通过单一的政策是很难实现问题的解决的，核心是要对这个问题重视起来，并针对当前核心因素结婚率下滑和不育不孕率上升进行着手才有望缓解。 三、参赛总结 1、FineBI工具 通过这次实践，我对帆软官方一直在说的探索式分析有了更加深入的理解；在做数据分析报告之前，我其实没有具体的方向；虽然百度一查，原因有很多很多，但是都没有数据支撑，不知道可信度有几成。于是，我就一边搜集数据一边做看板，在看板中去看数据找问题，没有问题则更换方向，有问题则分析原因、深入挖掘、用数据验证原因，进而确定分析的可靠性。最终，确定影响的关键因素。         结合着FineReport的使用经验，不难发现，FineReport是知道要什么指标，直接取数呈现即可，并在此基础上进行分析。FineBI则是要更多的思考和挖掘，通过结果查找原因，进而从根本上解决问题。 历史几款BI都有用过，明显感知这次BI有很大的提升。主要从开发角度来说，有三点我觉得很棒；①上手更加容易，其实BI6.0我没有系统的学习过，但是上手很容易，基本上直接开做，除了特别的场景需要查一下文档；②数据处理增加了很多新功能，比如行列转换，从前，这一直是个头疼的问题，现在直接一键搞定；还有聚合等，先前分组合计的数据对比总要花点时间，现在一个公式即可；③数据|组件|仪表板的主题结构，我感觉用着还是很顺手的。 有好的也就有不好的，适应性还是个问题。就效果而言，本来在笔记本上做好的，在电脑上看，还是有很明显的错乱，两个终端是相同的分辨率和缩放比；这个我花时间好好调了，效果不太理想；问了导师，提了些方法，也挨个尝试了，最终调的只能说还可以接受。 对数据分析的价值的思考：数据分析不仅仅适用于企业的经营管理，只要涉及到数据的统筹查看和分析，只要我们需要依赖数据来做出决策，数据分析就有其意义所在，大到国家政策、民址民生；小到个人前途，生活安排。每一点都是和我们息息相关。 2、参赛总结        本次参赛的时间其实没有把握的很好，特别在7月底和8月初的时候，手里面自己本职工作的工作量比较大，以为自己要做不完了。不过在最终时刻，还是赶上了。在参赛的过程中，说到困难，在学习和使用FineBI的过程中其实还是蛮顺利的【毕竟以前一直在用】，核心的困难实还是在分析的思路和架构上。       从某种角度来说，探索式分析确实比固定报表要费脑细胞一些，平时的需求就是做报表，用户要什么就做什么，顶多逻辑或者效果麻烦一点；但是BI分析探索时却不一样，你知道数据有问题，但是究竟哪里有问题，没人会告诉你，你需要结合数据一点点去分析查看，并结合你的专业知识或者百度去判读，得出分析结果，并进行更加进一步的分析，用数据去验证，进而形成闭环，得出可靠的结果。      说到这里，我就想起一个故事：      1923年，福特公司有一台电机坏了。很多技术人员都修不了，拿它没办法。当大家都焦虑万分的时候，有人推荐了一家小工厂的一个修理工。这个修理工人来了  之后，只要了一张垫子，然后铺在电机旁边，专注地听了三天。最后，他在电机的一个部位用粉笔画了一道线，并写上：“这里的线圈多绕了16圈。”福特公司的技术人员按照他的建议把电机拆开，终于修好能正常运转。福特公司的总裁福特先生得知电机修好以后，准备给这个修理工人支付一万美元作为酬金。经理很疑惑：“简单画一条线就值一万美元吗！”要知道，当时美国很多经验丰富的技术工人月薪也只有5美元左右。这个修理工人看到大家疑惑不解，就在账单上写了一句话：“画一条线，1美元；知道在哪里画，9999美元。”     正如故事中所讲，重要的不是那条线，而是知道那条线画在哪里。所以，在这个数据化时代，希望各位能够利用好这个BI工具，去定位好那一根导致企业经营异常的线，进而实现企业的正常运转。       

方法不难，关键是思路转换，虽然清楚的小伙伴有很多，还是写一下：   1.场景 无论是FR还是BI，外链分享是一个极其常见的用法，而在外链分享时，因为无法获取用户信息，导致数据权限控制是个比较麻烦的事情 比如： ①利用FR进行外部数据搜集时，希望填报人员可以查看并修改自己填报的数据 ②通过FR开发的供应商数据表，给供应商查看【控制权限】 ③BI做好的看板给外部人员查看，但是要求该人员只能查看他所属的权限等等 虽然，这些场景都可以通过在系统开个临时账户进行查看和进行，但是如果系统用户和其余系统做了集成，同时公司做了账户集中管理，那么这个过程就变得繁琐。 这时，如果可以单独控制外链数据权限就变得有必要了。   2.说明 无论FR或者BI,实现数据权限控制的核心就是通过系统自动获取用户信息，并依据这个信息对数据集的数据实现过滤。 实现方式包括： 【FR】SQL直接过滤&页面参数控制 【BI】SQL直接过滤&系统配置     3.实现   依据上面，外链下权限控制的难点就是用户的获取，因此我们可以将用户获取手动化。 通过下拉框或者文本框或者密码框等等控件，获取用户输入信息【电话&用户名&验证码】等等，进而转化为数据表对应字段，从而实现权限控制   备注：具体开发时，需要设置默认查询为空或者不默认查询，等用户输入信息才进行查询，防止信息泄露      更多相关信息查看文档： 外部权限表实现数据权限过滤- FineReport帮助文档 - 全面的报表使用教程和学习资料  https://help.fanruan.com/finereport/doc-view-3040.html?source=4 数据权限概述- FineBI帮助文档 FineBI帮助文档  https://help.fanruan.com/finebi/doc-view-248.html   最后，文档不完善或者有遗漏的地方欢迎各位大佬补充~~

1.背景及说明 1.1 背景 随着新自适应的插件和FineReport11.0的深度使用，修改新自适应控件的样式的需求也来了，原本的修改的js也不在适用。 1.2 说明 本文针对新自适应控件属性修改，老自适应修改可以参考文档【表单JS实例】JS实现控件融入背景；文档内容来自官方文档&问答平台&自己百度、class获取及测试，真实有效！！！ 2.实现思路 因为部分用户服务器对文件上传限制比较严格【我就是】，本文主要通过 JS 的方式进行实现 3.实现 3.1 修改控件的背景、边框、字体 修改前效果 修改后效果 JavaScript 代码如下【添加位置：body》初始化事件】： setTimeout(function() { $(".bi-card").css({'background-color':'#222629'});//修改控件的底层背景色 $(".bi-border").css({'border':'1px solid #4c4c4c'}); //修改控件边框 $(".bi-text").css({'color':'#fdfdfd'}); //修改控件文本颜色 $(".bi-input").css({'color':'#fdfdfd'}); //修改文本控件文本颜色 }, 200) 3.2 修改控件下拉列表的背景和字体颜色 修改前效果 修改后效果 JavaScript 代码如下【添加位置：body》初始化事件】： setTimeout(function() { //修改下拉列表的背景及字体颜色 $(".bi-v.list-view-outer.list-view-shadow").css({"background-color":"#161a1d","color":"#fdfdfd"}); }, 200) 3.3 要求只修改部分控件属性 JavaScript 代码如下【添加位置：body》初始化事件】： //在元素前添加ID--div即可，其中元素和ID内的引号需不一致【单引号或者多引号，否则识别有误】，同时ID对应控件的名称，需要大写 $("div.bi-v.list-view-outer.list-view-shadow").css({"background-color":"#161a1d","color":"#fdfdfd"})   3.4 更换下拉框的背景为图片 此处有两个方案： ①直接JS引用图片为边框背景即可 JavaScript 代码如下【添加位置：body》初始化事件】： 其中URL为路径，可以直接用网页图片URL也可以使用本地图片，用相对路径，放在webroot下即可 setTimeout(function() { //修改控件的底层背景图片；no-repeat指图片不重复;cover指全适应展开 $("div.bi-card").css({"background":"url('/webroot/help/picture/xlk.png') no-repeat",'background-size': 'cover'}); //隐藏边框 $(".bi-border").css({'border':'none'}); //更换下拉框箭头的背景，margin-top指距离顶部位置；background-size为图片尺寸；objectFit为自适应；backgroundRepeat为重复属性 $('.bi-basic-button.cursor-pointer.bi-icon-button.horizon-center.bi-trigger-icon-button.overflow-hidden.pull-down-font.trigger-icon-button').css({ 'height': '10px', 'margin-top': '10px', 'background-image': "url('/webroot/help/picture/xial.png ')", 'background-size': '12px 12px', 'objectFit': "cover", 'backgroundRepeat':"no-repeat", }); }, 200) ②直接去掉边框和背景色，在加个报表块重叠即可 隐藏和去掉背景色JS setTimeout(function() { $("div.bi-card").css({"background":'none'}); $("div[widgetname='ORGANIZATION1'.bi-border").css({'border':'none'}); }, 200) 3.5 备注说明 ①如果js没有生效，可以将时延时间增长，再行测试 ②如果还是没有生效，可将setTimeout改为setInterval，两者区别查看文档 setTimeout与setInterval的区别 ③以上为部分属性，更多新自适应性控件属性修改查看文档  互助文档   最后，文档不完善或者有遗漏的地方欢迎各位大佬补充~~  

感觉最近论坛通知有点问题，有新消息没有通知过来，有通知的消息点进去看是前几天看过的信息 表示好难受

如题，我会用BI哦~