【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
附，作品介绍PPT：https://The forefront of pig farming.com/ppt-202308-1.html
一、团队介绍
1，团队名称
1.1，名称：猪柿如意队
1.2，缘由：希望每一头小猪都可以健健康康、膘肥体壮地长大出栏，and 每个养猪人都可以早日致富。
2，成员介绍
冥河：队长，驰骋的马。“不因技不如人而碌碌无为，也不因小有成就而沾沾自喜”。2023级BI新同学。
天平小鹿：队员，远见的鹰。是队伍的定海神针，是本次参赛作品的思路梳理主力。
樱桃：队员，善战的狼。特工一样的存在，快、准、稳，mission impossible-->没有不能完成的任务，本次参赛胜败关键。
3，参赛初衷
3.1，以赛促学，以赛促用：在实践中学习FineBI V6.0版本，综合提升小伙伴们的BI技术与团队协作能力；
3.2，世界很大，我们想出来看看：希望可以通过参加比赛，学习到其它行业、其它公司BI高手独到的分析思路与新颖的设计。发现、认清自己的不足与差距，努力提升自己，最后可以在自己公司里做出和高手们一样优秀的数据作品；
3.3，农牧行业数据分析探索：农牧行业是数据分析涉及较少的行业，希望可以借此机会，总结出一些好的数据分析方案，反哺到日常业务管理与运营中。
4，职责分工
二、作品介绍
1，需求梳理
1.1 业务背景
中国是全球最大的猪肉生产和消费市场，2022年我国猪肉产量5541万吨，约合7亿头生猪，市场规模超万亿元。市场庞大、刚需稳定、政府扶持，而生猪因猪周期的独特性，成为中国周期长风险最高的养殖品种之一。进入23年以来，行业供给严重过剩，猪价连续数月跌破成本线，猪粮比多次破5:1，年内国家已启动第二次收储，猪价触底推动一轮又一轮去产能化。保现金流、保产能、平稳穿越猪周期底部的根本办法是狠抓成本，在现金流为正的前提下，通过均衡满负荷生产稀释固定资产和生物资产折旧，用满负荷出栏量换来更低完全成本和更大变现可能。传统养猪企业如何精益运营管好养猪生命周期，如何面面俱到狠抠成本，如何灵活敏捷抓住市场机遇是非常大的挑战。相较于金融、制药、地产、零售等数据应用早、相对成熟的行业来说，农牧行业在数据应用建设等方面建设不足，尚处于处于数字化转型数据资产化和资产应用化的起步阶段：
（1）人为利用Excel对需向上层层汇报的报表数据汇总、加工，整合，所存在的数据链路过长、时效性差、数据维度口径不一、数据准确性难以保证、安全性低等弊端使得管理层对企业运营概况难以随时随地精准把握，缺乏掌控感；也缺乏及时了解一线实情的工具，对于一线的技术和业务指导不能有效的日常追踪和跟进；
（2）在日常运营管理中，周度、月度复盘皆采用历史结果数据，无法及时了解现阶段问题。大大延长了“发现问题——分析问题——给出方案——落地追踪”的生产管理改进流程；
（3）数据量大报表多，管理层难以实时掌握全局和动态，对于过程管理和短期未来的预判，基本上依赖管理层和操作人员过去的管理经验和个人能力；
（4）生产成绩数据颗粒度粗，难以挂钩人员考核，不能有效激励员工，存在吃大锅饭现象。
内外部环境的压力，对养猪企业提出了更高的要求：从粗放式发展到向管理要效益。养猪是民生事业，关乎老百姓的饭碗，养猪企业在周期起伏之中修炼好内功，其中出栏目标达成追踪与管理的数据可视化是重要的一项关键任务。
1.2 需求痛点与解决方案
序号
需求痛点/问题梳理
解决方案
1
数据滞后、未被有效利用且数据标准不统一：养猪是传统行业，数字化进程落后。公司内生产系统、财务系统、采购系统、人力资源系统、客户管理系统、OA审批流程等等独立运营，尚未互相打通，形成诸多信息孤岛，日常数据分析依赖人工excel重复的进行数据关联和手工汇总分析，人工的计算强度和效率在一定程度上限制了数据分析的广度和深度，而人员素质的参差不齐，产生了标准不一致口径不统一的数据分析结果在公司各个层级流转。管理层日常不仅面临数据和信息的滞后，还需要与各层级反复核实数据和信息以免决策偏差，管理决策滞后。
搭建自动化管理看板：建立公司指标体系，统一数据标准，通过BI搭建可视化管理驾驶舱看板，自动更新和计算，动态反馈公司当前运营健康度，各层级依据数据权限查看各项指标，用数据反馈经营、指导经营，形成闭环。指标体系量化的反馈配种、分娩、断奶、育肥、销售各个业务工段当前及预计未来的运营结果，包括且不限于满负荷率、分娩率、窝均活仔、断奶前成活率、成活率、正品率、存栏量、出栏量等等关键指标。
2
生产周期长过程问题反馈不直观，全链数据未打通，难以实时掌控全局运营：猪的生长周期长，自配种至分娩需要114天，自分娩至断奶需要25日龄。自断奶到育肥上市需要155，换句话说，每一头出栏的肥猪都是10个月兢兢业业、毫不松懈的“生产制造”的成果。对于员工而言，10个月或滋生惰性和侥幸心理，今天工作做不好没关系，等领导发现是几个月之后的事情，领导早不记得今天发生了什么，也不会追究我的责任。对于管理层而言，低头养猪过程中还需要抬头看天，10个月时间外部因素或发生巨大变化，例如猪价近高远低时是否可以考虑销售断奶仔猪，例如疫情高发季节是否减产，例如育肥场与种猪场错配导致空栏时是否外购仔猪，等等。如果不能全局了解经营现状并及时根据内外部环境的变化调整运营策略，在猪价波动中会被动挨打，甚至倾家荡产。对于猪自身的属性而言，“家财万贯，带毛的不算”，养殖过程中存在大量的不确定性，例如饲料中某一项原料的更换，或许猪越长越好，或许导致母猪便秘、脱肛脱宫、流产、死亡等。活物是敏感且不可直观预测的。
预测与全局：对于员工、管理层、甚至猪而言，一个能滚动反馈生产经营结果变化，通过调整关键指标等可推演所有可能的经营结果的预测出栏模型是非常必要的。员工实时收到工作结果的数据化反馈：我的工作非常重要，我的工作让公司增加出栏xxx头猪，营收增加￥xxxxxx。同时，模型帮助员工精益运营，增加收益。通过量化的工作结果，员工可反复修正工作动作，固化最优SOP，达成工作业绩，赢得考核激励。预测出栏模型完整的展示/预测一年之内当下、过去、和相对可靠的未来的运营结果，通过自动计算，向管理层实时展示物理空间和时间空间的运营全局。管理层通过调整生产参数假设、重新分配资源等，可全盘推演各类情况下，公司运营的整体变化。科学的战略规划，精准运营，识别机会，参与市场博弈。在实际生产中，生产参数的变化带来的出栏量的变化是一个复杂的系统，非线性变化，通过一个模拟生产场景滚动反馈生产经营结果变化的出栏预测模型，根据结果，追溯原因，沉淀经验，亡羊补牢，同时根据当前的问题，推演最终的结果，启用备选方案，确保运营目标达成，对于一家养猪企业而言是最难且最重要的。
3
人员评价靠主观，粗放且不公平，不精准，不及时：猪是农林牧渔行业中最金贵、最脆弱、周期偏长的一个物种，普通一次进场从开始进到见到活猪，可能需要跨过九九八十一道门，洗至少2次澡，核酸采样至少2次，从内到外从上到下全部更衣至少3次，时间超过24小时。一个布局全国的养猪企业如何在日常运营中在诸多遍布全国的猪场中识别优秀管理者、员工，快速调整拙劣平庸的人员，是非常大的挑战。
量化评价：在全局出栏预测模型的基础上，细化颗粒度到分子公司维度，分子公司间PK出栏预测达成率、各工段达成率、关键指标等等。例如，2月份A公司出栏预测达成率85%，B公司出栏预测达成率90%，A公司配怀阶段出栏预测达成率98%，B公司配怀阶段出栏预测达成率95%，则A公司在整体经营管理中差于B公司，但A公司配怀阶段操作优于B公司。
1.3 建设目标
搭建一个滚动反映运营全局的可视化平台，在展示当下关键指标、数据的同时，预测模拟全年的运营结果，用预算做准绳，实现对生猪出栏年度目标达成的数据化追踪。围绕生猪从配种到销售的生命周期，将追踪结果过程化，呈现各个生产阶段的表现情况。用数据来为预算追踪说话，同时定期检查追踪结果，及时采取措施处理异常情况，确保出栏目标能够顺利达成。
（1）全局概览：出栏预测达成 vs 预算，关键指标 vs 预期目标；
（2）追踪各层级组织各时间点的出栏任务完成情况；
（3）追踪并提醒组织负责人各种异常情况，及时处理；
（4）监督及检查各层级组织出栏计划的执行进度；
（5）通过数据持续地给到各层级组织管理人员压力；
（6）及早发现管理不足/问题点，避免问题发酵。并总结出优秀组织的先进管理经验；
（7）为次年出栏计划的科学制定提供参考依据；
（8）实现报表自动化，释放基层日常重复的劳动力。
2，指标说明
https://bisolutions.fanruan.com/webroot/decision/link/ScR7
3，数据准备与数据处理
3.1，数据来源
按可直接查询利用的ADS表进行表结构构建，由Excel随机函数生成脱敏数据。与生产数据无任何关系。
组织架构：参考了零售行业公开数据类书籍常用的组织划分。大区使用了常见的地理分布划分，如浙闽大区、苏皖大区，公司则由英文字母+数字进行编号；
行业词汇：使用了行业通用名词，非特定公司所有；
相关计算指标：使用的是行业通用的计算指标。其中涉及到的预测公式，亦未采用专业的算法模型，仅为常见的公式逆推。
3.2，数据表清单
序号
模块
数据表名
1
辅助功能：指标字典
00，指标字典
2
核心运营总览
00，总览数据
3
偏离定位与核心运营指标监控
00，生产核心指标；
00，生产环节差异瀑布图；
4
过程追踪：配怀
01，配怀阶段数据；
5
过程追踪：分娩+哺乳
02，哺乳阶段数据；
02，哺乳各阶段定基转化分析
6
过程追踪：育肥
03，育肥阶段数据；
03，育肥各阶段存栏猪死亡原因；
7
过程追踪：销售
04，已销售阶段数据；
04，周销售关键指标。
3.3，数据处理
3.3.1 生产环节差异瀑布图（核心处理步骤）
（1）分组汇总：
（2）列转行：
（3）排序：
（4）累计值准备：
（5）Y值准备：
（6）Y值轴：
3.3.2 哺乳各阶段定基转化分析（核心步骤）
（1）分组汇总：
（2）列转行：
（3）第一节点头数：
（4）每一节头数
（5）定基转化率：
3.3.3 模型视图
4，报告功能框架
4.1 报告主体
4.1.1 整体总览
（1）2023年度达成率概况：展示集团全年目标、预测达成值、预测差异、当前累计出栏、年度出栏达成率、各大区年度预测达成率、各省市年度预测达成率钻取地图、月实际/预测达成率、月累计实际/预测达成率；
（2）异常预警：以鲜明的红底指标卡，进行提示。并通过跳转功能，支持跳转查看异常公司明细；
（3）核心指标：关键的四项运营指标（分娩率、窝均活仔数、断奶前成活率、育肥成活率），并与行业领头企业进行对标，发现差距并争取赶上超过；
（4）偏差定位：找到导致目标发生主要偏差的生产环节，并进行追踪；
4.1.2 过程追踪
根据数据分析的公式法（年度出栏预测值=配怀预测+哺乳预测+育肥预测+已销售数），将总目标拆解成生产的四个环节的目标。在过程中，除了跟进各环节的目标达成情况，也通过公式的进一步拆解，跟进生产运作过程的运营指标。
（1）配怀阶段过程追踪：拆分成了总目标的配怀阶段预测出栏达成，以及生产过程中的配种工作进度、怀孕母猪存栏进度、配种妊娠率、内部妊娠率对比排名等；
（2）哺乳（含分娩）阶段过程追踪：拆分成了总目标的哺乳阶段预测出栏达成，以及生产过程中的分娩母猪出栏、活仔数、哺乳仔猪存栏、分娩率、断奶前成活率、哺乳各阶段定基转化、哺乳阶段各日龄存栏、内部窝均活仔对比排名等；
（3）育肥阶段过程追踪：拆分成了总目标的育肥阶段预测出栏达成，以及生产过程中的各周龄肥猪存栏、累计死淘率、死淘原因分析等；
（4）已销售阶段过程追踪：拆分成了总目标的已销售阶段实际出栏达成，以及过程中的周达成、大区达成、关键销售指标（平均饲养天数、销售料肉比、日增重）、销售正品率等；
4.1.3 分析层次
（1）描述性分析：描述各组织生产运营状况，透明化核心运营概况；
（2）诊断性分析：用出栏达成偏差瀑布图、哺乳各阶段转化分析等实现对异常环节、异常运营的定位与诊断；
（3）预测性分析：用年度出栏目标达成预测，及配怀、哺乳、育肥阶段达成预测，实现对生猪出栏年度目标达成的数据化追踪；
（4）指导性分析：结合前三类分析：为后续生产运营改善工作提供改善方向与策略的参考，使组织能够顺利实现既定出栏目标。
4.2 辅助性功能模块
在日常报表宣贯采集上来的报表目标用户使用意见反馈上，比较多的用户会反馈“数据团队做的报表涉及面很宽，也很好看，蛮有价值。但对我们来说，特别是新进员工，看到这么多报告，报告里又怎么多图表，会有一种眼花缭乱，不知从何用起的烦恼”。采集上的用户问题有“这份报告如何应用”，“图表里的这个指标，你们是从哪个业务系统来的、具体是怎么计算的”、“数据是最新的，都是怎么更新的”以及“图表联动、组件放大、导出”等一列问题。“想其所想，感其所感，帮其所需”。根据“使用户看得见、看得懂、用得好数据的报告，才是一份优秀的数据报告”的数据开发理念，在传统的报告主页新增了“报告简介”、“指标字典”、“咨询通道”这三个注重新用户使用友好性的功能模块，降低用户上手成本，提升用户使用体验。
4.2.1 报告简介
包含（1）适用对象；（2）分析思路；（3）应用价值；（4）内容概览。帮助报告目标新用户快速掌握报告的分析思路、内容、用途、价值。
4.2.2 指标字典
包含（1）业务板块；（2）指标含义；（3）取数口径。提供报告展示指标的业务口径、取数逻辑。
4.2.3 咨询通道
包含（1）数据来源；（2）数据更新；（3）查看技巧；（4）运营团队。前四项是日常报告查看用户、会议领上导常问的咨询内容。使用户在使用本报告时，知其源头，知至时效，知其使用。最后一项，则是用户需要深入交流报告承接团队的的联系方式。
5，报告分析框架
5.1 总体分析思路
5.2 分析方法
（1）公式法：年度预测达成头数=配怀预测+哺乳预测+育肥预测+已销售数，通过公式法，逐渐拆解出生产环节相关目标指标及运营指标；
（2）波士顿矩阵：各个大区/公司（此处设置了钻取目录，可进行下钻或旋转）在分娩率与断奶前成活率象限图的分布，其中超过标准分娩率和断奶前成活率的象限为优秀区域，低于其中之一标准的象限为橙色预警区域，均低于标准的象限为红色预警区域。快速分辩出优秀、预警、异常的组织。
（3）TopN：找到某个生产节点表现优异与不佳的组织，例如窝均活仔Top10和Last10；并且可以识别出对应的极优值，通过极值追踪，积攒优秀经验，并不断寻求相关指标的突破提升；
（4）对比分析（出栏达成追踪的标准）：对比找出差距、对比产生压力、对比发现问题；
其中，预测达成率的正常、预警、异常标准：
正常标准：90%~110%
预警标准：80%~90%、110%~120%
异常标准：0%~80%、120%以上
（5）转化分析模型：看新生猪至各哺乳日龄段存栏留存情况直至预计断奶的定基转化情况，找寻出异常环节或做的不好的环节，加以改进。
5.3 整体呈现逻辑
整体概览——>异常组织、环节定位及核心运营指标监控——>过程追踪（配怀、哺乳、育肥、销售）。详见思维导图：
5.4 报告页布局设计
6，UI配色
6.1 引导页主题色：橙色
选用了柿子的橙色。成熟的柿子，酸酸甜甜。秋收时节橙色的外表，看着也极为喜庆。橙色寓意着心想事成；而柿子寓意着事事如意。橙色的主调，代表着丰收和喜悦，是养猪人一年美好的期许。
6.2 报告主体配色：青橙配色
青色代表了农牧行业农作物、畜牧牲畜的活力和生命力，而橙色则象征着从事该行业员工的温暖和热情、以及对养猪事业的美好期许；引用青橙配色，也是希望可以传达出传统行业——农牧业在数字化转型过程中展现出的清新、活力、积极和创新的气息。
6.3 报告图表配色及原则
（1）语义颜色一致：如正常绿色、预警橙黄色、异常红色；
（2）指标颜色一致：同一指标尽量保持同一配色；
（3）数值指标一致：如哺乳各阶段转化、各日龄转化，采用生长系作为配色，展示猪的生长；
哺乳各阶段转化：
各日龄存栏：
7，成果展示
点击“异常公司数”指标卡，可跳转至异常公司详细信息清单。
整体概览包括：年度出栏目标达成整体概况，组织层面达成情况、按月份滚动达成情况、地理层面达成去看和异常组织总览。用户可通过点击地图中单个省份联动全页查看地理维度数据，或下钻查看省份下各市级维度数据。
组织架构背景：集团下设两广、云贵、川渝、浙闽、湖北、湘赣、苏皖七大区，每个大区分管2-5个公司。
此页设计目的是帮助日理万机的管理者直观简明地概览当下经营的全局：1）累计运营缺口132.13万头，年度预测出栏达成率92%。2）当前累计出栏204.71万头，1月、2月均低于目标出栏量。3）地图中展示各个省、直辖市预算达成率情况，重庆和云南省红色警报，达成率75.7%、79.1%，通过下钻可查看市级各公司情况，其中曲靖预算达成率67.1%是造成云南省低于80%的原因，通过联动可查看当前所选地理区域的预算达成详情。4）当前集团存在4家异常公司，点击异常公司数：4可跳转至异常公司清单，他们是川渝大区的A1和A2、湘赣大区D2公司、云贵大区B2公司。5）集团当前七大区中川渝、湘赣需要重点关注，为了追补出栏缺口后续可通过外部采购猪苗、增大配种量和跨越式提高分娩率、成活率等操作来达成目标。
总览重点关注：川渝、湘赣大区，A1、A2、D2、B2公司。
Chapter 1：可视化管理驾驶舱，集中呈现各生产节点关键指标、各大区运营表现、预测差异瀑布图等，从统计分析层面剖析集团运营现状。
首先报告展示了集团在行业内的竞争力水平，对标行业标杆X公司的关键指标和核心数据，集团在分娩率、窝均活仔、断奶前成活率和育肥成活率上均微弱落后。为达成最优成本增强竞争力，后续集团需拿出举措在配怀舍管理中重点抓配种质量和妊娠期培育来提升分娩率和窝均活仔数，在产房舍管理中重点抓哺乳期管理来提升断奶前成活率，在放养和育肥管理中抓饲料和人员管理来提升育肥成活率。
看完整体后关注各个大区，在年度预测达成率分布中川渝大区达成率分布的偏离度偏高且突破下警戒线。在各组织表现概况中川渝、云贵、湘赣均有红色预警公司。在右下组织4项关键指标表现上，川渝大区窝均活仔和分娩率偏低，主要由于冬季疫情导致流产、死胎、木乃伊增多，其他各项生产指标未下降，说明川渝大区达成率的偏低非生产技术能力和管理水平的下降。同时，我们发现两广大区分娩率93.6%、育肥成活率96.2%均高于标杆X公司，集团应尽快派驻专家现场归纳总结成功经验，形成标准化操作流程在集团范围内推广。
最后从预测差异瀑布图来看，整个集团当前运营各环节之间的PK，其中育肥差异最大，主要由于冬季疫情导致死亡增加，后续在生物安全防控和疾病治疗中需加大力度。哺乳差异反馈的是哺乳仔猪死亡，死亡比例略高于预算标准，但仍在合理范围之内。销售差异反映了育肥猪最后临门一脚的变现损失，在这个环节时间周期24小时以内，育肥猪已长成抗应激抗疫病能力强，损失18万头非正常情况，或说明出现了舞弊风险，需立即梳理业务流程、开展风控管理和审计工作。
Chapter 1 核心运营指标重点关注：优秀典型：两广；落后典型：川渝、云贵、湘赣；育肥和销售环节。
Chapter 2.1：Chapter 2 是各个养猪环节的详细分析。2.1是配怀环节，主要追踪的是从配种到分娩前母猪的情况，内容包括配种完成情况，怀孕母猪存栏情况，已完成的配种对应出栏预测的情况，公司排名，以及历史趋势，便于管理者做好配种工作安排，识别异常公司，查看改善趋势。
当前累计配种工作已完成87%，累计实际配种与预算配种的差异73,408头，集团刚经历了冬季疫情侵袭，在生物安全战略决策下川渝停产3周，其他大区受产床周转、分娩率和窝均活仔提升等原因实际配种低于目标配种头数已能达成满负荷生产，当前配怀预测出栏达成率101.6%。在大区下属公司中，受疫情影响B2公司妊娠母猪损失最大，配种妊娠率仅53.1%，其育肥环节必然面临进苗不足的情况，需从兄弟公司借苗或外购仔猪方式来满负荷运营，大区需提前准备精准调度。
Chapter 2.1 配怀重点关注：B2公司
Chapter 2.2：分娩+哺乳，重点追踪分娩母猪达成率，窝产活仔满负荷，哺乳仔猪存栏满负荷，和本阶段折合出栏预测的达成率等。
受冬季疫情影响当前分娩率、活仔、哺乳仔猪存栏、预测出栏均低于预算。通过波士顿矩阵图对比分娩率与断奶前成活率的分布，两广大区位于优秀区域，川渝大区的分娩率和断奶成活率需要重点加强。对于窝均活仔低于14头/窝的公司，例如A1、A2、B2、D2，集团应重点加大配种技术类的管理和培训，以快速提升窝活水平，理想的窝活在15-16头。集团根据分娩率、断奶前成活率和窝均活仔排名，请优秀公司，例如C1、E3、G2、D1，归纳总结优秀的生产技术和管理措施在集团内推广，快速改变落后公司业绩。从哺乳各阶段转化的漏斗图看，3-7日龄仔猪死亡率较高，需加强巡栏和培育管理，重点关注在此期间的断尾免疫操作的正确度，避免仔猪应激造成的死亡。
Chapter 2.2 分娩+哺乳重点关注：优秀典型：两广；落后典型：川渝、A1、A2、B2、D2公司。
Chapter 2.3：育肥，重点追踪育肥出栏达成率、死淘原因、死淘率对标等。
当前育肥猪存栏接近各周龄理论肥猪存栏，由于冬季疫情，上游仔猪供给不足和部分肥猪异常死亡导致6周龄、18周龄和27周龄肥猪低于理论存栏。从累计死亡原因来看，突死占24.5%，咳喘死亡占22.1%，腹泻死亡占比15.6%，集团应立即派遣兽医到猪场实地调查突死真正的病因，是否发生未知疾病，另外，咳喘和腹泻也反映出冬季保暖通风措施的不足，在成本可控的前提下，集团应派生产管理专家到现场调研猪群密度、通风、空气净化、冬季取暖等情况。从全程周龄实际死淘率vs标准死淘率来看，当前22周龄育肥猪累计死淘较高，接近标准，整体存栏猪群来看累计死淘在可控范围内。另外，25周龄及以上的育肥猪全程日龄已达200天，需及时进行销售，集团应安排销售团队尽快组织出栏。
Chapter 2.3 育肥重点关注：疫情防控，25周龄及以上育肥猪销售。
Chapter 2.4：销售，重点追踪实际销售vs预算销售，销售来源和各公司详细销售情况。
实际出栏头数低于预算，达成率92.1%。受疫情影响，川渝销量偏低达成率89%，两广、浙闽受市场偏好超体重肥猪的影响，增加饲养日龄延迟出栏，故销售达成率低于预算。受市场偏好影响，销售指标中平均饲养天数已经自23年第5周起增加至178日龄，随着饲养日龄的增加，日增重增加，料肉比降低，符合肥猪生长规律。今年以来出栏肥猪的料肉比在2.81-2.93之间波动，相比行业先进水平的2.75仍有较大改进空间，集团应加大力度做好饲料管理和现场巡场，避免浪费、偷料、盗料等情况发生。23年第7周出现料肉比下降的问题，集团应关注配方变化和饲料原料选用问题。在正品率的展示中，两广、湖北、浙闽、云贵大区需重点关注，加强育肥阶段的生产管理，尽快达到95%的标准正品率。
Chapter 2.4 销售重点关注：川渝大区，两广、湖北、浙闽、云贵。
总结：受疫情影响，川渝大区出栏缺口较大，在后续生产管理中建议采用猪苗调拨、外购猪苗等办法快速补充育肥缺口。在日常生产管理中，两广大区具备行业标杆企业的生产管理能力，应迅速总结成功经验固化生产动作，在集团范围内推广落地。在集团整体生产流程的管理中，要针对性帮扶落后大区、公司，拉齐与标杆X公司在配怀、分娩、哺乳、育肥等环节的差异，提升疫情防控，加大销售风控、饲料管理，降本增效，平稳穿越猪周期。
8，作品链接及预览图
作品公共链接：https://bisolutions.fanruan.com/the target was achieved due to tracking
作品预览图：
三、参赛总结
1，工具应用
天平小鹿：6.0是期待已久的版本，在实践操作中我们发现BI使用的门槛越来越低，越来越user friendly，相信越来越多的人会使用BI。在开发过程中，页签式的版面把数据处理、仪表板、组件等更好的组合在一起，把散乱的数据集和仪表板整合起来，用一个分析主题装入全部内容，不论在操作上还是分享上都非常方便。新增的桑基图很好的解决了从哪里来到哪里去的流程追溯问题，可以清晰的分析和展示出口的数量和占比，对于日常工作中多个业务流程长时间周期的各环节评价有非常好的帮助。而由于日常运营管理偏向PPT汇报的模式，BI报告的截图像素偏低，不够清晰，能否有把报告打印成高像素图片的功能？另外，后续是否会考虑加入回归分析等功能？是否会结合AI把数据分析的深度和广度再上一个层次？期待FineBI的下一次自我升华！
樱桃：6.0版本在数据处理方面做了很多展示形式和功能的升级。增加了拆分行列、删除重复行、列转行等功能，功能更加强大。其中列转行功能对日常的工作尤其有帮助，之前只能依赖于先在excel中做逆透视的转换，现在可以直接使用列转行功能，一个步骤即可解决问题，极大的提高数据处理的效率。
冥河：相较5.1，6.0对新用户做出了不少友好性优化。如（1）整个开发流程：数据处理+组件+仪表板+发布更加紧密平滑，没有分割感。但对存量用户来说，开发流程的改变确实需要一段时间适应。另，6.0可以很明显地感受到BI产品经理在过去用户使用调研中，对用户使用过程中的一些痛点，付出心血去做了有诚意的优化。如公共数据。在5.1版本中，特别是对数仓建设欠佳的企业来说，解决了公共数据的分组、业务包中容易存在大量中间表的老大难。def函数也是将BI的数据计算拔高了一个层次。还有数据更新插队、数据预警、数据解释、回收站、多人协同编辑等新功能。但是仍有一些5.1的老问题没处理好：（1）悬浮的文本组件、图表、图片组件等，编辑与预览状态不一致，会偏移；（2）不同设备不同分辨率上的自适应性尽管做了优化，但效果改进还是达不到要求；（3）文本组件文字的垂直居中也依然没有实现；（4）文字大小大部分是固定的枚举值，不能像FineReport比较自由，部分字体也不能一起更改。总之，6.0呈现出了帆软对自家用户的用心，但仍有不少进步空间。希望国产的帆软可以早日成长为Gartner榜单上的正式成员。
2，心得体会
天平小鹿： 一个直觉的“好”，通过数据分析的逻辑拆解成理性的好，量化的好，好在哪里，好的价值。这是此次比赛学到的。
樱桃：数据来源于生产，应用于生产。
冥河：
（1）使用户“看得见、看得懂、用得好”数据的报告，才是一份优秀的数据报告；
（2）这次比赛的小伙伴，来自集团成都、北京、青岛三个base地，在协作上有诸多不便。但仍然可以很清晰地感受到小伙伴付出的努力与付出。天平小鹿、樱桃两位小伙伴月结时期，还特意抽出时间一起探讨，并且很耐心细致地分享养猪的经验与知识。樱桃在做数据脱敏及数据调整也是非常负责认真。希望这次比赛可以猪柿如意，也能有一个好的结果吧~
