请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
张丹洁(uid:525317)
职业资格认证:FCA-FineBI | FCP-FineBI | FCA-数据分析理论
【2023BI数据分析大赛】渠道降本增效的通用解决方案
1、选手介绍 团队名称:探索者 团队介绍:            Dana,LeZ数据分析师,BI探索型分析爱好者。            athlonk7,LeZ前数据分析师,一位老朋友,一位误入AI歧途的中年人。 团队组成:LeZ数据分析师 2、参赛初衷 公司现在使用的BI还是5版本,6版本只是在本地星星点点的使用,希望借大赛的机会逼自己系统练习一把,探索下6版本的新功能和现有的业务报表是否能更好的结合。 数据分析是一个不断进化的领域,如果沉浸在自己的小世界里,不与外界交流,很快就会落后一大截。希望通过比赛,能够和同行交流心得,切磋技艺。学习下其它朋友们是如何解决问题、如何优化算法、如何为企业创造价值的。 同时,比赛更是一个学习的过程。我们想要看看自己在这个领域的真正实力,也想知道自己与其他选手相比,到底差距在哪里。 二、作品介绍 1、业务背景及需求 当疫情散去,2023年的景象并不如人们所预期的那样充满希望。企业和个人面临着更多挑战。在这种背景下,“降本增效”成为了每个人耳边的常态,也成为了每家企业努力追求的目标。 我们是探索者,LeZ数据分析师,LeZ是一家专注于玩具零售的公司。在东莞、厦门和深圳拥有11家直营门店。为了拓展业务领域,公司在2022年底收购了另一家玩具渠道商,这使我们成功进入了澳门、珠海、福州的市场,并在电商平台上开设了7家店铺。现在,公司总共有34家门店,其中包括27家线下店和7家电商店。 23年年初,公司完成了系统整合。从1-4月的销售数据来看,一切似乎都在朝着正确的方向发展。但在4月底的公司月度经营探讨会议上,我们从高层的讲话中明显感受到了一股紧迫感。外部环境的压力逐渐显现,公司需要更快地调整策略来应对。。为了响应“降本增效”的呼声,公司内部经过了多次的讨论和争议,最终锁定了两个关键点。 需求: 首先,是优化各职能部门的报表。这听起来可能不是一个技术性的改进,但背后的意义却远超我们的想象。传统的报表编制经常需要几个部门联合,消耗大量的时间和人力资源。而且,手工制作的报表往往伴随着误差,这对于决策层来说,是一个巨大的风险。通过将这些报表上系统、自动化,我们不仅可以确保数据的准确性,还可以大大缩短报表的编制时间,使员工可以将更多的时间和精力投入到更有价值的工作中。对人力成本的优化也有一定的帮助作用。 第二点,上线重点商品计划,这是一个直指LeZ公司核心业务的决策。玩具市场瞬息万变,每一款新玩具的上市,都可能引发一个新的市场趋势。如何在这种环境下,确保公司的产品始终领先于市场,是我们一直在思考的问题。只有通过优化产品结构,将重点放在那些市场需求强烈、利润空间大的商品上,LeZ公司才有望在激烈的竞争中占据有利位置。 2、分析思路 3、数据来源及处理 3-1、数据源说明:企业数据脱敏处理 3-2、数据清洗示例:            使用python建立了新旧名称的映射表字典,通过逐行读写数据,完成对商品名的批量处理(如下图示例,脱敏商品信息)                 4、数据字段 与 数据处理 4-1、数据架构:               4-2、字段:                  ①事实表:订单明细表:                                      ②维度表:                   A. 商品信息表:                                       B. 门店信息表:                                       C. 会员信息表(会员基础信息表、付费会员表,共两张表):                                                           ③ 目标表:                    A. 门店月度目标:                                        B. 品牌月度目标                     5、可视化报告 重点商品专案报告            重点商品专案计划出来后,第一步是选品,为此我们建了一个选品模型,如下图:                        Part1 - 选品模型           1-1 选品矩阵:           依据品牌的年度份额和毛利率对每个品牌划分区间,份额和毛利率双增长,且毛利高于大盘34%的品牌优先纳入候选商品池。          从选品矩阵图中可发现,Vtech市场份额最高,但其份额从21年的32%下降至23年的25%,且其毛利率仅31%,低于大盘平均的34%,故未选中。综合来看,Toys、Purple Plume、Quick Joy三个品牌提升空更大。           1-2 商品毛利ABC           从ABC分析看,截止4/30,Toys、Purple Plume、Quick Joy三个品牌毛利额合计已基本与Vtech持平,若后期作为重点品牌运营,投入更多的促销资源,毛利额大概率可以赶超Vtech。           综上,选品结果:Toys、Purple Plume、Quick Joy                     P.S 品牌份额的计算使用DEF函数,先用DEF_ADD计算出每个品牌的销售额,第二步计算当月所有的销售额,相除即为品牌份额。                DEF_ADD(SUM_AGG(${销售额}),${品牌}) / DEF(SUM_AGG(${销售额}),YEAR(${交易日期}))                品牌毛利率的计算逻辑:                DEF_ADD(SUM_AGG(${毛利额})/SUM_AGG(${销售额}),)                                 选品结束后,需要逐月分析专案效果,经与业务人员探讨&综合公司的重点指标,故制作了如下专案报表模板,月更即可。                            Part2 - 专案效果分析                2-1 专案运营后,各品牌的销售和毛利达成均在110%,完成较为出色。再各品牌的份额是否有提升?从数据结果看,                Toys从5月起,份额维持在16%-17%,在整个大盘增长的情况下,份额可以从4月份的15%继续攀升,足以说明此品牌的增长颇佳。                Purple Plume从5月起,份额维持在9%,4月份这个数字是8%。Quick Joy从5月起,份额维持在11%,4月份这个数字是9%。均达预期!                                               2-2 从毛利额及会员拆至月看,5月&6月增长明显,拆至周的角度看(可跳转查看),22周(5/28-6/3)6/1儿童节出现了爆发增长。               2-3 综合新老客 & 复购率的维度看,复购情况并不理想,说明较多的销售贡献来自人数的增长,开拓更多的新客有力的支撑了销售和毛利的达标。                                               专案分析最终仪表板呈现:                 日报模块            日报,数据解读不是核心,重点有三个:            ① 展示高层关注的重点指标(销售、毛利、达成)            ② 自动化发送(FineBI的定时调度)            ③ 数据预警             在设计之初,我们的初心是:通过参数来实现自定义筛选日期,展示出对应的销售额、毛利额、及其对应的同环比。甚至达成进度的警戒线就是日期进度动态实现,用以对比当前达成和日期进度的差距,             奈何建了一堆指标之后,发现通篇用参数,很难实现。比如,日期区间一旦筛选,用参数算的日期进度就算错了,识别不出来区间日期。                           探索失败,乖乖回到原路。。。           先看 ① 重点指标             指标卡展示,辅助图形(哭脸、箭头等)来展示销售、毛利、达成。                        跨表维度计算指标,设计了主题模型建模(星型模型),在设计门店、商品维度的展示时,可以直接跨表选字段,                            可视化亮点:仅展示排名靠前、以及靠后的门店,但排序数字正常(1/2/3。。。32/33/34)                           第一步:计算固定排序,如下图: DEF函数多层嵌套。             DEF(COUNTD_AGG(${门店名})+1,${门店名},(DEF(SUM_AGG(${销售额}),${门店名})/DEF(AVG_AGG(${门店销售额目标}),${门店名})) > EARLIER(DEF(SUM_AGG(${销售额}),${门店名})/             DEF(AVG_AGG(${门店销售额目标}),${门店名})))             计算结果是1.2.3。。。                           第二步:相对于要展示的%,DEF的固定排序数字过大。需要除以10000,将其调整为0.0001。其它如下图设置即可。                                     ② 自动化发送(FineBI的定时调度)                                                                                      ③ 数据预警(每日定时邮件)                                        P.S. 预警值的设置只能是常量,没办法根据日期进度做运算。                                           日报最终仪表板呈现:                   三、参赛总结 1、FineBI工具 那些优点 ① 不得不提的DEF函数,在仪表板算指标是真的方便呀~ ② 新增计算字段可以整个分析通用,比5.0的只能在单个组件用方便多啦~ ③ 主题模型建关系后跨表选字段赞; 那些不便,那些想做,但实现不了的 ① 组件并排展示,仪表板需要的组件比较多时,组件和仪表板来回切真麻烦呀~ ② 树标签没办法自适应 现有的模式: 想要的格式,但筛选项显示不出来 ③ 通过时间参数控制整个仪表板的筛选,比如日期进度、自定义同环比、警戒线,但实现不了 举例:日期进度,是用参数计算的,一旦日期区间选择两个,这里的进度就计算错误了。 ④ 预警值的设置只能是常量,没办法根据指标做运算。 2、参赛心理路程 在大赛即将结束的时候,我们才决定参赛,高压、仓促,连续一周的挑灯夜战,几乎到了崩溃的边缘,好几次,我默默问自己:要不要放弃? 心说:放弃算了! 大脑说:不要放弃!扛过去! 几番拉扯中,大脑战胜了心。继续挑灯夜战,一路探索。 探索着探索着,发现我给自己挖了个大坑(见“哪些想做,但实现不了的”),随后,给自己了一个忠告:紧急时刻,千万不要搞创新,否则很容易死翘翘。。。忠告完毕,乖乖切回稳定模式。结果,临近交稿的最后一天,又忍不住在探索新功能。。。 这个心理路程,又让我反思了两点: 1、论目标的重要性! 2、要过程还是要结果? 心脑大战又开始上演。。。 但感触最深的应该是不到最后一刻,绝不放弃,所以,才有了今天的作品。 在我们还在努力完成作品的时候,陆陆续续看到论坛上上传了很多优秀的作品,对比各位大神,我们的作品似乎没那么优秀,但就像跑马拉松,此刻对我们来说,重点不是跑进top,而是,我们在各种挑战下,坚持跑到了终点…
戏说DEF
DEF函数是FineBI 6.0家族诞生的一个全新函数,DEF,define的缩写,意思是 你想要的指标,我都能定义。DEF家积极响应国家政策,有三个娃:哥哥DEF、妹妹DEF_ADD、弟弟DEF_SUB。先介绍下这三个牛娃: DEF(聚合指标, , )  DEF_ADD(聚合指标,,)  DEF_SUB(聚合指标,,)  单看外观,是不是发现他们三个长一样?都是三个参数,参数一是聚合指标,参数二是维度,参数三是过滤条件 但其实他们各有所长:   DEF 函数使用 ,计算聚合指标值。组件中「分析区域」中拖入的维度不影响函数的计算结果,即 DEF 只关注自己指定的维度,外界的维度与我何干?!(哥哥个性) DEF_ADD 函数使用「分析区域的维度」+「指定维度」,计算聚合指标值。即组件中「分析区域中维度」的增减会影响函数结果。妹妹不仅有小我,还在不断的与外界互动中定义自我(绝对是混社会的一把好手) DEF_SUB 函数使用「分析区域的维度」-「指定维度」,计算聚合指标。即组件中「分析区域中维度」的增减会影响计算结果。但DEF_SUB 函数的维度是用来“忽略”分析区域中的维度的,怎么说呢。。就是当DEF_SUB 函数指定的有维度A的时候,若分析区域中刚好也有这个A维度,那。。。抱歉,A维度请自觉Say goodbye(狭路相逢DEF_SUB完胜,打败你,与你无关,弟弟威武) 为了更好的理解这兄妹三个,我们通过举例来做对比:   模拟数据源样表如下: 日期 城市 订单号 会员号  销售额   件数  23/1/5 上海 A0158 C_0098 2,568 7 23/1/6 上海 A0159 C_0099 456 3 23/1/7 苏州 A0190 C_0190 50 1 23/1/8 上海 A0161 C_0109 4,573 12 23/1/9 重庆 A0162 C_0104 2,868 8 目标:通过计算不同城市的去重会员数来看DEF在实际应用中的差异 插个话。。。FineBI 6.0之后版本有两个位置可以使用DEF函数:     分析主题 ->> 数据集;仪表板 ->> 组件中创建计算字段 此处举例我们使用第二种,即在仪表板中通过创建字段来使用。 走起~  Step1  打开FineBI6.0,在tab【我的分析】中新建分析主题,弹出【选择数据】框,将Excel数据导入(当然,当前工程上有数据的话,可以直接调用工程上的数据)  Step 2  数据导入完毕,咱直接调用,毕竟,今天的主角是DEF,数据处理的过程不重要~ 先建组件-->添加计算字段,下图示例为 DEF(COUNTD_AGG(会员编码)),计算total会员数 其它公式如下(第三维度的添加会加大理解难度,暂且不加):                     DEF_ADD(COUNTD_AGG(会员编码))DEF_SUB(COUNTD_AGG(会员编码))DEF(COUNTD_AGG(会员编码),城市)DEF_ADD(COUNTD_AGG(会员编码),城市)DEF_SUB(COUNTD_AGG(会员编码),城市)DEF(COUNTD_AGG(会员编码),)DEF_ADD(COUNTD_AGG(会员编码),)DEF_SUB(COUNTD_AGG(会员编码),)  Step 3  接下来,重点来了~ 我们来新建4个组件,对比下不同维度下公式的差异(总计会员数是5814人,公式在表头,每个组件的第一个公式COUNTD_AGG是标杆值): 组件a. DEF三个函数的第二参数不指定维度,组件不拖入维度,计算结果: 三个公式计算均为自动聚合的总计人数5814; 组件b. DEF三个函数的第二参数不指定维度,组件拖入维度【城市】: DEF_ADD & DEF_SUB 两个函数会受到组件维度【城市】的影响,计算结果为每个城市的会员数; DEF则不受 组件维度【城市】的影响,计算的是总计人数5814; 组件c.  DEF三个函数的第二参数指定维度【城市】,组件拖入维度【城市】: DEF 函数会受到第二参数指定维度【城市】的影响,计算结果为每个城市的会员数; DEF_ADD函数会受到组件维度【城市】 以及第二参数指定维度【城市】的影响,计算结果为每个城市的会员数; DEF_SUB则忽略组件维度【城市】的影响,计算的是总计人数5814; c_1. DEF三个函数的第二参数指定维度【城市】,组件拖入维度【销售日期】: DEF 函数会受到第二参数指定维度【城市】的影响,计算结果为每个城市的合计会员数5814,组件维度【销售日期】对计算结果没有影响; DEF_ADD函数会受到组件维度【销售日期】 以及第二参数指定维度【城市】的影响,计算结果为每月、每个城市的会员数的合计(之所以和标杆值一致,是因为数据源内本身没有存在城市间的重叠会员); DEF_SUB函数会受到组件维度【销售日期】,忽略第二参数指定维度【城市】的影响,计算的是每月的会员数,下图2会看的更直观(之所以和标杆值一致,是因为数据源内本身没有存在城市间的重叠会员); 组件d. DEF三个函数的第二参数指定维度【城市、销售日期】,组件拖入维度【城市】: DEF 函数会受到第二参数指定维度【城市、销售日期】的影响,计算结果为每个城市、每月的会员数合计(注意观察和标杆值的不同); DEF_ADD函数会受到组件维度【城市】 以及第二参数指定维度【城市、销售日期】的影响,计算结果为每月、每个城市的会员数合计(注意观察和标杆值的不同); DEF_SUB则忽略组件维度【城市】的影响,计算的是每月人数的合计5814(注意,第二参数指定的【销售日期】维度相当于多余的维度,对结果无影响); (⊙o⊙)…对比完毕,小结一下,争取前后呼应: 哥哥DEF :只关注自己指定的维度,外界的维度跟他没关系; 我就是我,不一样的烟火 妹妹DEF_ADD:不仅关注自己指定的维度,还和组件中的维度互动,然后重新定义自我; 我与世界合二为一 弟弟DEF_SUB:我的维度就是用来PK组件维度的,绝对完胜; 不服来战   就酱紫~下次说说怎么在实际的业务场景中使用DEF,回见~   本文经授权,转自公众号:BI实战    
这小兔也太萌了吧
被娃拆了的新年礼盒
      礼盒昨天到的,特意叮嘱家人,不要让娃给拆了,结果,悲催的通宵加班后(上一次通宵加班是7年前,哎,早上6点出公司的时候,还自嘲了一下,这年纪了竟然还拼体力),进家就看到了被拆的包装袋,然后,日历被扔在桌子上,毛毯被娃抱着,已经睡了一晚了,娃说超喜欢上面的老虎,好吧,难得你喜欢,原谅你私拆我的礼盒了 。。。
2021,那些感激,那些难忘,那些欣喜
与帆软相识14个月有余,时间很短,故事很(ye)长(duan),说三个“最”吧~ 最感激,帆软的技术支持小伙伴,帮忙解决了N个搞不定的计算逻辑问题 很多个FineBI的知识盲点,都是技术支持小伙伴在协助指点,曾经有二周,每天都是和技术支持从上班开始,断断续续的聊到下班、甚至八九点;这些指点,犹如指路明灯,让我快速上手,并且可以熟练使用各种功能,实现想要的不同类型的分析;也正是因为BI的威力被挖掘,公司2021年开始,决定通过BI将零售数据赋能于品牌方,我们开发了一整套针对各个品牌的销售分析、会员分析仪表板,日更、日推;这套报表的开发及维护,使CRM团队的工作量增加了很多,于公司而言,这是数据在产生收益(虽然微乎其微),但对CRM团队来说,看到品牌方的良好反馈,我们突然觉得累也值得,那是一种付出被看见、被尊重的喜悦、也是一种我们有能力帮助别人的自豪; 最难忘,夏季挑战赛 和小伙伴们一起挑灯奋战的一周,凌晨3点的灯光,见证了辛苦,也承载了期许,可喜的是,结果大家还算满意,身为小组长,我也算没有辜负大家的期许;这个作品,我个人最大的体会是:论故事的重要性!在经历过多次分析报告被淹没在邮箱之后,我终于明白了一个道理:一份分析报告,如果没明确分析目的就开始罗列事实和数字,没人去关心你的报告做的多精美,也几个人能看得下去,要学会用数据讲故事,明确分析目的、有冲突、有解决方案,就会很容易吸引大家的注意,就像我们到现在都记得小时候听过的小红帽的故事,但未必记得住柳宗元的《江雪》; 最欣喜,有机会参与帆软的课程共创 Q4,和帆软共创了《零售电商+FineBI》系列课程中的3节课,《会员购买行为分析》、《商品分析-ABC分析法》、《商品分析-购物篮分析法》,第一次完成10000+字的讲稿、第一次录视频,反反复复、跌跌撞撞,终于,年末课程和大家见面了,我其实有点紧张大家的反馈,因为我语速较快,有出现个别的卡顿。。。这些都是我认为的不足;前两天,偶然听到了郭大侠的数据思维课,当听到郭大侠形象的用“数据的期望值”解读墨菲定律的时候,我一直以来的“做最坏的打算、做最好的准备”的想法重新被激活,我突然就释然了,紧张什么呢?!用平常心来看待这个事情,初次挑战开发课程本身就是一种生活的经历,我尽自己最大的努力做好了准备,那怕有不完美,这个经历本身已是成长,如何优化课程,使之变得有趣、有料、有温度,是2022要思考的命题和努力的方向,继续加油喽~ 2022年,一定会是和帆软更加紧密关联的一年,也一定会有更多精彩的故事发生,明年,再说给你听~
一入'FineBI'深似海,从此'其它BI'是路人
1.初识FineBI 与FineBI结缘十月有余,时间不算长也不算短,缘于入职一家新公司,公司月报里各个维度分析是用BI做PPT的跳转链接,初见时,觉得界面一般,没什么特别;初识后,因为很多逻辑类似于Excel,上手很快,就开始吐槽自助数据集的计算之繁琐,之所以吐槽,是因为习惯了Excel的透视表模式,一张大的基础表,想怎么放维度就怎么放维度,实现不了的,还能用powerpivot,而FineBI自主数据集的计算,一旦算好,维度是死的,数据也是死的;为了解决这个问题,我认识了FineBI超友好的帮助文档和服务超好的技术支持,从此开始打怪升级,了解了数据集计算技巧、仪表板计算、权限分配等,对工作帮助颇多! 2.学习班经历 & 成果 为了更好的打怪升级,我之前曾简单的了解过社区的培训班,因为和其它学习内容冲突的原因,一直没报名; 6月份,为了检验下自己FineBI段位,我报名参加了夏季挑战赛,小团队有幸获得了最佳行业应用奖,助学权益实现了我的FineBI学习小梦想,也正是因为这一点,让我对FineBI迸发了无限好感,因为在我看来,这是一个良性循环,如果你有热爱,这个热爱还能养活你,并且让你有力量持续热爱,这是多么幸运的一个事情~ 抱着对FineBI的期许,我进入了2107期学习班,能写到今天这个作业,我强烈的想告诉大家,我经历了什么,学到了什么: 1.    没有周末,因为所有的周末都是用来写作业的,如果很不幸,周末效率不高,那接下来的周一晚上和周二晚上,必定是一个凌晨还在”挑灯夜读”的夜晚(此篇,是我凌晨两点爬起来写的…); 2.    开始体会“学习也可以付出的心甘情愿”,回顾十几年的学习生涯,我发现我最努力的时候不是学生时代,而是现在,可以在准备挑战赛作品的时候,写到凌晨4点钟,可以写作业的时候,凌晨两点爬起来…之前,我曾经问过公司的技术大佬,问他牛逼的经验是怎么炼成的,为什么我觉得自己很努力了,但是成长还是很慢?大佬问了我一个问题:你喜欢写代码么?会在上下班路上、下班后、周末去练习去学习么?我说:我觉得自己蛮喜欢的,也会牺牲玩乐的时间来练习;他说:凌晨看世界杯的才是真正的喜欢~我顿时有点哑然,虽然,我喜欢不到那种程度,但能稍稍接近也是好的吧,就如此刻的我,愿意“挑灯夜读”~ 3.   通过作业,更进一步的了解了一些分析方法论,比如,RFM,我之前的分析止于分类,没有做过归一化处理,这是更深一步的探索~ 4.   印象最深的是:故事化;但这个却是我掌握的不太好的一章,属于眼到、心想到、但手到却有困难的那种,我想是思维训练不够吧~只能继续努力喽 5.   最期待的是,接下来的权限篇,因为在这一块,目前在实际工作中,遇到问题了,暂时还没解决; 总之,收获满满吧~ 啰嗦了这么多,最后提点课程建议: 作业量真的有点大,开放题真的有点多,我不敢说自己FineBI精通,但达到80分是差不多的,算是一个熟手,写作业都写到想吐槽,对于新手来说,这个挑战真心有点大,大概率会导致他们直接放弃,培训的目的就达不到了;   编辑于 2021-11-17 20:44
【2021夏季挑战赛】母婴零售销售分析与探索
恭喜本作品荣获“2021帆软BI可视化夏季挑战赛-最佳行业应用奖” 1、点击浏览在线作品 2、点击查看/编辑在线模板(完成问卷即可获取平台账号)   帆软专家点评:业务背景场景典型,维度拆解合理全面,寻找答案的过程逻辑严谨,环环入扣,是非常精彩的推理故事。同时根据分析结论给到了有效的业务改进建议。最后,图表丰富重点突出,布局有主次,配色简约美观。是可读性很强的作品。   自媒体大咖点评@我叫苏有熊:很用心的管理驾驶舱,在业务逻辑呈现、仪表板版式设计、图表细节方面都处理得很好。     一、选手简介  1、选手介绍 团队名称:四人行,必有我师 队长介绍: Danarui,目前就职于上海一家母婴零售上市公司,从事会员数据分析、定制报表开发工作;个人比较热爱数据分析工作,也立志于长期混迹数据行业,希望通过这次大赛可以结识更多同行,多多交流和探讨,提升数据分析思维; 成员介绍: JL,就职于广州某贸易公司,从事数据分析,平常工作是取数、通过数据分析形成日报、周报、月报、季报、年报。通过这次活动,跟团队成员相互学习和交流,以提高自己的数据分析能力; 徐徐,目前就职于深圳一家快消公司,从事供应链数据分析、报表开发工作,希望可以与大家在数据分析及业务上共同进步; 宏佳,大学生一枚,就读于广东建院-商务数据分析与应用专业,希望在这次比赛中能和各位大神学习到一些BI及分析经验; 团队组成:赛群自由组团 2、参赛初衷 (1) 希望通过参赛,学习FineBI大神们的分析思维,期待了解更多的业务场景、分析模型; (2) 顺带也评估下自己的FineBI段位,以便查漏补缺,不断进步; 以上↑为队长未组队前的个人参赛初衷 组团后: 团队赛与个人参赛最大的区别,就是思维的碰撞,每个人的视角不一样,看到的数据也不一样。我们期望在交流的过程中,碰撞出不一样的火花;当然了,强强联合,更容易脱颖而出,不也挺好嘛,哈哈哈~   二、作品介绍 1、业务背景&需求痛点(数据虚构,场景真实的灵魂拷问:为什么目标没达成?!)         2021年,公司制定了2400w的销售目标,较2020年增长约10%,年底盘点过客户资源及制定好营销计划后,销售经理对完成2400w的销售目标信心满满!然而,截至5月底,目标综合达成让人大跌眼镜,简单的产品维度分析已不能满足需求,销售总监要求对全盘数据做一个数据大屏看板,找出销售未达成的原因,并能数据日更,以便及时发现问题; 2、分析思路           图示

描述已自动生成   3、数据来源&处理 ▶ 数据来源:企业数据(已脱敏)      ▶ 脱敏过程:第一份数据脱敏技巧不够娴熟,熬到凌晨2点,终于脱敏OK,周末开始着手处理,结果拉出来月趋势一看,波动很大,且不符合正常的波动规律,最不能忍受的是,会员月度留存率1%~3%,这怎么分析?!再来一次么?!那就太对不住团队小伙伴了,大家上周末的劳动成果就要推倒重来!周一的晚上,我在群里向各位小伙伴表达了我想换数据的想法,没想到,小伙伴们都表示了支持,~~o(>_<)o ~,说改就改,终于在6/21晚上,哦,不,是6/22凌晨0:50分搞定,看着那个正常的波动曲线,哈哈哈…累也值了!      ▶ 涉及表格:销售明细表、销售目标表、分析维度表(会员、产品、门店、区域 )   ▶ 数据处理(建自主数据集)    平时用的比较娴熟,没遇到什么大问题;只提一个点吧,算是对自己不能举一反三,灵活运用左右合并的警示!因为是团队操作,但我们都不太清楚怎么建团队账号,所以借用了指导老师给的账号,也是第一次在【我的自助数据集】下建表,导入Excel后,做成了自助数据集,发现不能建表关系,顿时有点懵逼,以为是账号权限的问题,还考虑着万一不能实现,我们就得用回最初的办法了,即远程用团队其中某一个人的本地!这当然不是良策,最好是指导老师能给开权限建关系呀!带着这个疑问,我在群里问了指导老师,当看到苏老师回复:我的自助数据集本身就不能建关系,可以用左右合并实现,顿时有点懊恼自己学艺不精,是呀,左右合并可以实现啊!为什么遇到问题,第一时间没考虑到呢?! 4、可视化报告 (1)开篇目标达成,指标卡最为直观,故选择了不花哨的纯白卡面;FineBI默认的指标名称在上(当然也是可以调整的),但是我们觉得放到下面更好看,所以就手工调整了,结果这四个指标卡调了40分钟,为什么这么慢?因为指标数据放在中间,且中间空一个空格,想实现这个效果没套路,全凭运气!并且调整完复制组件,一换指标,之前的一切都白做。。。做完了四个,我也没发现对齐的规律-_-|| ,如果有小伙伴掌握了规律,求分享~~ ☀ 可视化亮点:月度达成的叠加柱状图,是第一次用FineBI做出这种效果(之前的叠加图表都是Excel做的)技巧就是两个指标的柱宽拉到100%,哈哈哈,之前竟然没发现,看来还是做的太少! 图形用户界面, 网站

描述已自动生成 第二部分,开始探索目标未达成的原因,首先从产品维度开始拆解至大类、品牌,单同比一个指标就明显发现个别大类产品结构存在一定问题;同时,增加了产品矩阵,由大类钻取至SKU来观察单品体量及其增长性…关于数据解读,此处不赘述,感兴趣可细读作品; 图形用户界面

中度可信度描述已自动生成 图形用户界面

描述已自动生成 ☀ 可视化亮点:品牌份额TOP10动态排序(嘻嘻,也是第一次做成这种效果,好多第一次。。。)图表, 漏斗图

描述已自动生成 单是产品维度,无法探测到主因,第三部分,拆解了会员的各个维度(人均贡献、新老客、复购、留存等)发现交易会员数下降明显,且是拓新不足导致,哈哈哈,轻松找到原因,耶~~~ 图形用户界面

描述已自动生成 表格

描述已自动生成 ▶ 重点说下这个留存怎么实现的: 指标业务含义解读举例: ①1月有X个会员交易,这X个会员中有Y个2月继续交易,则1月的次月留存率为Y/X,1月的X个会员中,有Z个3月有交易,则1月的次次月留存率为Z/X,以此类推,算到最近一个自然月; ②2月有X个会员交易,这X个会员中有Y个3月继续交易,则2月的次月留存率为Y/X,2月的X个会员中,有Z个4月有交易,则2月的次次月留存率为Z/X,以此类推。。。 计算逻辑很简单,就是算月与月的人员交集,妙在巧用笛卡尔积; 自主数据集实现: 基础表,用于左右合并图形用户界面, 文本, 应用程序, 电子邮件

描述已自动生成计算表,用于实现阶梯图,重点思路:依据会员编码,用笛卡尔实现日期的两两相交如下重点步骤:表格

描述已自动生成 ☀ 阶梯图实现(如下) 表格

描述已自动生成 Part4依据前面发现的交易会员数下降这个原因,给出了积极拓新的建议,并辅以营销活动的数据支持,时间原因,这里仅列出了产品关联,如下: 图形用户界面

中度可信度描述已自动生成 (2)最终结果呈现的页面布局 表格, 日历

描述已自动生成 三、参赛总结 1、关于FineBI工具 相比较PowerBI的DAX表达式,FineBI里面的公式与Excel相似,感觉更容易上手;                自助数据集制作的过程中,倒逼你想清楚业务逻辑,这是我们觉得FineBI做数据集繁琐但却让人很喜欢的点之一,毕竟,做数据分析但业务逻辑搞不清楚的数据分析师还是蛮多的; 2、参赛总结 探索式的归因,路程总不那么顺畅,不过一路顺畅,也就难以激起我们挑战的决心;这个仪表板制作的过程中,有几种图表,比如品牌top10,我们第一次发现,原来可以做成这样,真是只有想不到,没有做不到。                因为时间的关系,赶在交稿的最后一个周末才搞定,高压、仓促、但却感觉收获满满。小伙伴们都挺辛苦,大半夜还在群里各种讨论,感谢小伙伴们的辛勤付出! 我们,不许结果,只问来因~     销售管理驾驶舱 .pdf (781.4 K)      
个人成就
内容被浏览88,793
加入社区3年141天
返回顶部