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
567891(uid:70568)
职业资格认证:FCP-FineBI | FCA-FineBI | FCP-报表开发工程师 | FCP-报表交付工程师 | FCA-数据分析理论 | FCP-业务分析师
学习总结
1.学习初衷 说起报表平台,最初接触的是润乾报表,然后是Tableau。在上家公司,所在部门计划搭建部门级的自动化报表平台。为了避免过重的开发任务,想找一款成熟产品直接基于业务需求构建平台,通过对比国内外产品,最终选择了FR,因此与FR结缘。几年下来通过自己摸索、网上学习,对FR有了一个较为深入的了解,并且在在举办第一期项目交付工程师时顺利通过认证。但从未系统的学习过FR,本次参加这个培训学习班,也是为了有一个系统、全面地学习。 2.学习经历 俗话说得好“活到老,学到老”。边上班,边学习是再正常不过的事情。虽然现在已逐步走向管理岗位,不在把全部的精力放在技术开发上,但还是不想被高速发展的互联网时代落下。尽管空闲时间不多,还是坚持利用闲暇时间,看完所有教学视频,努力在规定时间内高质量完成相关作业。虽然时间紧,任务量也不小,但抱着学习新知识,增长技能,完善知识体系的积极心态,倒也算乐在其中。毕竟技多不压身,多一种技能,就多一种选择。当前社会竞争异常激烈,可以说现在遍地都是卷王,所以我们要无时无刻把握住让自己变强的机会。 当然对于学习,不必拘泥于死板,对于在学习之前就已经熟练使用FR的我来说,看视频需要筛选重点,不再拘泥于1倍速看完所有。 针对于课程,整体来说还是蛮不错的,基础知识、案例、结合作业的实操,可以说知识全面,框架合理,而且循循善诱。本课程真正做到了,理论联系实际,理论与实践的完美结合。 建议的话,可以简单归纳为以下几点: 1) 课程解锁模式可以进一步优化。所有的课程可以一次性开放,本次课完成观看自动解锁下一关,这样可以充分利用闲暇时间。 2) 可以补充一些数据分析的案例讲解,从发现问题,提出需求,梳理业务,构建方案,设计开发等全方位讲解,会更加生动,更加丰富。 3.学习成果 (1)个人成长 通过结合课程进行系统化的学习,不管是技术理论,还是实操练习,以及数据分析思维都有了进一步提升。 对我来说相对困难的地方是js模块,因为自己的编程能力不是很好,开始只能做到照葫芦画瓢,通过观看课程中讲师深入浅出的讲解,突然有种豁然开朗的感觉;对我印象最深的是讲故事的思维,因为数据分析最为核心的就是:你分析出的问题,需要能够深入浅出的讲出来,说明白,让业务人员能够准确理解,进一步提出可以落地的措施。 FR作为数据分析的一种便捷开发,展示数据更加完美的分析工具。我们不仅要学好开发使用技能,同时也应该具备良好的数据分析的思维。如何构建数据评价指标,如何选择合理的图形进行友好、完美的数据展示,让业务问题凸显的更加充分,更加彻底,显得尤为重要。 借此机会分享一下对数据分析能力方面的思考: 作为一名合格的数据分析师,我们应该熟练掌握数据分析工具,比如FR/Tableau等;同时应拥有完善的数据分析方法的相关知识体系,比如:回归分析、预测分析等;更重要的是要具备数据分析思维,比如目标思维、系统思维等。 (2)工作应用 秉承理论联系实际的态度,我将所学应用到了工作当中,先后带领团队构建了多个数据分析报表平台。因涉及到公司的商业机密,具体的业务场景以及解决方案不再分享,在此还请大家多多包涵。此处仅展示几张之前做过的项目个别图片,图片已作处理,如下图所示: (3)作业展示 这里再拿作业12当做一个案例简单分析一下: 应用场景:为了清楚直观的查看帆软社区培训数据,进一步估算帆软技术潜在用户普及率,特意设计了数据驾驶舱。 驾驶舱包含5个KPI指标卡,一个组合图、一个饼图、两个报表块、一个矩形图: (1)其中各KPI指标卡分别展示了培养报表、BI、数据运营、简道云、插件开发的人数,相关数据动态更新; (2)组合图展示了各区域入门、进阶人数,及总人数的展示。饼图展示了KPI指标卡中各人数的占比。第一个报表块展示了各省份/城市针对城市课堂到场率,同时对到场率设置了数据预警。第二个报表块展示了各期学习班的项目进展进度。矩形图展示了各销售员针对各版块的销售额统计。 (3)使用其中一个组件举例分析数据价值及后期的决策价值:比如组合图,通过观测可以了解如下信息: A:各区域总体人数趋势,也可了解哪些省份表现好,哪些省份表现差; B:针对表现好的区域,可以进一步分析是入门还是进阶的数据好; C:针对表现好的区域,可以结合该区域帆软客户密集度等相关因素进行调整布局,进一步优化市场;针对表现不好的区域,也可以结合相关因素调整政策,进一步优化产品市场占有率,毕竟懂帆软技术的人数越多,对于产品的市场占有率就越有优势。 4.小结 使用FR已经过去好几个年头,从技术开发,走到项目规划、团队管理,可谓是感慨良多。本人在数据分析领域,差不多走过了7个年头。在这里分享一下,我对于数据分析的理解:洞察数据背后的问题,用简单的形式表述出来,用能够落地的策略去执行,产生可观的效果与价值,能够结合实际情况不断迭代与完善。 肯学习就能与时代同行,选对学习方式就会事半功倍。人生之路不是百米赛跑,不必在意一时的得失。要把人生看作一场特殊的马拉松来看待,特殊之处在于在人生马拉松当中,看谁能够坚持到最后,能够走得更远。很多时候,人生之路上的每一次成功就是再多坚持一分钟,就会有希望。在这里真心祝愿每一位小伙伴都能收获成功。
结业总结
结业总结 1.学习初衷 谈论起与FR的缘分,那还得从2016年说起,当时还在XX药业任职,初次接触FR,眼前焕然一新,突然感觉excel貌似要从我的工作视野中淡出。因为2012年有幸接触过润乾,所以上手FR对于我来说并不难,一周时间就能够很熟练操作了。后续就是帮助部门构建了小型的报表平台。当时还是试用阶段。部门看到了FR的高效与便利。在试用一年后,于2017年,部门开始把FR采购事宜提上日程。 在参加数据分析挑战赛,连续2年获得行业最佳应用奖,获得了相关的优惠券,所以有幸参加BI学习班,系统的对Fine BI进行学习,查漏补缺,希望在技术上能够更上一层楼。 2.学习经历 其实边上班,边学习,本就是件有意思的事情。俗话说“活到老,学到老”。在不影响工作的前提下,只有不断充电学习,才能不断提升自己。多一种技能,对于自己就相当于多了一次机会。如果想让自己不落伍,想让自己不容易被替代,适当的学习是必不可少的。所以抱着这样的学习心态,即便在工作1天后已经是身心疲惫,但是想到这是提升自己能力的机会,也就释然了。 当然对于学习,不必拘泥于死板,对于在学习之前就已经熟练使用BI的我来说,看视频需要筛选重点,不再拘泥于1倍速看完所有。 看视频,写作业,确实时间有些紧张,每次只能紧巴巴完成,因为毕竟是课余时间。 针对于课程,整体来说还是蛮不错的,基础知识、案例、结合作业的实操,可以说真正做到了,理论联系实际,理论与实践的完美结合。 建议的话,可以简单归纳为以下几点: 1)作业提交时间可以放宽一些,比如最后这次8,9,10,3次作业一次性提交,时间确实紧张。 2)课程可以1次性开放,每周规定必须完成的课程及作业,这样就比较灵活,本周时间充裕,可以多学,下周时间紧,可以少学一些。 3)可以进一步讲解一下如何根据业务构建相关的指标体系。 3.学习成果 (1)个人成长 通过系统化的学习,自身有了很大的进步。不管是技术理论,还是实操的熟练度,甚至是数据分析思维,都有了进一步提升。 对我印象最深的是,讲故事的思维。因为数据分析最为核心的是:你分析出的问题,能够深入浅出的讲出来,说明白,让业务人员能够准确理解,进一步提出可以落地的措施。 所以你如何把分析出的结论讲出来就变得尤为重要,包括结论的正确性,结论的推理过程,结论的验证,都需要有一个严谨的分析思维。你创建的模型合不合理,是否与业务实际相贴合。千万不要为了炫耀技术而分析,为了分析而分析,这是数据分析的大忌。 借此机会分享一些对数据分析的价值的思考,如下: (1)数据分析应用场景:数据监测、数据预测、数据检测。 (2)数据分析四维空间:人、货、场、时间。 (3)四大结论: 维度越低、检测越容易; 高维度的检测就要向低维度去拆解; 检测的方法就是先往下拆分,再左右比对; 要判断检测结果的正确性,需要从低维度,再回到高维度。 (2)工作应用 秉承理论联系实际的态度,我将所学应用到了工作当中,带领团队,在Fine BI基础上构建了一套商业智能平台,涉及10几个大的分析主题,每个主题又可以细分为几个相互关联的小专题。满足了整个事业部对于数据分析的基本诉求,后续还会进一步推广Fine BI的自助式分析,让业务人员也意识到数据的重要性,把数据分析的主动权返还给最熟悉业务数据的业务人员,充分发挥业务人员的主观能动性,让业务人员可以自己进行数据分析。这样使中高层领导,基层业务人员都能对数据重视起来,使“从上到下”与“从下到上”并驾齐驱,从企业层面打造良好的数据生态。 因为涉及到公司的商业机密,具体的业务场景不再分享,如果有机会,大家可以去看一下我的参赛获奖作品,需要的可以在社区私聊,在此还请大家多多包涵。此处仅拿平时的某个作业稍作展示下,如图所示: 图1:第六次作业 4.小结 跟BI打交道已经接近6,7个年头,从技术,走到规划、管理岗位,可谓是感慨良多。FR认证,我只拿了一个,就是交付工程师,是在第一期通过的。本人在数据分析领域,差不多走过了7个年头。在这里分享一下,我对于从事数据分析的一些拙见。如下: 1、对数据分析能力的理解 数据分析思维是道,数据分析方法是术,数据分析工具是器。如何感悟自己的道,如何修炼自己的术,如何选择自己的利器,是我们提升数据分析能力时时刻刻需要思考的问题。 2、对数据分析的理解 洞察数据背后的问题,用简单的形式表述出来,用能够落地的策略去执行,产生可观的效果与价值,能够结合实际情况不断迭代与完善。
心想事成,梦想成真。。。
心想事成,梦想成真啊。。。
个人成就
内容被浏览9,428
加入社区8年156天
返回顶部