一、选手简介
1.选手介绍
各位评委好，我是帆软社区用户766119，是个人选手报名本次比赛。目前就职于联想商服，我司主要是从事财务方向的工作。我目前的岗位是资深财务分析专员，个人感兴趣的领域是商业数据分析。
2.参赛初衷
参赛的初衷是通过参加比赛逼自己学习一下BI工具，毕竟deadline是第一生产力嘛，主要还是为了提升自己的职场竞争力。当然了，也很垂涎大赛的奖励。
作品介绍
业务背景
因为我平时工作也会做很多客户订单的盈亏分析，但是因为客户很多，我觉得我们应该把重要的精力放在更有价值的客户上，毕竟二八原则告诉我们20%的客户贡献了80%的利润，所以把那20%的客户找出来我觉得很有价值，所以想试着做一下RFM分析。
二、数据来源
我没有直接用公司的客户数据来作分析，因为那些涉及客户隐私，属于商业机密。这次的数据我是从和鲸社区下载下来的，是欧洲某商家2011年的销售数据，不需要做脱敏处理。只有一张表，一共8列，分别为：购物小票号，库存编码，商品介绍，数量，购物小票日期，单价，客户编码和国家。
1.分析思路
RFM分析是一种客户分析方法，通过将最近一次消费（R）、消费频率（F）、消费金额（M）这三个要素构成了数据分析的指标，来衡量客户价值和客户创利能力。 我们首先要定义RFM，然后再把每个客户按定义划分为相应的RFM。
R我们读取的是距今最近的一次购买日期的天数，数量超过平均数，标记为0，否则为1。
F我们读取的是每个会员的购买次数，也就是收据号的不重复计数个数。超过平均数，标记为1，否则为0。
M是每个会员花费的总钱数，由每件商品的单价乘以数量的总和。超过平均数，标记为1，否则为0。
客户类型
RFM
定义
流失会员
000
不愿花钱、不常买、购买频次不高，最没有价值的客户
挽留会员
001
愿意花钱但是不常买、购买频次不多的客户，我们要重点挽留
一般保持会员
010
买的多但是不常买、花钱不多，属于一般保持客户
重要保持会员
011
买的多、买的贵但是不常买的客户，我们要重点保持
新会员
100
经常买，但是买不多、花钱也不多，属于一般发展客户
重要发展会员
101
经常买、花费大但是购买频次不多的客户，我们要发展其多购买
一般价值会员
110
复购率高、购买频次高，但是花费金额小的客户，属于一般价值
重要价值会员
111
复购率高、购买频次高、花费金额大的客户，是价值最大的用户
2.数据处理
在数据处理中也遇到很多困难，首先是上万行的数据，电脑配置一般，上传之后一度刷不出来，操作过程中也卡死多次。
数据上传后第一个遇上的问题是InvoiceDate无法改成日期，因为里面还有AM和PM，所以被当成文本数据。没办法，我只好先去excel把这一列的数据改成只显示年月日之后再次上传才顺利被读成日期格式的数据。
再之后我们就要创建自助数据集了，首先代表M的值是没有的，我们要添加一列总消费金额，取名M，用单价乘以数量，再以客户编码汇总。
F就很简单了，汇总每个客户编码的总小票数即可，记得选不重复计数。
R相对麻烦，先要筛选日期，取每个客户的最新一次购物日期。再用dayvalue的函数计算，用当天减掉最新一次购物日期，得出上一次购物时间距今的天数。这个是R。
然后把新建这几列，通过以共同列-客户编码为key，左合并添加到原表里。
下一步我们打算用RFM的平均数来给RFM赋值0还是1。然后用if函数来判断大于还是小于平均值。R是小于平均赋值为1，F和M为大于平均赋值为1，反之为0。赋值列分别命名为R#,F#和M#。
然后用concatenate函数把这三列连起来，成为RFM。
最后我们用分组group函数给RFM列的8组数赋上商标提到的RFM的客户分类。
大功告成，我们数据清洗和处理阶段完成。
三、可视化报告
接下来就是把他们做成可视化仪表板展示出来即可，妥妥拽拽把我想展示的部分做成一个个仪表板。
（1）面积图看哪几类客户占比最大，可以看出：流失会员和新会员最多。
（2）按国家和会员类型看每种的数量：
（3）可爱的泡泡图也像面积图一样证实了流失会员是最多的：
（4）流失会员直入眼帘，是逃不过的存在，嗯：
（5）饼图可以通过百分比来对数据有更清晰的了解：
（6）每种客户类型的数量汇总，过千的我用红色表示来引起大家重视，并且降序排列：
（7）横向柱状图，让我注意到了其实重要保持会员也是很多的：
（8）会员类型分组列表：
结论：
通过上述可视化图表，我们可以很清晰地看到该公司有大量流失客户。但同时，第二多的是新会员，有大量新会员涌入，商家需要把这些新会员留住，未来看如何进一步发展成价值用户。第三多的是重要保持会员，这些客户很重要，虽然不经常购买，但是一出手就很大方，我们需要经常搞VIP促销活动，把他们好好稳住。
四、参赛总结
1.BI工具
BI是未来的大趋势，如果能连上数据库，比传统的Excel省时好操作。只需要最开始搭建好所需要的模型，日后定期刷新，就能得到实时结果。把分析人员从传统的机械定期倒数，清洗，取数里面解放出来。通过管理员，做好权限设置，也能很好得促进各部门协调拿到相应的数据。学好BI工具，势在必行。
2.参赛总结
FineBI我平时不常用，这次能完成，主要都是靠帆软社区里面提供的免费课程和大赛方提供的FineBI基础训练营给我很大的帮助，群里有很多热烈讨论的小伙伴，每天看到微信群弹出的消息，想偷懒不打卡自己都觉得不好意思。上完基础课程之后，之后不懂的地方，边在社区查边尝试自己动手做。这次虽然做的RFM模型很简单，但是这仅仅只是一个开始，相信我日后可以用FineBI做出更高级的分析。未来还要考取帆软职业资格认证。
