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
Papper(uid:99661)
职业资格认证:尚未取得认证
电子电器-FineBI行业解决方案
电子电器行业通用FineBI分析方案 在线demo地址电子电器行业账号电子电器行业密码 http://demo.finebi.comdemo_elecdemo_elec 电子电器行业大数据应用背景全球电子智能制造服务企业主要集中在中国、印度、越南等亚洲国家或地区,行业内企业将主要产品销售至制造组装企业,或直接销售给下游品牌厂商,最终产品将销往世界各地。 随着工业4.0的到来,工业互联网将通过连接各生产环节,集成、控制、侦测、识别等多种技术,将生产中的供应、制造、销售等信息数据化、智能化,从而建设更具适应性、实现高效配置资源的智能工厂。未来,工业互联网的发展将有力助推我国电子制造行业向智能制造的跨越式发展。 整体趋势:1、品牌商与制造服务商之间的供应链协作不断巩固深化,进入协同发展阶段;2、电子设备智能制造行业应用领域日益多元化;3、在“先进制造+工业互联网”背景下,电子设备智能制造服务的智能化要求越来越高; 数据驱动,智能经营,协同与智能是大势所趋,制造业没落的企业是停滞不前的企业,与时俱进的企业才有生命力。 电子电器行大数据技术应用架构基于电子电器行业领域所面临的信息化建设现状挑战,帆软FineBI提供的一站式大数据分析产品及解决方案可以帮助用户快速搭建大数据分析平台,敏捷制作专属分析报告,并为用户提供灵活的交互式分析操作,构建垂直化大数据政务信息化平台,在业务协作过程中快速释放数据价值。 从源数据对接——>数据抽取转化——>数据仓库——>数据集市——>整合分析——>自助分析,完整的FineBI电子电器行业大数据技术应用架构如下图所示: 126870 源数据方面,整合业务系统、web数据、手工录入、系统日志相关的数据,打破各个生产系统的数据孤岛局面。然后进行数据抽取、数据转换、数据加载的质量管理,之后将相关数据写入数据仓库,并且输出到数据集市中进行数据建模,按照财务分析、质量分析、生产分析、库存分析、销售分析等主题进行整合,通过FineBI实现基础科目的数据可视化展示,以及各类灵活场景的数据探索式自助分析。 电子电器行行业典型FineBI应用场景总裁驾驶舱 a.问题背景1. 各经营业务关键指标分散在各业务系统,管理者想查看了解比较麻烦。2. 传统数据统计采用人工核算、汇报的方式,反馈滞后,没有时效性。尤其是对于电子电器行业的企业管理而言,以上问题会给管理者带来很大的管理压力。 b.问题解决分析思路通过FineBI设计好的管理驾驶舱,将一些关键指标展示出来放到系统主页或者显眼的位置,提供给总裁、高层领导或者综合业务管理者进行核心指标总览。 关键场景:1. 工厂一次合格率设置平均值警戒线,可以了解哪些分厂合格率不达标,关注提醒;2. 通过客户、品牌结构和销售趋势分析,了解公司产品的优劣势,针对实际情况制定经营战略;3. 库存结构和库存周转情况展示了库存的状态,库存周转率越高说明仓库使用率越高、价值越大。 c.方案/指标体系质量-合格率、一次合格率(直通率),产量-入库、发运、开单、退货、采购,采购额,销售额,产量,客户类别,销售品牌,库存-库存结构、周转率、周转天数、库存明细 d.应用对象总裁、高层领导或者综合业务管理者。 e.成果展示和应用价值126871 通过综合数据的展示,整体把握公司运营状况:1. 管理者输出管理压力,公司整体情况一览无余,同时对于下层执行者也起到一定的监督威慑作用;2. 有问题及时暴露、及时发现;3. 节约重复核算和汇报的工作量,提升工作效率。 生产质量分析 a.问题背景 没有体系化的生产质量分析方案,以上问题会给企业增加很多不必要的成本:1. 各分公司采购金额不统一、不透明财务管理混乱,生产随机性比较大,没有参考数据对比分析和计划;2. 合格率不准确、无监督,工厂不合格品数量不断增多;3. 不合格品项目和原因不明确,无法提出针对性的调整方案。 b.问题解决分析思路通过图表的形式将生产和质量管理相关的指标数据直观的展示出来。 关键场景:1. 把各分公司采购额排名透明,对于投入多产量少的企业给予提醒;2. 展示对比各个生产项目的合格率,定位问题突出的点,针对制定提升合格率的方案措施。 c.方案/指标体系采购额,入库量,生产产量-入库、发运、开单、退货、采购,质量-合格率、一次合格率(直通率) d.应用对象生产&质量负责人和相关人员 e.成果展示和应用价值126872 通过对生产过程管控分析,为企业节约大量采购、产品返修、报废等大块的成本。 产品销售分析&&销售预警分析 a.问题背景1. 区域销售情况、客户产品结构、门店销售状态不清晰,企业战略制定和资源配置不合理;2. 各产品单品销售情况不清晰,导致生产计划和营销策略制定不合理,滞销严重;以上问题严重影响企业经营利润的提升。 b.问题解决分析思路通过区域地图展示产品各区域销售情况,同时对各单品在门店的销售表现通过颜色、警戒线等进行预警分析。 c.方案/指标体系销售额、销量、门店结存 。 d.应用对象产品销售相关人员。 e.成果展示和应用价值产品销售分析:126873销售预警分析:126874销售数据的综合分析展示,为企业战略制定、资源分配、产品生产营销计划制定等项目提供数据参考和支撑。 关键场景:1. 通过对全国各区域销售情况分析,对于强势区域、发展趋势明显的区域或者重点目标区域给予资源倾斜;2. 门店预警分析,参考销售比较好的门店给销售一般的门店提供参考的销售方案;3. 根据各单品的销售情况,安排生产计划和营销活动,增补库存或者去库存。 库存与账款分析 a.问题背景1. 库存结构不合理,滞销、脱销等问题频发;2. 库存周转率持续降低,企业应对风险的能力变弱,经营风险增大;3. 应收账款账龄不断延长,大大增加呆账、坏账的风险。 没有体系化的库存与账款分析方案,以上问题都会增加企业运营的风险。 b.问题解决分析思路使用图表或者预警推送等手段监控库存、账款方面的关键要素。 c.方案/指标体系存货量、存货余额、周转率、账龄。 d.应用对象库存相关人员。 e.成果展示和应用价值126875 实时或者定期对库存、账款数据监控分析,对于异常指标及时提醒,并提出针对性的解决办法,规避不必要的风险。 关键场景:1. 监控原材料、半成品、成品的库存情况,保证生产工作正常进行,对于呆滞的产品及时清库存;2. 库存周转率是工厂经营状态的关键指标,直接或者间接代表企业的盈利和变现能力;3. 应收账款提示,对于账龄超过一定期限的给与预警提示到相关商务人员及时催款,降低风险和损失。 编辑于 2019-6-26 15:22 编辑于 2019-6-26 15:23 编辑于 2020-6-16 12:13
政府与公共部门-FineBI行业解决方案
政府与公共部门通用FineBI分析方案 在线demo地址政府与公共部门账号政府与公共部门密码 http://demo.finebi.comdemo_pubdemo_pub 政府与公共部门大数据应用背景2014年起,“大数据”概念首次被正式写入《政府工作报告》。 2017年12月,中共中央政治局就实施国家大数据战略进行第二次集体学习。 随着互联网时代的飞速发展,国家政府与公共部门所产生的数据已经成为国家战略性资源,大数据的应用也已经成为了提升政府治理能力的新途径。我国政府目前也正在由管理型政府向服务型政府进行转型,各大平台的电子政务系统陆续上线,积极响应国家大数据的号召。 借助大数据提升政府的治理能力已经是大势所趋,如何利用大数据提升国家现代化建设治理能力,也逐步面临着一系列的挑战:1.随着各大电子政务平台的推行和普及,已经逐步渗透到社会管理、公共医疗卫生、市场监管、公共基础设施管理等一系列社会民生领域,各个系统产生的海量数据增长的越来越快,导致数据的查询和利用分析效率受到了更大的挑战。2.各大领域的数据政务信息化系统逐步完善,但是各个部门的信息化系统主要以单位为主,相互之间以独立的形态存在,各个政务系统之间缺少关联和融合分析,这在一定程度上导致了数据孤岛的形成。3.尽管各大政务电子平台已经推行和普及,但是在对数据业务决策的分析层面,主要的分析报告仍然是以表格为主,形式固化且单一,难以进行多维分析和回答更深层次的问题。 政府与公共部门大数据技术应用架构基于政府与公共部门行业领域所面临的信息化建设现状挑战,帆软FineBI提供的一站式大数据分析产品及解决方案可以帮助用户快速搭建大数据分析平台,敏捷制作专属分析报告,并为用户提供灵活的交互式分析操作,构建垂直化大数据政务信息化平台,在业务协作过程中快速释放数据价值。 从源数据对接——>数据抽取转化——>数据仓库——>数据集市——>整合分析——>自助分析,完整的FineBI政府与公共部门行业大数据技术应用架构如下图所示: 126756 源数据方面,整合社会管理、医疗卫生、市场监督、基础设施相关的数据,打破各个电子政务信息化系统的数据孤岛局面。然后进行数据抽取、数据转换、数据加载的质量管理,之后将相关数据写入数据仓库,并且输出到数据集市中进行数据建模,按照民生分析、社会经济分析、信用分析、舆情分析等进行整合,通过FineBI实现基础科目的数据可视化展示,以及各类灵活场景的数据探索式自助分析。 政府与公共部门典型FineBI应用场景 1.2018国民经济和社会发展公报a.问题背景以国民经济和社会发展相关的统计数据为例,在对数据业务决策的分析层面,主要的分析报告仍然是以表格为主,形式固化且单一,缺乏综合性的直观图表统计分析报告,更难以灵活地进行多维分析和回答更深层次的问题:1.年度GDP总量比上年环比增长了多少?第一产业、第二产业、第三产业增长幅度分别是多少,哪个产业占比最高?哪个产业增幅最强?国家劳动生产率是否有提升?2.当前城镇人口比例是多少?国家男女比例是否持衡,年龄结构现状如何,城镇人口就业人数是否有较大增长?失业比例是多少? b.问题解决分析思路1.整合国民经济和社会发展相关历史数据,并在各流程进行数据收集,完成数据建模,通过业务包进行归类整合。2.通过FineBI自助数据集和分析型仪表板,对不同场景的问题进行多维探索式分析,灵活应对各类分析需求,通过图表进行直观地呈现当前国民经济和发展动态。 c.方案/指标体系 分析模块图表类型分析维度分析指标 国民经济分析KPI指标卡——GDP总量、GDP总量环比增长、第一/第二/第三产业增加值、第一/第二/第三产业值占比 组合图年度国内生产总值、国内生产总值增长速度 环形图年度全员劳动生产率 堆积面积图年度三大产业总值比重 社会发展分析KPI指标卡——全国总人口、城镇常住人口、城镇新增就业人口比例、 环形图性别男女比例 环形图城镇/乡村人口比例 折线图年度城镇新增就业人口 d.应用对象全体人民公示 e.成果展示和应用价值1267572.2018国民经济三大产业分析 a.问题背景对于国民经济三大产业分析,在对数据业务决策的分析层面,主要的分析报告也仍然是以表格为主,形式固化且单一,缺乏综合性的直观图表统计分析报告,更难以灵活地进行多维分析和回答更深层次的问题:农业、工业、服务产业的总产值年度趋势和增长速度如何,三大产业分别详细种类的构成排名和比重分别是多少? b.问题解决分析思路1.整合国民经济三大产业相关历史数据,并在各流程进行数据收集,完成数据建模,通过业务包进行归类整合。2.通过FineBI自助数据集和分析型仪表板,对不同场景的问题进行多维探索式分析,灵活应对各类分析需求,通过图表进行直观地呈现当前国民经济发展和三大产业详细动态。 c.方案/指标体系 分析模块图表类型分析维度分析指标 三大产业产值和增长速度组合图年度农业/工业/服务业总产值、农业/工业/服务业产值增长速度 农业详细类别产值词云农业类别总产值 工业企业类型增长比例矩形树图企业类别增加比例 服务业门类增加值和年同比增长四象限图服务业类别增加值、年同比增长 d.应用对象国家政府经济部门相关领导 e.成果展示和应用价值1267583.地区GDP分析 a.问题背景对于国民经济三大产业分析,在对数据业务决策的分析层面,主要的分析报告也仍然是以表格为主,形式固化且单一,缺乏综合性的直观图表统计分析报告,更难以灵活地进行多维分析和回答更深层次的问题:1.年度GDP地区占比分析,谁在为国家GDP添砖添瓦?2.年度GDP地区增速分析,谁的增速最强劲?3.年度GDP地区目标分析,谁完成了目标? b.问题解决分析思路1.整合各个地区生GDP产总值相关历史数据,并在各流程进行数据收集,完成数据建模,通过业务包进行归类整合。2.通过FineBI自助数据集和分析型仪表板,对不同场景的问题进行多维探索式分析,灵活应对各类分析需求,通过图表进行直观地呈现当前各个地区的生产总值经济发展动态。 c.方案/指标体系 分析模块图表类型分析维度分析指标 地区GDP分析地图省份地区生产总值 折线图省份地区生产总值(top10)、地区生产总值(后10) GDP月度分析折线图月度国民生产总值、国民生产总值环比增速 矩形图省份/月份居民消费总和 增速分析折线图省份省份GDP增速、全国GDP平均增速 条形图年份生产总值(趋势线) 地区GDP目标完成分析折线图省份年度GDP实际值、年度GDP目标值 折线图年份/省份排名 d.应用对象国家政府经济部门相关领导 e.成果展示和应用价值126759 编辑于 2019-6-24 10:23 编辑于 2020-6-16 12:11
交通物流运输行业-FineBI行业解决方案
交通物流运输业通用FineBI分析方案 在线demo地址交通物流运输行业账号交通物流运输行业密码 http://demo.finebi.comdemo_trademo_tra 交通物流运输大数据应用背景新中国成立70多年来,中国交通运输总体上经历了从“瓶颈制约”到“初步缓解”,再到“基本适应”经济社会发展需求的奋斗历程,与世界一流水平的差距快速缩小,部分领域已经实现超越,一个走向现代化的综合交通运输体系正展现在世界面前。 经过多年改革发展,多节点、全覆盖的综合交通运输网络初步形成,“五纵五横”综合运输大通道基本贯通,一大批综合客运、货运枢纽站场(物流园区)投入运营,运输装备发展不断升级,运输服务水平显著提升,科技创新和应用实现重大突破,交通运输市场体系、管理体制和法规体系不断完善。 但尽管现代的交通物流运输行业取得了一系列瞩目成果,但背后也存在一系列大数据应用问题:1.系统分散,大多是数据孤岛,分布在各个交通物流运输的业务系统中,难以进行整合分析。2.传统的实时监控系统、运输管理系统、项目实施系统、项目运维等系统开发出来的报表相对单一,灵活性差、可交互性低,难以进行深入分析以回答更深层次的业务问题。3.交通物流运输领域无时无刻都在产生大量的数据,并且数据的增长速度越来越快,包括实时监控系统、运输管理系统、项目实施系统、项目运维系统等等,这些数据到底是价值还是垃圾取决于我们是否能够真正挖掘出其隐藏在数据中的潜能。 交通物流运输大数据技术应用架构基于交通物流运输行业目前面临的信息化建设现状,帆软FineBI提供的一站式大数据分析产品及解决方案可以帮助用户快速搭建大数据分析平台,敏捷制作专属分析报告,并为用户提供灵活的交互式分析操作,在业务协作过程中快速释放数据价值。 从源数据对接——>数据抽取转换——>数据仓库——>数据集市——>整合分析——>自助分析,通过制定严格的数据规范定义,建立和保障完善的数据质量权责体系,完整的FineBI交通物流运输行业大数据技术应用架构如下图所示:126710 源数据方面,打通运输管理系统、仓储管理系统、人力资源系统、财务系统和其他第三方相关数据,消除数据信息孤岛,然后进行数据抽取、数据转换、数据加载的数据质量管理,之后进行ODS(规整-面向垂直数仓)、DWD(明细-面向业务过程)、DWS(汇总-面向分析主题)、ADS(组合面向使用场景)的数据整合写入数据仓库,并且输出到数据集市中进行数据建模,按照经营决策、运营分析、财务分析、成本分析、客户分析、仓库监控、运输监控、人员分析等进行整合分析,通过FineBI实现基础科目的数据可视化展示,以及各类灵活场景的数据探索式自助分析。 教育行业典型FineBI应用场景 1.公共交通管理大数据平台a.问题背景近些年对国家公共交通管理的数据信息化建设非常重视,特别是一些交通大屏监控看板的应用。此前在面对这类数据大屏监控的可视化展示需求时,一般会由外包项目方通过代码等形式进行开发,然后经过美工不断优化调整,最终再交付到相关部门进行评审和上线。 通过这种方式,虽然一些很细节的样式需求也能够不断进行代码调优,但是带来的问题就是大屏看板从需求收集到开始开发,再到最终上线的周期太长了,一般来说一个大屏前前后后至少要半个多月时间才能开发完成,不能及时响应业务展现需求。 b.问题解决分析思路通过FineBI的仪表板,快速进行公共交通管理大数据平台数据图表和布局呈现的设计,将公交总线路数、累计乘车人次、出发时间段分布、出行人数分布等关键指标进行大屏看板展现。 c.方案/指标体系 分析模块图表类型分析维度分析指标 总线路和人次统计KPI指标卡——公交总线路数累计乘车人次 出发时间段分布环形图时间段人数、占比 一周出行人数分布折线图星期出行人数 线路压力最大top10柱状图线路编号乘车人数 一天出行时间分布条形图时间段乘车人数 目的地分布环形图目的地占比、乘车人次 公交线路明细明细表线路名称乘车人次 d.应用对象管理层领导 e.成果展示和应用价值126711 1.根据出行统计的公共交通线路高峰期,合理规划路线,降低出行交通拥堵情况。 2.实时监控当前公共交通管理大数据平台的数据状态,通过提前设定好的预警值进行数据预警,及时调整公共交通管理策略。3.通过对核心数据进行大屏设计和布局美化,关键指标一目了然。 2.物流经营分析 a.问题背景在应对一些业务部门突发性、即时性的数据分析需求时,由于缺乏敏捷型的BI工具,系统中已有的固定化报表还是显得有些捉襟见肘,无法进行深入的业务数据探索式分析,导致IT部门对业务部门的需求无法及时做出响应。 例如物流经营分析过程中,有的时候会出现某个月份的月报数据出现毛利下滑的异常,传统的月报、季报等固定化报表无法深入的回答导致数据下滑的真实本质原因。 b.问题解决分析思路借助FineBI产品联动、钻取等OLAP多维分析特性,依次从下属分公司>分公司的客户>客户运输目的地>线路目的地来挖掘导致2018年3月毛利率下降的原因。 c.方案/指标体系 分析模块图表类型分析维度分析指标 经营业绩趋势折线图月份、年度毛利、毛利率 分公司毛利率分析折线图分公司名称毛利、毛利率 客户毛利率分析雷达图月份、年度毛利率 组合图分公司名称收入、成本、毛利、毛利率 目的地线路分析组合图卸货地区毛利率 明细表分公司名称、客户名称、出发地点、目标地点毛利、毛利率 d.应用对象业务管理部门 e.成果展示和应用价值126712 1.借助FineBI产品联动、钻取等OLAP多维分析特性,依次从下属分公司>分公司的客户>客户运输目的地>线路目的地,逐层深入分析,找出导致2018年3月毛利率下降的真实本质原因,及时调整问题线路的运营策略。 2.相较于传统的企业数据工作流程:从业务部门和相关领导开始提出该问题之后,再到IT部门去进行问题分析、数据收集、数据加工建模、数据报表制作、数据分析、分析报告总结、业务部门验证。FineBI的企业自助式工作流程确实能够起到解放企业IT人力的作用,大大提高了业务的数据分析效率和应用效率。 3.物流看板 a.问题背景对于物流运输管理而言,构建关键指标的物流看板是极为重要的,但是实际上很多数据并没有真正利用好:1.当前物流发货总件量是多少?签收数量和签收占比如何?哪些地区72H到件量最低?2.物流货运时效如何,时效大于等于三天的件量和占比分别是多少?3.小于800到件量的分别有哪些地区?近七日流向TOP10和近七日时效TOP10分别有哪些运输线? b.问题解决分析思路1.整合相关物流系统的运输数据,将不同系统、不同数据库中数据整合。2.通过图表加明细数据,合理布局引导,构建仪表板进行统一展现。 c.方案/指标体系 分析模块图表类型分析维度分析指标 总件量和平均时效统计KPI指标卡——总件量、已签收、占比平均时效、时效大于3天件量、占比 72H到件量预警条形图省份到件量 <800到件量预警形状表格地区<800到件量 近七日流向TOP10分组表流入城市、流出城市件数 近七日时效TOP10分组表发货省份、收货省份平均配送时长 d.应用对象业务管理部门 e.成果展示和应用价值126713 通过实时监控系统,及时发现业务的异常点,建立高效的异常处理流程,及时改进异常点。 4.物流流向分析 a.问题背景作为物流看板的一部分,物流流向分析自然是不可或缺的:1.某个城市的总签收件数、总发货件数、总签收占比分别是多少?2.地域分布方面,有哪些物流流线,对应的物流流量分别是多少?流线TOP10的城市分别是哪些? b.问题解决分析思路1.整合相关物流系统的运输数据,将不同系统、不同数据库中数据整合。2.通过图表加明细数据,合理布局引导,构建仪表板进行统一展现。 c.方案/指标体系 分析模块图表类型分析维度分析指标 快递流向关键指标KPI指标卡——总签收件数、总发货件数、总签收占比 地域分布地图流出城市、流入城市发货件量 颜色表格流向城市发货件量(TOP10)、发货占比(TOP10) 分组表发货城市、收货城市总件量、已签收、占比 条形图签收地区签收比例 d.应用对象业务管理部门 e.成果展示和应用价值126714 构建快递流向分析看板,按照流向统计分析数据,关键指标一目了然。 5.物流时效分析 a.问题背景物流时效分析,同样也是作为物流看板的补充:1.各个省份地区,哪些省份物流时效最高,时效低的又是哪些省份,分别有什么特征?2.不同大区是否有明显物流时效差异,是否和地区基础物流建设水平有关?3.同城配送平均时长超过三天的有哪些地区,分别是什么因素导致的,如何改进? b.问题解决分析思路1.整合相关物流系统的运输数据,将不同系统、不同数据库中数据整合。2.通过图表加明细数据,合理布局引导,构建仪表板进行统一展现。 c.方案/指标体系 分析模块图表类型分析维度分析指标 省份时效分析地图省份发货件量、平均配送时长 分组表发货省份、收货省份时效、件量、签收量 大区配送时长分析雷达图大区名称平均配送时长 同城配送时效分布组合图省份名称(同城配送)件量、平均配送时长 配送时效明细明细表发货省份、收货省份已签收件量、平均配送时长、0.5天到货量、1天到货量、2天到货量、3天及以上到货量 d.应用对象业务管理部门 e.成果展示和应用价值126715 构建快递流时效看板,按照不同地区配送时效统计分析数据,关键指标一目了然。 6.航空流量分析 a.问题背景对于航空运输领域而言,需要关注以下问题:1.分析机场覆盖有哪些国家和通航地区,对应地区的机场数量有多少?2.国内和国际的客户市场份额占比如何,对应承运的航空公司分别有哪些,旅客吞吐量和比重分别是多少?3.不同月份的起降架次和旅客吞吐量走势如何,什么时候是航空出行高峰期? b.问题解决分析思路1.整合相关航空系统的运输数据,将不同系统、不同数据库中数据整合。2.通过图表加明细数据,合理布局引导,构建仪表板进行统一展现。 c.方案/指标体系 分析模块图表类型分析维度分析指标 南京机场通航地区地图通航地区个数 客运市场统计环形图航线性质(国内、国际)份额、份额占比 分组表承运航空公司旅客吞吐量、比重 旅客吞吐量及起降架次统计组合图月份起降架次、旅客吞吐(趋势线) d.应用对象航空管理部门 e.成果展示和应用价值126716 构建航空运输管理看板,按照不同承运的航空公司进行吞吐量等数据的统计分析,关键指标一目了然。 编辑于 2019-6-18 17:07 编辑于 2019-6-19 19:26
教育行业-FineBI行业解决方案
教育行业通用FineBI分析方案 在线demo地址 教育行业账号 教育行业密码 http://demo.finebi.comdemo_edudemo_edu 教育行业大数据应用背景2014年起,“大数据”概念首次被正式写入《政府工作报告》。 2017年12月,中共中央政治局就实施国家大数据战略进行第二次集体学习。 现如今,大多数高校的信息化建设已经得到全面发展。各类网络、服务器、存储、私有云、公共数据库、统一身份认证、一卡通系统和内容管理系统等基础设施都已经建设完成,大部分业务部门已经在使用信息化系统,在部门内实现信息化管理,并且产生了良好的效益。 但与此同时,教育领域的大数据应用现状也出现了不少的问题: 1、各系统各自为政,分开建设,缺少统筹,水平参差不齐。更有部分部门信息化思维跟不上当今数据时代的发展,依旧用excel处理数据。2、各业务系统积攒大量数据,未打通数据前数据安全难以保障。3、各个业务系统的数据交换只能通过定制化的数据平台进行,耗时耗力。4、各系统平台的数据,尤其是各个业务部门的业务数据,缺乏统一的平台进行分析和管理,无法快速建模实现分析和展示。 教育行业大数据技术应用架构 基于教育行业目前面临的信息化建设现状,帆软FineBI提供的一站式大数据分析产品及解决方案可以帮助用户快速搭建大数据分析平台,敏捷制作专属分析报告,并为用户提供灵活的交互式分析操作,在业务协作过程中快速释放数据价值。 从源数据对接——>数据抽取转化——>数据仓库——>数据集市——>整合分析——>自助分析,完整的FineBI教育行业大数据技术应用架构如下图所示:126644 源数据方面,整合教务系统、图书馆系统、后勤系统以及数据补录相关的数据,然后进行数据抽取、数据转换、数据加载的质量管理,之后将相关数据写入数据仓库,并且输出到数据集市中进行数据建模,按照招生分析、教职工分析、学生成绩分析、科研项目分析、图书馆分析等进行整合,通过FineBI实现基础科目的数据可视化展示,以及各类灵活场景的数据探索式自助分析。 教育行业典型FineBI应用场景 1、高校招生数据分析 a.问题背景在以往,教育行业如果想要对学校招生情况进行分析,在遇到一些需要进行探索式分析的场景时,会非常的麻烦: 1、为什么今年招的学生多了?去年招的学生少了?这些应如何分析?2、某个地区的生源逐渐变少?是在哪一个环节出现了问题?是地区教育水平问题,还是地区招生名额限制导致的?3、每年的计划招生人数和实际录取人数变化趋势如何?某个学院出现相关录取专业比例下降,问题出在哪里? b.问题解决分析思路针对以上问题,往往固定化报表很难完全回答全部问题,那么我们需要做的是: 1、整合以往招生相关数据,并在各流程进行数据收集,完成数据建模,通过业务包进行归类整合。2、通过FineBI自助数据集和分析型仪表板,对不同场景的问题进行多维探索式分析,灵活应对各类分析需求。 c.方案/指标体系 分析模块图表类型分析维度分析指标 高校招生区域分析地图省份/城市录取人数 折线图年份计划招生人数/实际录取人数 堆积点图年份/省份招生比例 高校招生专业分析颜色表格学院名称实际招生人数/比例 环形图专业名称录取人数/比例 条形图志愿等级录取人数/比例 d.应用对象高校各学院的相关招生部门。 e.成果展示和应用价值1266451、通过分析对比不同区域的历年招生情况,合理制定各个地区每年的招生名额。2、分析相关学院专业的录取情况,对录取比例相对较低的专业适当提高宣传力度,提高专业录取比例。3、分析相关专业的志愿等级录取比例,不断调整和优化招生策略,提升学校和专业吸引力度。 2、图书馆大数据分析 a.问题背景在以往,高校管理者对公共场所的使用情况并不怎么了解,以图书馆为例: 1、图书馆借阅最多的书籍是什么?什么类型的图书更加受到学生欢迎?会随着时代的发展而演变吗?2、每个类别借阅最多的图书分别是什么?图书馆是否有相关类别的图书资源不足需要补充?3、哪些学院的入馆率最高?他们最爱看什么书?哪些学生入馆率最高,他们最喜欢看什么书,这批学生有什么特征? 对于高校管理者而言,他们渴望了解更渴望分析,以便为优化高校公共场所的管理策略提供科学的数据决策依据,提高高校公共资源利用率,但却无有效工具或者途径能够支撑。 b.问题解决分析思路1、整合图书馆相关内部的数据,将不同系统、不同数据库中数据整合,通过图表加明细的方式统一展现。2、将数据进行合理的展示并进行分析,借助FineBI的联动、钻取等OLAP多维分析功能帮助回答更加深层次的问题。 c.方案/指标体系 分析模块图表类型分析维度分析指标 书籍借阅数据分析颜色表格书籍名称借阅数量(TOP10) 条形图书籍名称 书籍类别(文学类/社会科学类/科技类)借阅数量(TOP10) 学院和学生图书借阅分析条形图学院名称 学生群体(本科/硕士)入馆量(TOP5) 条形图学生名称 教师名称借阅量(TOP5) d.应用对象图书馆相关管理人员 e.成果展示和应用价值1266461、分析不同类别、不同学院的图书借阅情况,帮助图书馆管理人员针对性的调整书籍种类。2、分析年度借阅量最高的学生/教师,辅助进行学生/教师评优(图书馆借阅之星)等事务作为数据决策支撑。 3、校园一卡通消费分析 a.问题背景在以往,高校的消费数据分布极为分散,在引入一卡通之后却没有有效地进行高校的消费数据分析: 1、高校内各承包的食堂对师生的吸引力是否充足,每日来用餐的人数及金额究竟是多少?2、师生在各个学校消费类别中,哪个类别消费金额最大?消费低的类别是什么,是否有什么问题导致?3、师生的消费时间有什么规律,对应的消费类别的高峰期分别是什么时候,如何降低各个食堂窗口的排队压力? 以上的相关问题,在过去都无法直观的看到并分析,更无谈通过数据指引学校领导进行管理决策优化了。 b.问题解决分析思路1、整合一卡通数据。将不同系统、不同数据库中数据整合,通过图表加明细的方式统一展现。2、通过部分指标:消费人次/金额窗口TOP10,食堂人均消费等来对食堂经营进行把控。3、借助FineBI的联动、钻取等OLAP多维分析功能,帮助决策者回答更加深层次的问题。 c.方案/指标体系 分析模块图表类型分析维度分析指标 消费属性分析饼图餐饮/非餐饮消费占比 饼图分校区名称消费占比 条形图消费群体消费金额 折线图消费场所消费金额 消费时间分析日历图(矩形块)消费时间消费金额 折线图消费年周消费金额 消费次数 d.应用对象高校管理后勤部门 e.成果展示和应用价值1266471、帮助食堂管理人员人员快速分析食堂数据,为决策优化提供依据。2、整合并分析内外部数据,快速优化各个业务环节,提升食堂质量。3、分析食堂各窗口在不同时间段的消费情况,通过优化相关窗口的开放时间,降低各个食堂窗口的排队压力。 4、高校教职工数据分析 a.问题背景在以往,高校管理者对高校内部教职工具体情况无准确认识,即使有数据,但看表也较为头痛: 1、高校每个月的入职、离职情况如何,什么时间是入职/离职的高峰期?2、教职工的学历和年龄分布如何,不同的学历男女占比是否存在差异?3、教职工的职级分布如何,人才引进类别是如何分布的? b.问题解决分析思路1、整合内部的数据。将不同系统、不同数据库中数据整合,通过图表加明细的方式统一展现。2、根据不同数据的特征,将数据进行合理的图表展示并进行分析。 c.方案/指标体系 分析模块图表类型分析维度分析指标 教职工入职/离职变化堆积柱状图年月在职人数、入职人数、离职人数 教职员工画像分析环形图性别人数、占比 多层饼图学历 性别人数、占比 点图年龄 性别人数 环形图部门单位人数、占比 矩形树图非教学单位人数、占比 颜色表格人才引进类型人数 漏斗图教职工职级人数、占比 d.应用对象拥有权限的管理层 e.成果展示和应用价值1266481、帮助高校管理人员快速获取学校教师信息,结合FineBI的联动、钻取等OLAP多维分析功能以回答更加深层次的问题,提升业务数据分析效率。2、整合并分析内外部数据,综合分析高校的员工结构是否科学合理,对高校人事部门下一步方向有指导意义。 相关推荐:FineBI免费试用FineBI学习计划表 编辑于 2020-6-16 12:12
BI工程师产品共创体系
一、背景 亲爱的各位BI工程师们~ 帆软致力于打造这样一个生态:人人都可以参与设计、体验、改善、传播、服务等环节,并从中有所收获。 为此,我们优先对参加【BI工程师线上学习班】的各位同学们特地设计了全套的BI工程师产品共创体系,帮助我们更快捷地反馈和解答助同学们在学习和使用FineBI产品过程中遇到的各种疑惑/问题,更可以作为数据分析应用知识的传播者,除了可以感受到你的知识分享对大家真真实实所带来帮助的自豪感之外,直接获取到我们帆软丰厚的F币(1F币=1RMB)回报! 二、参与人群 BI工程师线上学习班学员 三、共创体系说明 序号 分类 说明 奖励说明 1产品需求在学习和实际使用FineBI产品的过程中,从【连接数据源-添加数据表-数据建模-设计仪表板-完善仪表板】以及平台管理的工作应用流程中,有哪些地方无法满足您的分析和应用需求?哪些地方阻碍或者降低了了你的分析效率,可以进一步改进提升? 提交您的FineBI产品需求说明和截图,并且备注版本和jar日期(后台启动界面)。具体的产品需求,产品经理会根据优先级划分为: 1.三个月内可能考虑;2.三个月后可能考虑;3.六个月后可能考虑;4.一年内不考虑; 提交地址:BI产品需求 2产品bug在学习和实际使用FineBI产品的过程中,遇到有哪些阻塞您使用FineBI的产品功能/性能bug? 提交您的FineBI产品bug说明和截图,并且备注版本和jar日期(后台启动界面)。提交地址:BI产品bug 3数据可视化精选最佳作品参加【FineBI数据可视化分析精选活动】任务,获得本周最佳/优秀作品。本周最佳/优秀作品,挑战瓜分每周300F币大奖。 4企业数据分析场景根据所在企业历史/近期(或者未来将要)使用FineBI完成的应用分析场景,提供相关分析场景、数据表含义、数据表结构信息、数据表文件(excel)的详细说明,作为【FineBI数据可视化分析精选活动】的储备内容主题。每个被成功采纳的企业数据分析场景,将获得100F币。 5课程改进建议关于【BI工程师线上学习班】的课程内容、课程作业、教学模式等任何相关的建议,欢迎积极反馈。每个被成功采纳的课程改进建议,将获得5F币。 四、提交形式 无提交地址的请在本贴下方评论区,备注分类名称,并且提交对应的作品和建议。 五、F币更新时间 每周五 下午3点 六、FineBI产品用户共创体系F币兑换说明 1F币=1RMB,可在社区进行兑换和提现。
FineBI数据可视化分析精选活动
此活动已更新至新地址:FineBI数据可视化分析精选活动——2020.5.26日更 前言 ——学习FineBI产品,仅停留理论阶段? ——由于缺乏实践应用,学完又忘记啦? ——想和更多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? 现推出FineBI数据可视化分析精选活动,我们将定期更新一个数据分析主题,通过官方提供的相关数据表,借助FineBI的数据可视化分析能力,完成并提交你的数据可视化作品。 每期的数据可视化最佳作品更将获得300F币(1F币=1RMB)!你还在等什么? 实践出真知,去充分发挥你的数据创造力吧! 本期主题(2020/02/11-2020/02/21) 《NBA数据可视化分析》(戳我参加活动) 【历史主题】(每期优秀作品点击进入历史任务查看) FineBI每周数据可视化精选活动(2020/02/010-2020/02/25) 主题:《新型冠状病毒疫情分析》提交/参与人数:8/20 FineBI每周数据可视化精选活动(2019/08/08-2019/08/26) 主题:《拍拍贷平台贷款数据分析》提交/参与人数:6/17 FineBI每周数据可视化精选活动(2019/07/18-2019/08/02) 主题:《企业人力资源数据分析》提交/参与人数:11/22 FineBI每周数据可视化精选活动(2019/06/24-2019/07/08) 主题:《高考录取数据分析》提交/参与人数:9/13 FineBI每周数据可视化精选活动(2019/06/03-2019/06/17) 主题:《中国气象站气象观测数据分析》提交/参与人数:5/9 FineBI每周数据可视化精选活动(2019/05/20-2019/05/26) 主题:《豆瓣电影数据分析》提交/参与人数:9/13 FineBI每周数据可视化精选活动(2019/05/08-2019/05/17) 主题:《链家广州二手房数据分析》提交/参与人数:10/16 FineBI每周数据可视化精选活动(2019/04/19-2019/05/04) 主题:《中国联通用户画像数据分析》提交/参与人数:10/15 FineBI每周数据可视化精选活动(2019/03/22-2019/03/29) 主题:《企业报工异常数据分析》提交/参与人数:6/11 FineBI每周数据可视化精选活动(2019/03/11-2019/03/17) 主题:《中国各年度GDP发展变化趋势》提交/参与人数:9/13 FineBI每周数据可视化精选活动(2019/03/01-2019/03/07)主题:《2019年A股走势分析》提交/参与人数:4/5 【分析工具】 使用FineBI V5.1,没有安装或者低版本小伙伴可以到FineBI官网下载最新版,下载地址:www.finebi.com 【提交形式】 仪表板全局导出pdf文件+仪表板(需要挂载到平台目录)及依赖资源导出文件(resources.zip) 目录管理-http://help.finebi.com/doc-view-246.html 资源迁移-http://help.finebi.com/doc-view-441.html 【奖励说明】 奖项名称数量获取奖励 每周最佳作品若干(根据作品质量和数量调整)300F币(1F币=1RMB) 帆软核心粉丝特权不限(需要达到核心粉评判标准) 按照审核通过纳入“BI模板组”—“被采纳模板数”进行统计 奖励见核心粉丝特权介绍 【作品评价】 序号评价维度含义说明评价占比 1业务数据逻辑准确性分析的数据结论准确,没有错误计算30% 2作品故事布局可读性作品采用数据可视化故事形式布局,具有较高的可读性10% 3图表类型表达合理性图表类型选取合理,能够恰当的表达相关的数据分析场景20% 4颜色属性类表达合理性颜色选择合理,整体作品色彩属性协调、美观10% 5 数据背后业务分析引导启发性能深刻提供有意义的数据见解,甚至启发其他人提出和回答新问题 30% 【优秀作品参考】 125176 还在等什么,赶快参与吧!(戳我参与活动),下一个最佳作品就属于你!
一文快速入门数据分析师
前言 一提到数据分析,很多人可能脑海中可能会浮现出各式各样的数据画面。 比如下图所示,这样的中国式复杂报表在企业中经常被使用,精密的复杂表格样式中蕴含着国人庞大的数据信息量。 113206 再比如这样的数据Dashboard可视化,通常应用于企业展示KPI业务指标,例如销售额、毛利率、利润率等等,数据的可视化呈现形式清晰直观。 113207 再就是目前火热的不行的企业数据大屏应用了,比如下图所示的双11全球天猫狂欢节当日的实时交易统计大屏,除了清晰直观地展示企业核心的KPI指标之外,狂拽炫酷是它至关重要的特征。 113208 大道至简的数据分析方法 但无论是以上的哪一种,无论数据如何变换,所有看似神秘的数据分析过程都可以归纳总结为各种“维度+度量”的组合分析。 113209 维度用于描述事物的属性信息,例如统计各个地区的交易数量时,地区就是维度。 度量(指标)是可以量化统计的数值,例如统计各个地区的交易数量时,交易数量就是度量。但是需要注意的是并不一定所有的数值都是度量,例如学生的学号虽然是数值类型,但是其实它是维度而非度量。 如此一来,我们对数据分析有了从整体上的解释。但是实际应用中,我们并非盲目地去进行各种维度和度量的拼凑组合,而是希望得出的数据分析结果能够指引业务进行决策,终而形成业务闭环效果的。 根据笔者自身的一些数据分析项目经验,90%以上的企业实际数据分析问题都可以套用我总结的这七步完成: 113210 为了帮大家更快速地理解数据清洗建模和数据差异分析环节的内容,我这边以商业智能分析工具FineBI(感兴趣的可以到官网下载体验即可,个人完全免费)为大家进行一个销售数据分析实例,加深大家对数据建模和数据分析过程的理解。 一、确定分析目标 这是分析前的第一步,我们需要明确进行数据分析的对象,也就是需要确定分析目标。 通常来说我们会选取最关心的核心KPI指标,例如电商行业的销量、销售额、利润,制造行业的次品率,互联网行业的用户留存率等等。 一般来说,分析目标不要过多,如果实在是需要同时分析多个关键核心业务KPI指标,那么我们便可以将这些核心指标分解给对应业务负责人,例如销售总监负责提升公司销售业绩,运营总监负责降低成本花费。 二、核心目标拆解 确定好分析目标之后,通常来说我们需要再对核心目标进行子目标分解,这也符合企业各团队分工协作的特性。 核心目标拆解的过程中需要遵循MECE原则,也就是“完全穷举,相互独立”。例如下图所示的电子商务数据分析指标体系,就分别从网站运营指标、经营环境指标、销售指标、营销活动指标、客户价值指标几个方面进行了详尽的拆解,然后交由各个团队进行分工达成。 113211 三、数据清洗和业务建模 确立和分解好数据分析目标之后,下一步就可以进入到数据清洗和业务建模环节了。 数据清洗方面,很多人可能会想到国外传统的一些ETL工具,但是这类工具过于庞大和复杂,国内真正成功落地的案例很少。FineBI商业智能工具其实就提供了轻量级的ETL功能可供用户对数据进行计算和处理,鼠标点击和拖拽操作即可完成轻量的ETL数据处理过程。 113212 业务建模方面,FineBI也是提供了根据不同业务主题分类建立业务包的功能,一般来说按照维度表和事实表建立好关联关系即可,这样一来就为前端的数据差异分析准备好了数据模型。 113213 四、数据差异分析 终于到了数据差异分析这一步,这也是离发现问题原因和业务决策最近的一步。 所谓数据差异分析,自然是需要有差异,才能有分析。 例如今年某某企业7月份的销售额是600万,那么大家会觉得对于这个企业来说是好还是坏?如果只有这一个数据,自然是无所谓数据差异分析的。 如果这家企业的6月份的历史销售额是400万,那么7月份600万的销售额自然是非常好的了,可是如果这家企业的6月份历史销售额是800万,7月份600万的销售额明显是有问题的。 a.纵向对比 按照这个基础的数据差异分析逻辑,我们借助FineBI来初步分析一下某家企业今年各月度的销售额统计走势图: 113229 如上图所示,通过纵向对比不难看出该企业在7月份销售额下降严重,环比6月份的企业销售额下降了22.47%,不是个好现象。老板看到这个数据自然会前来问责,说为什么7月份公司销售业绩下滑这么厉害。那么会是什么原因导致企业7月的销售业绩相对6月下滑这么多呢?我们需要更新一步地进行数据分析,以排查出导致产生问题的”真凶“。 b.横向对比 一般来说销售型企业都会在全国划分各个销售区域,那么这样一来我们除了对时间进行纵向对比之外,还可以结合销售大区维度进行横向比较,分析探索看看能不能发现一些问题。 113215 果不其然,如上图所示,通过时间维度结合销售大区进行横向对比发现,企业的东南大区7月份的销售额相对6月份反而是增长的,看来问题主要出在北方区和中西区,特别是北方区7月份的销售业绩下滑更为严重,最终导致企业7月份总的销售额比6月份严重下滑。 113217 由于FineBI是一款商业智能工具,故而我这边可以轻松通过其提供的OLAP联动分析功能,以更进一步的观察各个区域7月份的表现情况,直接点击饼图区域即可联动到月度销售额统计,非常方便。这边我们可以看出,中西区7月份销售额环比轻微下降17.86%,北方区下降严重到50.07%,而东南区则提高了6.06%,综合三个大区的总体销售状况,导致最终表现为7月份销售额环比下降了22.47%。 c.综合对比 上面分析了时间、区域维度相关的销售额结果统计,为了避免结论片面,我们尽量采用多维度的综合对比方式来观察数据,甚至可以是友商的销售情况对比进行差异分析(此处不单独举例说明)。 113218 如上图所示,我们通过时间维度结合产品类型来进行销售额分析,观察7月份各个产品线的数据发现各个产品线在7月份销售额环比都是有所下降的,这说明企业7月份销售额下降和产品种类本身是没有关系的。 五、发现问题原因 综合北方区域和中西区域导致7月份销售额环比下降的各种影响因素,最终发现是由于6、7月份北方区域降雨严重,导致物流周转严重滞后,库存商品无法及时供应,最终导致北方区域7月份销售业绩严重下滑了50.07%。而中西区域本身仓库比较小,按照之前各区域商品物流周转的设计,中西区域的本土供应的差额商品主要是由北方区域供应,但是北方区域由于严重的降雨导致物流周转严重滞后,进而导致中西区域7月份销售业绩也同比下滑了17.86%。 六、制定业务决策 通过结合FineBI工具的OLAP多维数据综合分析方法成功定位到问题原因之后,企业及时调整仓库商品物流周转策略,北方区域物流模式调整为水运,同时将东南区域的部分商品通过物流周转到中西区域。 七、评估决策效果113230 企业领导决策层8月份通过及时调整北方区域和中西区域的物流策略,北方区域物流模式调整为水运,东南区域的部分商品通过物流周转到中西区域,补充了北方区域和中西区域的库存商品周转。最终8月份企业的总体销售额达到了943万,环比7月销售额提高到了37.32%。 后记 随着信息化的飞速发展,大数据产业呈指数式增长。在我们不断地积累着企业的历史数据的同时,如何利用和分析好这些数据,真正利用大数据分析驱动企业的业务增长也成为了一个很重要的难题。希望本文给大家分享的数据分析方法,结合FineBI商业智能分析工具的OLAP多维分析能力,能够让大家下次在面对企业业务数据分析时不再迷惑,做到步步为营,让数据分析真正释放出潜能,驱动业务快速增长,形成数据和业务之间的闭环。 编辑于 2018-8-9 09:14
【业务模块】企业销售智能数据分析解决方案
一、方案背景 对于大部分企业来说,销售部门是为企业直接带来利润的主要部门,说是企业命脉部门其实也不为过。 然而事实上是为数不少的销售部工作人员由于缺乏营销分析概念和方法,企业累积的大量数据得不到有效的利用,营销分析只停留在数据和信息的简单汇总和流水帐式的通报,缺乏对客户、业务、营销、竞争方面的OLAP深入分析,结果决策者只能凭着本能的反应来运作,决策存在很大的失误风险。 那么如何快速搭建一个与企业实际销售目标相结合的企业销售智能数据平台,如何将数据信息化,汇总自动化,将销售管理者从传统的的报表数据重复结算中解放出来? 特此,帆软FineBI商业智能产品为您提供了企业级别的销售智能数据分析的解决方案,让您通过鼠标点击和拖拽就能够轻松掌握企业销售目标、销售活动、成本费用等等一系列的数据,在管理和运营企业销售目标达成的过程中真正做到数据在手,心中不慌。 二、方案内容 本方案将给大家着重分享以下企业销售智能数据分析方面的内容干货:112020 1.企业如何快速搭建销售智能数据分析平台? 2.如何让销售管理人员直接对接销售数据库快速完成基础数据报表? 3.如何让销售管理人员直接对接销售数据库快速完成综合数据分析? 4.如何让销售领导直接对接销售数据库快速完成即席数据分析? 5.如何让企业销售智能数据分析成果实现团队协作共享? 三、方案效果及实现说明1.企业如何快速搭建销售智能数据分析平台? 这部分工作属于企业IT部门的前期数据准备工作,需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接,保证数据连接测试成功。然后添加销售管理业务包,将相关数据表加入并且建好立表间关联关系即可(如果是FineIndex类型的业务包需要更新好FineIndex数据)。分配好对应数据权限之后,用户即可直接在浏览器前端来对这些销售数据进行即席的多维探索分析。112021 以本方案为例,如上图所示,我们在销售管理业务包中添加好销售员信息表、产品名称表、分公司信息表以及销售目标表、客户信息表、合同信息表、销售活动表、合同回款信息表、活动费用表,并且建立好维度表和事实表之间的数据关联关系。112022 最后在数据配置-权限配置管理界面中将建立好的销售管理业务包的权限分配给销售部门相关人员,并且在管理系统-用户管理中将销售部门人员加入到BI编辑用户的已授权列表中。112023 2.如何让销售管理人员直接对接销售数据库快速完成基础数据报表? 销售管理人员在使用分配好数据权限的账号登录平台之后,就可以新建仪表盘开始做基础的数据分析了。112024 我们以制作如上图所示的销售基础数据分析-销售人员分析页面例,首先使用仪表盘统计出企业的总销售人数,然后再用饼图统计出各大区的销售人员分布(这边可以看出我们上海区域销售人数是最多的,达到总销售人数的22.73%),最后用明细表组件展示企业的所有销售人员的销售姓名、所属大区、大区经理相关信息。这样一来,基础的销售人员配备信息也就快速可视化呈现在我们面前了。112025 销售人员分析的仪表板做好之后,销售人员可以申请给IT部门的超级管理员将该模板挂出到销售管理-销售基础数据分析目录下面,并且将仪表板开放给其他人员进行查看。另外利销售活动管理、合同信息查询的销售基础数据分析也是同理,用同样的方法做好之后申请给超级管理员挂出即可。 3.如何让销售管理人员直接对接销售数据库快速完成综合数据分析?a.销售目标进度分析112026 我们以上图所示的销售目标进度分析为例,对于企业销售管理来说,两个最核心指标莫过于销售额和回款额了。而企业通常每年都会设定销售目标额、回款目标额两个指标作为销售的年度考评KPI指标。 所以这样一来在每个时间阶段,作为销售管理者我们可以分析当前的销售额目标完成率、回款额目标完成率的总体情况。 I.销售额目标完成率=(销售额/销售目标额)*100% II.回款目标完成率=(回款额/回款目标额)*100% 以销售额目标完成率为例,添加好总金额和销售目标额之后,在FineBI中直接添加销售目标完成率指标,输入“总金额/销售目标额”即可得到当前销售目标完成率的数据。112027 计算好销售额目标完成率以及回款额目标完成率之后,然后再按照区域逐级分解。这边我们按照区域对销售额和回款额分别使用条形图进行统计,然后降序排列即可。 接着对每个区域的销售额、销售目标额、销售额目标完成率、回款额、回款目标完成率进行分析计算,以便来分析当前影响目标达成进度的主要问题区域所在。最后添加好相关查询控件,调整好仪表板整体布局即可。 b.销售回款分析112028 销售回款分析方面,首先统计出当前时间段的应收账款、累计回款、累计回款率(累计回款率=累计回款/应收账款)这三个关键指标,用仪表盘进行展示。然后按照产品线进行分解,对比每个产品线的应收款款和回款金额数据情况。接着按照时间流逝维度进行分析,统计出当前时间区间的月度累计回款金额和月度累计应收金额,同时计算累计回款率。 最后分别按照大区和销售进行分解,统计对应大区和个人的应收账款、实际回款,计算出大区和个人的回款率。这样一来,企业整体到销售个人的销售业绩状况就一目了然了。 c.销售费用分析112029 销售费用分析方面,统计当年的费用开支总金额以及年度每个月份的费用金额。接着统计出各大类的销售费用模块分布占比、全国各个省份的费用金额分布、各个客户总费用的树图统计、销售费用开票统计、各销售费用排名统计相关信息,让企业的销售费用成本一目了然的以可视化形式呈现在我们面前。 4.如何让销售领导直接对接销售数据库快速完成即席数据分析? 除了以上给大家介绍的制作一些企业常用的销售数据分析之外,FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了,通过轻松的托拖拽拽操作,就能生成丰富多样的数据分析统计结果。112036 我们以上图的年度签单&&回款统计数据分析为例,只需要将签约年份字段拖拽到行表头,合同金额、回款金额字段拖拽到左值轴,即可得到每年的合同金额和回款金额走势了,真正做到想看数据“不求人”! 5.如何让企业销售智能数据分析成果实现团队协作共享? 企业的各项工作,主要由各部门团队分工协作完成,彼此之间需要很好地进行沟通和配合,那么FineBI是如何帮助企业将销售智能数据分析成果实现团队协作共享的呢?112030 以上图所示的销售管理中心驾驶舱为例,展示了企业的签单金额、回款金额、单个合同金额分布、各地区/销售签单回款统计等等多个核心的销售管理分析指标。那么销售人员通过FineBI做好的一个销售管理里中心驾驶舱之后,其实在FineBI中可以非常便捷地将它分享给相关部门或者指定人员的。 112031 例如我这边想把它分享给企业的领导人员,那么可以在FineBI的仪表板中将做好的销售管理中心驾驶舱模板点击分享给领导部门的Tom,然后点击确定即可。这样一来,领导部门的Tom登录之后就能收到销售人员给他分享的销售管理中心驾驶舱了。 四、销售智能数据解决方案在线演示DEMO地址在线演示DEMO地址:http://139.196.190.94:37798/WebReport/ReportServer?op=fs账号:sale密码:123456FineBI官方网站:http://www.finebi.com/FineBI在线帮助文档:http://help.finebi.com/FineBI基础学习视频:http://bbs.fanruan.com/thread-103326-1-1.html 编辑于 2018-7-31 11:58 编辑于 2019-9-27 15:57
【业务模块】企业门店智能数据分析解决方案
一、方案背景 熟悉企业管理的同学应该都知道阿米巴经营的思维理念了,阿米巴经营就是以各个阿米巴的领导为核心,让其自行制定各自的计划,并依靠全体成员的智慧和努力来完成目标。 企业门店经营亦是如此,单靠中央管理层人员努力,无法实现品牌推广的目标,必须由整个团队向该方向迈进。由此可见,管理者对员工的辅导也非常重要,授人以鱼不如授人以渔,如何让员工学会自己寻找解决问题的突破口,从而带动整个门店的发展才是管理关键。 而往往最能直接暴露门店经营问题的,就是门店经营数据了。那么我们就可以以阿米巴的经营管理理念,依靠全体成员共同的智慧来利用好这些门店经营数据,充分释放数据潜能,最终提升门店经营业绩。 基于此,帆软FineBI商业智能产品为您提供了企业级别的门店智能数据分析的解决方案,让您通过鼠标点击和拖拽就能够轻松掌握门店分时段营业分析、门店综合营业分析、门店报废商品分析、门店综合管理驾驶舱等等一系列的数据,在经营和管理门店运营的过程中真正做到数据在手,胸有成竹。 二、方案内容 本方案将给大家着重分享以下企业人事智能数据分析方面的内容干货:111990 1.企业如何快速搭建门店智能数据分析平台? 2.如何让门店管理人员直接对接门店数据库快速完成基础数据分析? 3.如何让门店管理人员直接对接门店数据库快速完成综合数据分析? 4.如何让门店领导直接对接门店数据库快速完成即席数据分析? 5.如何让企业门店智能数据分析成果实现团队协作共享? 三、方案效果及实现说明1.企业如何快速搭建门店智能数据分析平台? 这部分工作属于企业IT部门的前期数据准备工作,需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接,保证数据连接测试成功。然后添加人事管理业务包,将相关数据表加入并且建好立表间关联关系即可(如果是FineIndex类型的业务包需要更新好FineIndex数据)。分配好对应数据权限之后,用户即可直接在浏览器前端来对这些人事数据进行即席的多维探索分析。111991 以本方案为例,如上图所示,我们在人事管理业务包中添加好门店主档信息表、综合营业分析表、日期信息表、小时维度表、报废商品数据表、营业日数据源表等数据,并且建立好维度表和事实表之间的数据关联关系。111992 最后在数据配置-权限配置管理界面中将建立好的门店管理业务包的权限分配给门店部门相关人员,并且在管理系统-用户管理中将门店部门人员加入到BI编辑用户的已授权列表中。111993 2.如何让门店管理人员直接对接门店数据库快速完成基础数据分析?a.门店分时段营业对比分析111994 门店经营的第一项基础且重要的工作,就是门店管理者需要对日常时间范围内的销售情况进行把控,熟悉各个时间段门店的销量状态。特别是对于特定的一些节假日举行的促销活动,我们更需要进行及时关注和跟踪,这样才能根据以往的经验更好地去策划未来的活动,取得更好地活动效果。 如上图所示的门店分时段营业对比分析,我们可以通过FineBI的时间控件进行任意日期的内的门店经营效果比对,追踪各个门店的实时经营状态。除了小时的粒度之外,针对不同星期的门店经营业绩进行分析对比(上图所示,周一的门店经营整体状态明显由于其他星期),以便优先选择活动效果最佳的时间。 b.门店报废商品分析111996 为了更好地对各个门店的销售商品进行优化,我们需要对报废商品进行一些数据分析。如上图所示,我们可以通过仪表盘合计出时间区间内的报废总金额,同时用对比柱状图过滤出报废商品Top10的商品,重点观察和监督。营业部方面,试用饼图统计出各个营业部的报废金额分布情况,着力对报废商品问题严重门店进行商品整改和优化。 c.门店信息查询111997 对于门店的信息查询,我们可以试用FineBI内置的地图进行基于地理位置的数据分布统计,另外通过明细表组件展示各个门店开设的详细信息(门店名称、大区名称、中区名称、小区名称、门店地址等)。 3.如何让门店管理人员直接对接门店数据库快速完成综合数据分析?a.门店综合营业分析111998 接下来我们来进行门店的综合营业数据分析,如上图所示,我们使用仪表盘组件合计总的营业净额,使用柱状图降序统计各个门店的营业额数据情况。对于日期区间范围内各门店营业净额的数据,我们使用堆积柱状图进行统计,以对比分析每天各个门店的营业净额数据。销售结构(销售毛额、营业净额、折扣金额)和销售品类(一般商品销售金额、饮料销售毛额、食品销售毛额)的分析,我们使用折线图进行基于每天的数据对比分析即可。 b.门店经营目标达成分析111999 如上图所示,我们再来做企业各大区门店经营目标达成的数据分析。由于我们的门店营业部有三级分类,那么这边选择多层饼图来进行三级营业部下的目标达成率分析最合适不过了。各个门店的营业净额方面,使用组合图的对比柱状图分析各个门店的目标金额和营业净额数据,使用组合图的折线图分析各个门店的目标达成率(目标达成率=营业净额/目标金额)。 4.如何让门店领导直接对接门店数据库快速完成即席数据分析? 除了以上给大家介绍的制作一些企业常用的门店数据分析之外,FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了,通过轻松的托拖拽拽操作,就能生成丰富多样的数据分析可视化统计结果。112011 我们以上图的每日交易数量和销售毛额折线图统计场景为例,只需要将交易日期字段拖拽到分类轴,将销售毛额、交易数量拖拽到左右值轴,即可自动完成分组统计,真正做到想看数据“不求人”! 5.如何让企业门店智能数据分析成果实现团队协作共享? 企业的各项工作,主要由各部门团队分工协作完成,彼此之间需要很好地进行沟通和配合,那么FineBI是如何帮助企业将门店智能数据分析成果实现团队协作共享的呢?112005 以上图所示的门店管理中心驾驶舱为例,展示了企业的产品销售种类统计、门店毛利统计、地区销售额统计、月度销售额/毛利额统计等等多个核心的门店管理分析指标。那么门店管理人员通过FineBI做好的一个门店管理里中心驾驶舱之后,其实在FineBI中可以非常便捷地将它分享给相关部门或者指定人员的。112009 例如我这边想把它分享给企业的领导人员,那么可以在FineBI的仪表板中将做好的门店管理中心驾驶舱模板点击分享给领导部门的Tom,然后点击确定即可。这样一来,领导部门的Tom登录之后就能收到门店管理人员给他分享的门店管理中心驾驶舱了。 四、门店智能数据解决方案在线演示DEMO地址在线演示DEMO地址:http://solutions.finebi.com:37798/WebReport/ReportServer?op=fs账号:store密码:123FineBI官方网站:http://www.finebi.com/FineBI在线帮助文档:http://help.finebi.com/FineBI基础学习视频:http://bbs.fanruan.com/thread-103326-1-1.html 编辑于 2018-7-31 11:29
【业务模块】企业人事智能数据分析解决方案
一、方案背景 对于企业来说,最重要的是什么?产品?设备?客户?投资商?都不是,其实对于企业发展来说最重要的是企业中的人,特别是企业的核心层人才。 如果不重视企业的人事数据管理,那么很可能逐渐得直面人员流失的问题,往日投入大量的人力和物力培养出来的精英员工却最终流失,一切付之东流,引人深叹。 那么对于企业来说,如何通过有效的人事管理,来提高内部员工的满意度、忠诚度,从而提高员工贡献度,帮助管理者通过有效组织管理降低成本和加速增长来创造价值链利润呢? 基于此,帆软FineBI商业智能产品为您提供了企业级别的人事智能数据分析的解决方案,让您通过鼠标点击和拖拽就能够轻松掌握企业职员结构、员工工资、员工状态、考勤分析等等一系列的数据,在管理人才和运营企业的过程中真正做到数据在手,胸有成竹。 二、方案内容 本方案将给大家着重分享以下企业人事智能数据分析方面的内容干货:111971 1.企业如何快速搭建人事智能数据分析平台? 2.如何让人事管理人员直接对接人事数据库快速完成基础数据报表? 3.如何让人事管理人员直接对接人事数据库快速完成综合数据分析? 4.如何让人事领导直接对接人事数据库快速完成即席数据分析? 5.如何让企业人事智能数据分析成果实现团队协作共享? 三、方案效果及实现说明1.企业如何快速搭建人事智能数据分析平台? 这部分工作属于企业IT部门的前期数据准备工作,需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接,保证数据连接测试成功。然后添加人事管理业务包,将相关数据表加入并且建好立表间关联关系即可(如果是FineIndex类型的业务包需要更新好FineIndex数据)。分配好对应数据权限之后,用户即可直接在浏览器前端来对这些人事数据进行即席的多维探索分析。111972 以本方案为例,如上图所示,我们在人事管理业务包中添加好部门表、员工状态维度表、员工表、出勤表、职位调动表、工资表、人事变动表,并且建立好维度表和事实表之间的数据关联关系。111983 最后在数据配置-权限配置管理界面中将建立好的人事管理业务包的权限分配给人事部门相关人员,并且在管理系统-用户管理中将人事部门人员加入到BI编辑用户的已授权列表中。111974 2.如何让人事管理人员直接对接人事数据库快速完成基础数据报表? 人事管理人员在使用分配好数据权限的账号登录平台之后,就可以新建仪表盘开始做基础的数据分析了。111975 我们以制作如上图所示的人事基础数据分析-企业员工状态查询页面例,因为这边是做一个基础企业员工状态查询,所以我们选择仪表板左侧的明细表直接进行展示即可。明细表组件中选择部门编号、部门吗名称、姓名、性别、学历等字段,选择控件方面使用文本控件来进行不同部门、员工的企业员工状态查询。这样一来,基础的企业员工状态信息也就快速可视化呈现在我们面前了。111976 企业员工状态查询的仪表板做好之后,人事人员可以申请给IT部门的超级管理员将该模板挂出到人事管理-人事基础数据分析目录下面,并且将仪表板开放给其他人员进行查看。另外考勤查询也是同理,用同样的方法做好之后申请给超级管理员挂出即可。 3.如何让人事管理人员直接对接人事数据库快速完成综合数据分析?a.职员结构分析111978 以上图所示的职员结构分析为例,我们按照截止时间1和截至时间2两个时间区间,使用对比柱状图来对比企业的年龄区间分布,使用饼图来对比企业的岗位人数和受教育分布,然后使用汇总表计算在不同时间区间岗位部门人数增长率、受教育程度增长率的数据。这样一来,企业在不同时间段的职员结构分析对比数据就一目了然的呈现在我们面前了。 b.企业员工工资分析111979 如上图所示,我们再来做企业员工工资相关的数据分析。首先使用堆积柱状图分别统计出当年各个部门的总工资以及平均工资对比数据,然后使用组合图分别统计出当月各部门总工资以及平均工资对比数据,快速分析出各个部门的员工工资对比增长趋势数据。 4.如何让人事领导直接对接人事数据库快速完成即席数据分析? 除了以上给大家介绍的制作一些企业常用的人事数据分析之外,FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了,通过轻松的托拖拽拽操作,就能生成丰富多样的数据分析统计结果。112007 我们以上图的资产负债即席数据分析为例,只需要将员工状态字段拖拽到分类区域,再将员工表记录数拖拽到指标区域中,即可得到对应员工状态下的员工人员分布情况了,真正做到想看数据“不求人”! 5.如何让企业人事智能数据分析成果实现团队协作共享? 企业的各项工作,主要由各部门团队分工协作完成,彼此之间需要很好地进行沟通和配合,那么FineBI是如何帮助企业将人事智能数据分析成果实现团队协作共享的呢?111981 以上图所示的企业人员流动分析为例,展示了企业在每个时间段的人员流入/流出走势。那么人事人员通过FineBI做好的一个企业人员流动分析之后,其实在FineBI中可以非常便捷地将它分享给相关部门或者指定人员的。111982 例如我这边想把它分享给企业的领导人员,那么可以在FineBI的仪表板中将做好的企业人员流动分析模板点击分享给领导部门的Tom,然后点击确定即可。这样一来,领导部门的Tom登录之后就能收到人事人员给他分享的企业人员流动分析了。 四、人事智能数据解决方案在线演示DEMO地址在线演示DEMO地址:http://solutions.finebi.com:37798/WebReport/ReportServer?op=fs账号:human密码:123FineBI官方网站:http://www.finebi.com/FineBI在线帮助文档:http://help.finebi.com/FineBI基础学习视频:http://bbs.fanruan.com/thread-103326-1-1.html 编辑于 2018-7-31 11:30
某宝的国产机到底有多便宜,你买贵了么?
一、前言 最近想入手一台新手机,考虑到国产手机今时不同往日,无论是销量还是话语权在世界上都有足够的分量,欧洲华为,印度小米,美国一加,国产手机以极为迅猛的速度攻占世界各地的手机市场。作为历来支持国产手机的忠实用户,结合对国产手机的基本认知,准备从华为、小米、OPPO、VIVO四大国产手机中做出抉择。 为了能够用数据体现这四家手机产品市场的销量、价格等真实情况,由于Python语言简明便捷,小编这边准备使用Python来对“某宝”平台进行手机相关的数据爬取。 数据可视化分析方面,虽然Python提供的numpy、pandas、matplotlib等第三方库来对数据进行计算处理,同时最终生成所需要的可视化报告,但是做出的图表缺乏动态交互,图表样式属性设置等方面也比较繁琐,并且不便进行深入的OLAP多维分析,所以这边直接使用FineBI工具来对从“某宝”平台爬取过来的手机数据进行数据分析统计。 二、原理介绍111128 在此之前简单给大家讲讲我们这次给大家分享的Python爬虫+FineBI数据展现的系统原理,如上图所示,数据层方面我们先通过Python抓取到WEB端的网页数据,之后对爬取到数据进行解析再而存储到MYSQL数据入库;最后应用层的数据处理、数据计算统计、图表可视化呈现等工作全都交由我们的FineBI工具完成。 三、实现步骤1.引入相关Pyhon库包,编写MySQL数据入库函数 首先新建python工程,引入本次爬取网页数据和写入MySQL数据库所需要的pandas、re、request、pymysql这四个相关库包:import pandas import re import requests import pymysql def ExecuteSQL(title,price,sales): #写入数据到mysql数据库 conn = pymysql.connect(host='xxx.xxx.xxx.xx', port=xxxx, user='xxxx', passwd='xxxx', db='xxxx', charset='utf8') #对应xx参数值修改成自己数据库的即可 cursor = conn.cursor() # cursor.execute('CREATE TABLE MOBILE_DATA(品牌 varchar(100),价格 double,销量 int)') # cursor.execute('DROP TABLE MOBILE_DATA') cursor.execute("INSERT INTO MOBILE_DATA(品牌,价格,销量) VALUES (\'%s\',%d,\'%d\')"%(title,price,sales)) #执行SQL数据插入 print('数据插入成功!') print(title,price,sales) conn.commit() #提交执行命名 cursor.close() #释放游标对象 conn.close() #释放数据库连接对象 2.获取网页数据 然后如下图所示,定义好模拟浏览器访问header的值,通过编写Python代码用requests获取到”某宝“平台网页中的request信息:for page in range(1,7): # 循环翻页,共7页 url = 'https://s.taobao.com/search?q=%E6%89%8B%E6%9C%BA&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306&cps=yes&ppath=2176%3A136877751%3B2176%3A3244779%3B2176%3A91621%3B2176%3A39862256%3B2176%3A28247' header = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36', 'cookie':'thw=cn; t=be73ea5ec1ffbeb254d0a3535dd00415; cna=HqWrEpIZeG4CAbYSAEIb6bav; hng=CN%7Czh-CN%7CCNY%7C156; miid=596160490770762658; lgc=%5Cu5815%5Cu843D%5Cu4E4B%5Cu6CEAa; tracknick=%5Cu5815%5Cu843D%5Cu4E4B%5Cu6CEAa; tg=0; uc2=wuf=https%3A%2F%2Ftrade.tmall.com%2Fdetail%2ForderDetail.htm%3Fbiz_order_id%3D104827474284154168%26forward_action%3D; x=e%3D1%26p%3D*%26s%3D0%26c%3D0%26f%3D0%26g%3D0%26t%3D0%26__ll%3D-1%26_ato%3D0; uc3=sg2=VWxidJMT8gLCYBc%2BxP5FJdYe9%2FXfUvq2%2Byf0cFWq90Q%3D&nk2=1RSXayUHM0Sl&id2=UUpkvTJ9k5HsSA%3D%3D&vt3=F8dBzLbVzPYkPml1NZk%3D&lg2=W5iHLLyFOGW7aA%3D%3D; uss=VvioJOfdaT365u5YugXSKrRnG47jUQQG9UQvstfUu5fjcHD0zxGQLEmn; _cc_=VFC%2FuZ9ajQ%3D%3D; mt=ci=67_1; tk_trace=oTRxOWSBNwn9dPy4KVJVbutfzK5InlkjwbWpxHegXyGxPdWTLVRjn23RuZzZtB1ZgD6Khe0jl%2BAoo68rryovRBE2Yp933GccTPwH%2FTbWVnqEfudSt0ozZPG%2BkA1iKeVv2L5C1tkul3c1pEAfoOzBoBsNsJySQJwqIKz2kX83uPP5e4iE9t1ZpHdHZkk218jfUuTKISIEGrGMtBctY%2B2vMCmzCRVhIqleLIl%2BRRQHs4ekW3wNcZhDfwkkQzp9RF7kjYiNbNLTbo2mRCr3Wf97aW%2FfC72uuEf9Tcc6cNT9QCiB0y7NxqzS4M5NvMkxl5KoKbA%2BorLqu5Y9jpCfT31RlA%3D%3D; cookie2=1c16eb46ef00c015dd101f731c258d77; _tb_token_=8de4c4560b63; v=0; alitrackid=www.taobao.com; lastalitrackid=www.taobao.com; swfstore=107855; JSESSIONID=ED726367865542B7BA84D801D1C72812; isg=AhcXOlKpAS4SKIXa0x_6AhsZpovNTcSrwSKOp2lEKOZNmDfacSx7DtWyjg59; uc1=cookie14=UoTdf1DFLRnICg%3D%3D', 'accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8', 'path':'/search?q=%E6%89%8B%E6%9C%BA&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306'} #定义模拟浏览器访问header的值 html = requests.request('GET', url, headers=header) #网页request信息获取 3.HTML标签解析(Script格式) 此时我们可以查看华为、小米、OPPO、VIVO四大国产手机中的网页信息,用浏览器自带的F12工具检查相关代码即可发现,“某宝”的商品数据信息原来是存储在Script变量中。111129 接下来我们只需要使用re,按照指定的标签格式,对整个网页的进行数据信息查找获取,然后将对象存储在data中即可: ren = re.compile('"title":"(.*?)","pic_url":"(.*?)","price":"(.*?)","trace":"(.*?)","month_sales":"(.*?)"') data = re.findall(ren, html.text) 4.MySQL数据入库 解析好数据之后,再将解析好的数据写入到MySQL数据库中: data2 = pandas.DataFrame(data) #将data对象转换为DataFrame类型方便处理 for rows in range(1,data2.shape): #循环遍历DataFrame中的所有行数据 ExecuteSQL(data2.values,float(data2.values),int(data2.values)) #MySQL数据入库 count=count+1 #计数器累加 print('恭喜您,数据已经全部爬取完毕,一共%d条数据!'%(count)) 循环遍历”某宝“平台华为、小米、OPPO、VIVO四大国产手机中的相关信息数据,页面7页,共计282条数据:111130 5.安装FineBI&&验证数据入库 通过FineBI官网下载并按照引导安装好软件:111131 直接通过FineBI提供的数据配置端的功能,添加SQL数据集(或者直接添加表也行),查看我和验证刚刚爬取并且入库的数据是否已经真正成功入库到MySQL中。 如下图所示,Python果然不辱使命,我要的”某宝“平台华为、小米、OPPO、VIVO四大国产手机中数据都已经成功写入到了我的MySQL数据库中了。111132 6.FineBI可视化制作&&成果展示 通过FineBI的简单拖拽,我这边以国产四大手机销量统计词云图为例给大家简单展示FineBI的可视化呈现过程(想按照手机大品牌统计的话可以直接对品牌字段用FineBI进行自定义分组即可,操作真的非常简单,小白可以通过FineBI官网的帮助文档或者视频快速入门~会用excel的,基本半个小时就能上手):111150 仅仅简单十分钟,刷刷的就将我想要看的淘宝华为、小米、OPPO、VIVO四大国产手机销售信息(国产四大手机均价/总销量排名、国产四大手机各品牌价格/销量词云图、国产四大手机各品牌价格/销量Top10、销售额分布图等)以可视化的形式呈现出来了。111136 1.淘宝网平台中,华为、小米、OPPO、VIVO四大国产手机总销量为751万台,总销售额为142.97亿。其中华为品牌占据总体销售额的44.40%,淘宝销售额高达61.84亿,小米、VIVO、OPPO其他三个品牌的总销售额分别占据28.98%、17.90%、8.72%。 2.从国产四大手机的均价来看,VIVO和华为分别以2167元、2021元的价格分别排在前两位,OPPO和小米的均价分别为1979元、1502元排在三、四位。小米手机价格相对低廉,不过市场占有率还可以,仅次于华为;而VIVO、OPPO这两款国产手机,历来被广大用户称为“厂妹机”,但是通过李易峰、彭于晏、鹿晗等明星小鲜肉和各大传媒渠道的积极代言,吸引了无数的小迷妹粉的购买,也是抢占了华为手机市场的一片江山。 3.再来看看国产四大手机的各品牌价格统计,华为MATE RS保时捷手机以9406元的价格高居首位,土豪专属啊,这价格无法撼动。但是值得一提的是目前在淘宝出售的华为Mate 10价格居然降到了3033元!记得前年入手Mate9的时候还花了4000多呢,果然手机随着时间推移价格变化还是挺大的。手机销量方面,品牌销量最高的是小米手机8,淘宝总销量为77万台(可以通过图表联动查看其价格为2352元),人气还是很火的。但是相比之下华为Mate 10的高配置下的3033元的价格,让小编完全忍不住剁手啊,就是你啦! 四、后记 网页爬虫数据抓取,Python首屈一指。但是对于数据统计和可视化展现方面来说,操作简单便捷、拖拽式的FineBI绝对是数据分析小白的入门上佳之选。 Python完成对网页数据的抓取和解析存储之后,配合FineBI强大的数据可视化呈现能力则圆满地完成了我本次对某宝平台四大国产手机数据的统计和分析需求,绝对良心推荐。以上就是笔者狂奔在大数据道路上的一些心得总结~欢迎大家共同学习和交流。 编辑于 2018-7-24 09:18
“走出去、大交通、深服务、智物流”——FineBI助力中铁信搭建货运智慧营销平台
一、项目背景110108 1、行业背景 随着互联网、信息化的迅猛发展,大数据浪潮也渗透于各产业。经过近几年的发展,市场中大数据技术逐步成熟,可以帮助企业整合更多的数据,从海量数据中挖掘出隐藏价值。而铁路在生产和运营过程中,以货票、十八点为主,产生了海量货运营销相关数据。若能有效的把这些数据加以利用,不仅能大大的提高日常工作效率,及时掌握情况,还能为未来的决策制定提供参考指导。 2、现状分析 中国铁路兰州局集团有限公司货运处作业的效率、资源投入、营销服务等因素不仅直接关系着铁路本身的经济效益,同时对各行各业的发展也会有较大的影响。完全有必要运用大数据思维对铁路货运作业体系进行研究,建立货运智慧营销平台(又称货运大数据平台),从而提高过程管控能力,争取在降低企业运营成本的同时提升货运作业的服务水平和货运资源的利用效率,增加货运的经济效益,提高货运市场的预测分析水平。本项目致力于在中国铁路兰州局集团有限公司大数据平台上建设一个基于货运作业分析管理的实例应用,为中国铁路兰州局集团有限公司大数据平台建设打下良好基础。 二、应用场景总体规划:本项目将以大数据平台为基础,通过FineReport进行数据采集和治理和部分复杂报表的制作,FineBI则实现业务人员数据共享分析,对货运市场运量的预测创新、辅助决策。 110116 1.BI-实例分享:收益分析模块 110117 2.BI-实例分享:经营分析模块 110118 3.BI-实例分享:公路价格模块 110119 4. BI-实例分享:市场行情模块 110120 5. BI-实例分享:装车情况分析 110121 6. BI-实例分享:货源调查模块 110122 7. BI-实例分享:预警预报模块 110123 8.BI-实例分享:任务跟踪模块 110124 9.BI-实例分享:阶段需求车分析 110125 三、项目价值 110111 中国铁路兰州局集团有限公司货运智慧营销平台采用“面向服务”的三层结构体系搭建,可根据不同岗位的个性化业务需求进行模块组合与多维图形化展示,实现了货源调查、驻企日志、生产组织、客户管理等业务协同工作,支持与其他系统使用层进行应用整合,从而提高了数据的一致性和实效性,一定程度上提升了过程管控能力,强化了货运作业的服务水平和货运资源的利用效率,增加了货运的经济效益,并为货运市场的营销决策提供数据支撑。 编辑于 2018-7-13 18:29 编辑于 2018-7-13 18:30
【业务模块】企业财务智能数据分析解决方案
这两年,大数据把“数据分析”炒火了。现在很多公司/业务都开始重视并着手数据分析,并视为信息化建设的下一个大目标。以前收集、处理、分析数据可能是IT部门和数据库员的专属,现在很多业务都急切的开始用数据分析的思维来分析业务问题,催着IT、DBA要数据,求分析。 如果企业要做数据分析,那么在诸多业务当中,财务数据分析无可厚非是最为基本的模块了,有的公司可能也会有专门的财务人员来负责这部分的日常财务报表以及数据统计分析的工作。 在过去,相信大多数财务人员的一个工作模式都是通过IT部门导给自己的相关明细数据,然后再自己使用exce/l透视表来进行相关的财务数据报表制作和数据分析工作。日复一日,企业的财务人员便逐渐沉浸在密密麻麻的exce财务报表制作的“苦海”中。 下面我们来细细回顾这样一个过程,从提需求——取数——制作财务报表,不可避免会有以下一些问题:1、需求响应不够及时和灵活,一般企业信息部人员工作都是比较繁忙的,对于财务部门提出的数据分析需求可能需要排期等待好几天时间才能有所响应。2、需求沟通存在误差,财务人员最终拿到的数据结果可能并不是最初想要的那些数据,可能由于沟通表达上的传递导致存在一定偏差。3、Excel看似是万能的,但一旦数据量庞大,要写的函数多,真是挺影响效率的,而且在某些数据分析统计场景下,表现的不够丰富灵活,需要很多冗余操作。 那么有没有一种可能能够让业务部门直接通过完全可视化的方式对接到企业的财务数据库,然后以更加快捷高效的数据统计方式来完成相关的财务报表制作以及数据分析统计,甚至是让相关的财务领导也能够在数据智能平台中来做一些财务即席分析统计,真正做到想看数据“不求人”呢?解决这个问题有几个方向: 一个是把分析数据的技术门槛降低,起码有个更简单的工具; 其次是把取数处理数据的效率提高; 最后要让分析结果以可视化图表的方式呈现,比表格更醒目直接。 综上,其实用BI搭建一个分析展示的平台,完成取数、数据清洗、分析和可视化dasnboard制作就可以了。以下将完整介绍一个财务分析平台从搭建到分析以及最终展示的方案,用到的平台是FineBI。 方案内容:本方案将给大家着重分享以下企业财务智能数据分析方面的内容干货:1.企业如何快速搭建财务智能数据分析平台?2.如何让财务人员直接对接财务数据库快速完成基础数据报表?3.如何让财务人员直接对接财务数据库快速完成统计数据分析?4.如何让财务人员直接对接财务数据库快速完成企业财务多维能力分析?5.如何让财务领导直接对接财务数据库快速完成即席数据分析?6.如何让企业财务智能数据分析成果实现团队协作共享? 方案效果及实现说明: 1.企业如何快速搭建财务智能数据分析平台? 这部分工作属于企业IT部门的前期数据准备工作,需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接,保证数据连接测试成功。然后添加财务管理业务包,将相关数据表加入并且建好立表间关联关系即可(如果是FineIndex类型的业务包需要更新好FineIndex数据)。 112198 以本方案为例,如上图所示,我们在财务管理业务包中添加好公司维度表、时间维度表、现金流项目维度表以及利润表、现金流量表、资产负债表、现金流入流出表,并且建立好维度表和事实表之间的数据关联关系。 112199 112200 最后在数据配置-权限配置管理界面中将建立好的财务管理业务包的权限分配给财务部门相关人员,并且在管理系统-用户管理中将财务部门人员加入到BI编辑用户的已授权列表中。 2.如何让财务人员直接对接财务数据库快速完成基础数据报表? 财务人员在使用分配好数据权限的账号登录平台之后,就可以新建仪表盘开始做基础的数据分析了。 112201 我们以制作如上图所示的财务基础数据-资产负债表为查询页面例,因为这边是做一个基础的资产负债表明细数据的查询,所以我们选择仪表板左侧的明细表直接进行展示即可。明细表组件中选择资产负债表的资产类别、行次、期初金额,选择控件方面使用文本控件和年月控件作为仪表板的筛选器来进行不同公司在不同时间的资产负债数据查询。 112202 资产负债表的仪表板做好之后,财务人员可以申请给IT部门的超级管理员将该模板挂出到财务管理-财务基础数据分析目录下面,并且将仪表板开放给其他人员进行查看。另外利润表、现金流量表的财务基础数据分析也是同理,用同样的方法做好之后申请给超级管理员挂出即可。 3.如何让财务人员直接对接财务数据库快速完成统计数据分析? 上面给大家介绍了最基础的财务数据分析方法,下面我们再来看看FineBI是如何实现让财务人员直接对接财务数据库快速完成统计的数据分析的。 112203 我们以上图的财务统计数据分析-资产负债分析为例,首先通过饼图统计出当月资产负债表的主要项目对比图,可以看到在固定资产净额、货币资金、存货、应收账款、预付账款这几类资产中,固定资产净额为7231.81万,占比37.05%,是最高的,说明该企业有比较大可能是传统行业的制造企业。之后我们通过堆积柱状图,轻松统计出当年每个月份的资产负债表的主要项目结构对比图。在分析当年货币资金比增长趋势方面,我们选择使用折线图来进行分析即可,其中货币资金比=货币资金/总资产。 最后再使用分组表展示当年资产负债的主要项目结构明细数据,选择控件方面使用文本控件和年月控件作为仪表板的筛选器来进行不同公司在不同时间的资产负债数据查询,最后添加仪表板的文本组件,输入“资产负债分析”作为大标题,即可完成资产负债的相关数据分析。 112204 资产负债分析的仪表板做好之后,财务人员可以申请给IT部门的超级管理员将该模板挂出到财务管理-财务统计数据分析目录下面,并且将仪表板开放给其他人员进行查看。另外利润分析、现金流量分析的财务数据分析也是同理,用同样的方法做好之后申请给超级管理员挂出即可。 4.如何让财务人员直接对接财务数据库快速完成企业财务多维能力分析? 112205 在做过企业的财务基础数据分析和统计数据分析之后,我们就可以开始分析企业的综合财务指标了。如上图所示,一般来说我们可以从企业的盈利能力、营运能力、偿债能力、发展能力这四个角度来进行核心指标拆分,分析企业的总体经营状况。 下面我们通过企业盈利能力的角度,让财务人员通过FineBI来分析企业资本运营的综合效益。 112206 我们以上图的企业盈利能力分析为例,通过组合图分别添加计算指标求出企业财务的净资产收益率、总资产利润率/总资产净利润率、所有者权益报酬率、营业毛利率、每股收益率当年每个月份的走势,分别从对应不同的角度来反映企业的盈利状况。 企业盈利能力分析的仪表板做好之后,财务人员可以申请给IT部门的超级管理员将该模板挂出到财务管理-财务企业能力分析目录下面,并且将仪表板开放给其他人员进行查看。另外营运能力、偿债能力、发展能力的财务数据分析也是同理,用同样的方法做好之后申请给超级管理员挂出即可。 企业营运能力分析 112207 企业偿债能力分析 112208 企业发展能力分析 112209 附-企业财务能力分析常用公式:1.企业盈利能力净资产收益率=净利润 / 平均净资产 =净利润 /((期初净资产 + 期末净资产 )/2)总资产利润率=总利润 / 平均总资产 =总利润 /((期初总资产 + 期末总资产 )/2)总资产净利润率=净利润 / 平均总资产 =净利润 / ((期初总资产 + 期末总资产 )/2)所有者权益报酬率=净利润 / 平均所有者权益 =净利润 /(所有者权益期初数 + 所有者权益期末数 )/2每股收益率是指公司净利润与流通在外普通股的比值,反映普通股的盈利水平。主营业务毛利率=(营业收入 -营业成本 ) / 营业成本 2.企业营运能力总资产周转率=产品销售收入 /平均资产总额 =产品销售收入/((期初资产总额 + 期末资产总额 )/2)固定资产周转率=产品销售收入 /平均固定资产总额 =产品销售收入 /(期初固定资产总额 + 期末固定资产总额 )/2应收账款周转率=产品销售收入 /平均应收账款总额 =产品销售收入 /(期初应收账款总额 + 期末应收账款总额 )/2存货周转率=主营业务成本 /平均存货总额 =主营业务成本 /(期初存货总额 + 期末存货总额 )/2 3.企业偿债能力资产负债率=(负债总额/资产总额)*100%产权比率=(负债总额/所有者权益总额)×100%经营活动净现金比率=(经营活动净现金流量/负债总额)×100%负债与有形净资产比率=(负债总额/有形净资产)×100%=(负债总额/(所有者权益-无形资产-递延资产))×100%利息保障倍数=税前利润/利息费用 4.企业发展能力营业收入增长率=本年营业收入增长额/上年营业收入总额=(本年营业收入-上年营业收入)/上年营业收入资本积累率=本年所有者权益增长额 / 年初所有者权益 =(当年所有者权益 - 上年所有者权益 )/年初所有者权益资产增长率=本年总资产增长额 / 期初总资产 =(期末总资产 - 期初总资产 )/期初总资产 5.如何让财务领导直接对接财务数据库快速完成即席数据分析?除了以上给大家介绍的制作一些企业常用的财务数据分析之外,这个BI工具最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了,通过轻松的托拖拽拽操作,就能生成丰富多样的数据分析统计结果。 112210 我们以上图的资产负债即席数据分析为例,只需要将年份、项目名称字段拖拽到行表头,月份拖拽到列表头,再将期初金额以及期末金额拖拽到指标区域中,即可得到每年每个月、每个项目下的期初和期末资产/负债情况了,真正做到想看数据“不求人”! 6.如何让企业财务智能数据分析成果实现团队协作共享? 企业的各项工作,主要由各部门团队分工协作完成,彼此之间需要很好地进行沟通和配合,那么这个平台是如何帮助企业将财务智能数据分析成果实现团队协作共享的呢? 112211 以上图所示的财务分析驾驶舱为例,展示了企业的资产收益率、资产增长率、资产负债率、营业收入、营业支出等等多个核心的财务分析指标。那么财务人员通过FineBI做好的一个财务驾驶舱之后,然后可以非常便捷地将它分享给相关部门或者指定人员的。 112212 例如我这边想把它分享给企业的领导人员,那么可以在FineBI的仪表板中将做好的财务分析驾驶舱模板点击分享给领导部门的Tom,然后点击确定即可。这样一来,领导部门的Tom登录之后就能收到财务人员给他分享的财务分析驾驶舱了。 财务智能数据解决方案在线DEMO地址:在线演示DEMO地址:http://solutions.finebi.com:37798/WebReport/ReportServer?op=fs账号:finance密码:123FineBI官方网站:http://www.finebi.com/FineBI在线帮助文档:http://help.finebi.com/FineBI基础学习视频:http://bbs.fanruan.com/thread-103326-1-1.html 编辑于 2018-7-31 13:58
有了报表FineReport,为什么还要上FineBI?
故事前言前些日子和一位企业信息部门负责人交流,他们用报表工具有5、6个年头了,先后做了财务报表,营收分析、月营收报表,细分到200多家门店以及2000多名员工的财务数据汇总,为财务开发了多维度的查询创建窗口,可以生成周期性的结算报表。 之后又用到业务层,做了OA流程分析、BOSS驾驶舱和经营可视化大屏,可以说把FineReport的功能和场景用得很全了。而且带来的效益也很明显:1、利用填报规范化各业务线的数据收集流程,利用帆软主数据管理帮忙打通了业务系统,就主数据整理这块,就节约了7个人力。2、IT不再只是支撑,用人上一方面往专精技术发展,一方面主动为提升业务价值做创新。4个IT报表开发,之后分别去做了ETL和搭建数据仓库模型。3个原本不断和业务沟通需求为业务取数的,专做类似数据分析层面上的经营分析,以及给业务部门的分析培训。3、建立了商业分析经营模型,提升门店的运营能力,如根据客流及租赁系统进行数据清洗和整合,实现客流动态监测,更好的管理销售业务;4、对分公司(金融)进行了客户画像分析,将客户交易数额、交易频次等分级,建立VIP客户阵队,为公司拉来34个每月百万级交易的客户,直接带来超1亿的营收。...... 当初上FineReport,通过报表的中国式复杂报表、灵活参数查询、丰富的图表展示、自由的数据填报上报采集、企业级门户管理等特性解决了企业信息化的不少难题,业务的数据报表可视化展示成果也是受到了领导的不断好评。 可以说“IT+数据”,价值越发凸显,盘子也越做越大。 但是任何事过一阵就会遇到上升的瓶颈,随之而来的是销售、门店、市场、人事的业务分析需求接踵而来,企业的各数据采集模块越来越丰富,即便是有报表系统,但报表需求也如井喷。最重要的是,业务的需求越发专业和个性化,需要IT对业务场景越发了解,这种需求很费时间,沟通稍有不慎之后就是不断打回,要么改需求要么继续优化,教业务取数做报表又不现实。109253 问题分析基于以上种种企业数据应用的痛点,我们需要进一步的思考。 首先,要肯定报表工具的功劳,它实实在在解决了很多数据填报上报录入、日报月报、中国式复杂报表、以及企业数据报表管理的问题,同时极大地提高了传统企业下IT部门使用SQL+代码到SQL+报表工具直接出报表模式下的报表开发效率,功不可没。 但报表只覆盖了企业部分数据应用场景,且他的上手难度对多数人,尤其是业务人员有一定门槛。 对于一些数据工作走在前列的企业来讲,有些数据问题还得靠BI来解决,比如: 业务有很多分析需求,而且很多是一次性的、甚至个人的需求,沟通和配合效率很低 取数分析涉及的数据量很庞大,百万及千万级以上; 技术问题,需要对接hadoop之类的大数据平台,甚至需要前端报表的数据实时响应; 业务部门培养分析人员需要更容易上手的工具; ...... FineBI的存在就是解决这类问题的!I.FineReport+FineBI,两者是互补的存在!109254 如果你所在企业也存在着如上所述问题,那么核心问题就需要通过一款商业智能工具以满足业务人员或者企业领导的即席/自助数据分析需求。 首先FineReport作为一款报表工具,主要用于解决提升IT部门的常规/复杂报表开发效率问题;而FineBI作为一款商业智能工具,在IT信息部门分类准备好数据业务包的前提下,以满足业务人员或者企业领导的即席/自助数据分析需求。通过FineReport+FineBI的完美结合互补,轻松搞定企业IT的复杂报表&业务即席分析需求! II.报表FineReport和BI工具FineBI的区别109255 1、数据引擎方面,FineReport产品是直连数据库,性能方面需要数据库的支撑;FineBI产品包含FineIndex和FineDirect两种数据引擎可供用户使用,其中FineDirect也是直连数据库,而FineIndex数据引擎是做大数据建模的,可以生成列式存储的多维数据集对传统的关系型数据库进行加速;2、FineReport在设计报表模板时属于C/S架构,支持灵活定制各种中国式复杂报表;FineBI属于B/S架构,主要提供自助式的OLAP多维数据分析模式;3、FineReport可以用来出固定格式的周报、月报、适合作为正式汇报材料;FineBI的使用主要面向业务人员可以自己设计报表进行分析,向自主分析得出结果,辅助企业业务决策;4、如果把FineReport和FineBI的最终数据分析结果都比喻为一场盛宴的话,FineReport可以比喻为一桌经过精心调理和准备的满汉全席,而FineBI则可以比喻为一场可供用户进行丰富自由选择的自助餐;5、报表系统和BI的使用对象和目的都不相同,报表系统更着重于短期的运作支持,而BI则关注长期的战略决策,甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身,BI并不是用来代替着眼于日常运做的报表系统的。 III.两者如何配合?109256 1.FineBI中FineIndex列式存储的多维数据库可以在FineReport中进行读取和使用,FineReport的拓展数据源也可以通过服务器数据集和FineBI进行共享;2.FineReport制作的所有报表页面都可以挂载在FineBI中进行查看和使用;3.FineBI和FineReport产品支持融合部署,所有功能都可以整合在同一个工程中进行使用(推荐FineReport整合到FineBI),同时移动端共用一个数据分析app。 典型案例以某银行为例,下辖13家省内分行、4家省外分行,营业网点541家,员工1.4万人。全行的生产实际ODS总共的数据量20几T,单表数据量最大1亿3千万。http://p3.pstatp.com/large/pgc-image/15287829838917b33c56e7a 在上FineBI产品之前,信息科技部承担着全行内日常的数据管理以及响应各部门的报表制作需求,譬如,营运客服中心需要定期对客户进行跟踪、电话回访,信息科技部通过sql将数据库中的数据取出来,再展示成报表提供给营运客服中心的客户人员进行查询。 行内的其他业务部门,有计划财务部,公司业务部,消费金融与信用卡中心,风险管理部,营运部,对自己的业务数据有自助分析的需求,譬如计划财务部要做经营分析、资金清算,消费金融与信用卡中心要做信用卡发放的覆盖率、信用卡消费的分析,公司业务部要做增长的趋势、增长速度的分析,风险管理部有对对标上市银行的相关分析。 这些业务部门的数据指标的特性是变化快,不但要不断增加新的指标,而且已有指标的计算方式也在变化,所以需要经常调整。信息科技部并不知道哪些指标对这些于业务部门而言是重要的指标,信息科技部按照业务部门提过来的需求来做好指标,也不能完全实现业务部门需求。 上了FineBI平台之后,信息科技部给计划财务部,公司业务部,消费金融与信用卡中心,风险管理部,营运部分别开设了分析编辑用户。信息科技部将这些部门相关的数据库表加载到FineIndex数据引擎中,按照业务给每个部门的账号分配数据权限,每个业务部门可以自由地对自己的数据进行数据分析。新的模式为信息科技部只需要维护底层数据表,业务部门的科技项目经理负责向信息科技部申请需要的数据,普通的业务员可以对自己模块的数据进行自助分析,彻底改变了原有的模式。 目前全行各部门有效的分析模板300多张,各部门对自己的数据和分析模板有着绝对的自主性,同时也方便了汇报工作,譬如计财部总监给董事会汇报,以前都采用先查询报表,然后将结果粘贴到ppt汇报,现在直接使用FineBI平台,边汇报边切换指标讲解。109257 总行顺利推进,近期各分行也正在积极推广使用中。 写在最后数据本身的价值其实是潜在的,而工具的作用是帮助用户更加便捷地进行数据的统计和分析,但是在这之中数据的业务闭环才是最为重要的。 除了常规FineReport的中国式复杂报表之外,还需要通过FineBI不断完善企业即席分析和数据多维可视化建设,让业务人员也能够通过BI工具从单个核心指标出发,然后进行指标拆解,进而深层次多维分析,切片切块,通过同型分析、趋势分析、对比分析等数据分析方法定位到数据中的异常点,最终通过调整决策解决业务问题。 毕竟在当今这个大数据信息化爆炸时代,只有坚持数据成为生产力的企业指导经营方针,让全员都利用好企业的数据以分析引导业务决策,才能让企业真正焕发生机,成为真正超越和引领同行业的领导者。 编辑于 2018-7-6 11:44
巧用JSP+WEB组件实现KPI动态组件展示
一、故事背景 最近很多同学们在用FineBI搭建驾驶舱或者大屏看板的时候,尽管产品有内置了仪表盘组件可以用于进行数据指标统计,但是很多情况下还是希望数据能够直接以数字的形式进行统计呈现(内置虽然有文本组件但是只能呈现静态输入的文本文字,无法随着数据库中的数据变化而变化),那么这时会不会经常苦于FineBI V4.1中没有内置的KPI数值展示组件呢?提产品需求?这边官方告诉大家5.0版本会在产品中直接增加KPI组件,那么FineBI V4.1版本有没有什么好的办法可以实现呢?最近来问我这个问题的同学很多很多~那么下面就直接看我这边给大家分享的JSP+WEB组件实现KPI动态组件展示方案吧! 103736 二、具体方案1.记事本新建一个jsp(其实js也可以实现类似效果,为什么用jsp不用js呢?因为js代码前端可以直接查看,可能导致数据库安全隐患),命名为kpi.jsp,通过调用工程下面的数据库驱动jar,执行指标统计SQL,用于取出想要统计的指标数据,内容如下: 巧用JSP+WEB组件实现KPI动态组件展示 <% String dri="org.h2.Driver"; //驱动名称,可根据实际情况修改 String url="jdbc:h2://G:/FineBI_4.1/webapps/WebReport/test"; //数据库URL,可根据实际情况修改 String user="sa"; //用户名,可根据实际情况修改 String password=""; //密码,可根据实际情况修改 String sql="select sum(总金额) from demo_contract"; //指标统计SQL,可根据实际统计指标进行修改 DecimalFormat df = new DecimalFormat("###,###,###"); //指标格式化代码,此处用于给数值加千分符,如果不需要可以注释掉 Connection conn = null; //数据库连接对象 Class.forName(dri).newInstance(); //加载驱动类 int rows=0; //定义行变量 conn = DriverManager.getConnection(url,user,password); //取得数据库连接 //out.println("连接成功!"); Statement stmt=conn.createStatement(); //创建数据库操作对象 ResultSet rs=stmt.executeQuery(sql); //执行SQL ResultSetMetaData rsmd = rs.getMetaData(); //返回SQL数据集 rows = rsmd.getColumnCount(); //得到当前的行数 while(rs.next()) //遍历每列SQL数据集 {//输出显示 int temp=1; for(;temp<=rows;temp++) //遍历每行SQL数据集 { out.println(""+"¥"+df.format(rs.getDouble(temp))+""); //以html形式输出SQL统计结果,其中size表示字体大小,color表示字体颜色,font-weigh可设置字体加粗,df.format()函数可用于给返回的指标添加千分位分隔符,不需要可以去掉,直接展示rs.getDouble(temp)数据 } } %> 2.将创建好的kpi.jsp文件放置到FineBI安装目录的\WebReport目录下,以供前端浏览器执行调用: 103737 3.打开FineBI\lib目录下的的jar文件,如果ecj的这个jar版本不是ecj-4.6.3.jar,更新到ecj-4.6.3.jar版本的jar,否则低版本ecj的jar有可能出现jsp无法编译而报错的现象:1037421037384.在浏览器前端输入jsp访问地址:http://localhost:37799/WebReport/kpi.jsp,可得到如下图所示返回指标统计结果: 103739 5.在FineBI的仪表板中添加WEB组件,然后在该WEB组件中添加URL为http://localhost:37799/WebReport/kpi.jsp,然后调整你的页面到最佳效果即可。 103740 三、最终效果最后直接预览模板~我们就可以看到最终的展示展示效果啦~此时展示的数据指标即可随着数据库中的数据变化而刷新变化了,真正的KPI动态指标哦,赶紧动手试试吧~103741 编辑于 2018-5-29 20:17
一文看懂财务数据分析方法
在企业经营数据分析中,财务数据是不可或缺的组成部分。而财务数据中通常以资产负债表、利润表、现金流量表三张表为最基本也是最重要的数据表,今天主要跟大家分享自己在企业财务数据相关常用的数据分析经验和方法,欢迎大家共同交流学习进步。——本文数据分析工具为FineBI V4.1 一、基础财务数据表 在这之前我们先来初步看看资产负债表、利润表、现金流量表这三张基本财务数据表的业务含义,以及之间存在的业务关联关系。 1.资产负债表 资产负债表主要包含企业经营在每个会计期初和期末期间总的资产现金(企业还有多少现金,至少还能换取多少现金)、总体负债情况(企业目前欠了多少债务)以及股东等企业所有者的权益(股东投资金额以及累计盈亏情况),通常用于反映企业资产结构、偿债能力、管理水平、利益归属等情况,类似于某个时间点用照相机给企业拍摄的一张企业经营总览照片。 2.利润表 利润表主要包含企业经营在一段时期内的效益能力,如企业营业收入、营业成本、净利润等信息,通常用于反映企业的盈利能力和产品竞争力,类似于某段时间内用摄影机给企业拍摄的一段盈利能力视频。 3.现金流量表 现金流量表主要包含企业经营在一段时间内生产经营、投资以及筹资活动中产生的现金流情况,通常用于反映企业的利润水平和企业健康情况,类似于某段时间内用摄影机给企业拍摄的一段现金流量周转视频。 102753 业务关联关系 其中现金流量表中企业在进行经营、投资以及筹资活动中产生的企业资产现金流量周转,会影响到企业资产负债表中的总资产现金,同时也会在利润表中有所体现;利润表中的企业经营盈利情况,会影响到资产负债表中的企业股东的所有者权益。 我们在理解清楚了财务数据的基本逻辑关系之后就需要学习和掌握一些常用的财务数据分析方法了,否则即使对基本财务逻辑原理倒背如流,也很难通过财务数据的分析从而对企业的经营决策有所引导,下面给大家介绍同型分析、趋势分析、比较分析这三种常用的数据分析方法。 二、同型分析 首先来看看我们财务数据分析最常用的同型分析法,所谓同型分析其实本质上是一种结构分析方法。例如对于资产负债表,我们通常可以通过同型分析详细列明企业各项资金占据总资产的比重,分析企业的资产负债组成结构。另外对于财务数据中的利润表,我们同样也可以通过同型分析法观察各个项目在利润表中的结构占比,以及收入到利润的过程中每一个步骤所产生的损耗等。 这边我们来看一个对资产负债表做数据同型分析的实例: 102754 我们通过FineBI的汇总表格,对资产负债表做数据同型分析,自动计算出每一项资产在总资产中的占比。从上图可以快速看出,企业的固定资产为59.67%,无形资产为1.57%,流动资产中存货、货币资金、应收账款、预付账款分别为5.19%、18.44%、13.56%、1.57%,也就是企业流动资产仅占据企业资产的38.76%,固定资产接近60%。这家企业固定资产如此之大,初步估计应该是一家传统制造型的企业。 另外我们来单独看这家企业流动资产中的应收账款,竟然占据了企业总资产的13.56,这比例对于总资产来说已经是一个不小的数值了,说明这家企业的产品没那么好卖,也许正面临着较大的市场竞争,因为很多制造型企业往往和采购方签约有可能采取延后收款时间来获得更大的市场竞争能力。 最后看下这家企业的负债情况,企业总负债占据了62.01%,其中短期借款占比最大,占据了53.63%,其次是应付账款,为8.38%。股东权益方面总共占据了37.99%,其中最初企业股东共同投资的原始股本占据比例为33.52%,未分配利润占比为4.47%,盈余公积和资本公积都是0,总体来看企业经营效益并不是很好。 三、趋势分析 第二种财务数据常用的分析方法为趋势分析法,通常指的是将实际达到的结果与不同时期的财务数据中同类历史指标数据进行比较,从而确定财务经营状况、经营成果和现金流量的变化趋势以及变换规律的一种分析方法。通常对于企业的资产负债表、利润表、现金流量表来说,现金流量表经常需要通过趋势分析的方法来观察某一段时间内企业现金流量变化的走势。 102755 我们来看看上图通过FineBI工具自动统计出的某企业现金流回款趋势数据,可以看出第一季度的销售合同金额数据比较小,这可能跟春节年初假期有关,导致企业该季度的现金流较少。另外在一年中5月份、7月份以及9月份是销售旺季,企业的现金流回款以及销售额都相对较好,第四季度总体企业合同金额和回款金额数据趋于稳定,12月份在第四季度的现金流中总体来说是最好的。 四、比较分析 最后给大家介绍的一种常用的财务数据分析方法为比较分析法,通常指的是通过两个或者两个以上相关指标进行对比,确定指标之间的差异,并进行差异分析或者趋势分析的一种数据分析方法。比较分析方法通常可以划分为三大类: 102756 第一类是企业内部指标数据进行对比分析,例如企业各个地区的销售额可以进行数据比较分析,找出销售业绩相对较好的地区总结相关经验给销售业绩相对较差的地区进行优化整改。例如上图中我们可以通过热力地图快速感受到企业在北京、上海地区销售体量的重要性,但是同类地区例如广东的广州和深圳却并不突出,这个是企业决策层所急切需要关注的问题。 102757 第二类是对于企业同一指标可以根据不同的时间形成多个指标进行对比分析,例如企业的销售额可以进行同比环比分析,结合预警小图标,快速观察出和去年或者上个月的销售业绩是否提升或者下降,找出对应时间可能存在的企业经营问题。 第三类情况下,除了和企业自身的经营数据做对比之外,我们还可以将自身企业的数据和同行业的同等或者优秀企业的调研参考数据进行经营数据对比分析,以清楚目前自己企业在市场上所处于的级别层次,选择和借鉴更加适合自己的企业经营方略。 五、数据分析总结 不论企业真实业务场景如何复杂多变,不仅仅是财务数据而言, 其实数据分析一种非常好的思维模式是:从单个核心指标出发,然后进行指标拆解,进而深层次多维分析,切片切块,通过同型分析、趋势分析、对比分析等数据分析方法定位到数据中的异常点,最终通过调整决策解决业务问题。因为只有坚持数据成为生产力的企业指导经营方针,不断完善企业数据多维可视化建设,才能让企业真正焕发生机,成为真正超越和引领同行业的领导者。 附:财务常用计算公式指标a.盈利能力:毛利率=毛利/营业收入=(营业收入-营业成本)/营业收入净利率=净利润/营业收入 b.营运能力应收账款周转率=营业收入/((期初应收账款+期末应收账款)/2)应收账款周转天数=365/应收账款周转率存货周转率=营业成本/((期初存货+期末存货)/2)存货周转天数=365/存货周转率流动资产周转率=营业收入/((期初流动资产+期末流动资产)/2)流动资产周转天数=365/流动资产周转率固定资产周转率=营业收入/((期初固定资产周转率+期末固定资产周转率)/2)固定资产周转天数=365/固定资产周转率总资产周转率=营业收入/((期初总资产+期末总资产)/2)总资产周转天数=365/总资产周转率 c.偿债能力流动比率=流动资产/流动负债速动比率=(流动资产-存货)/流动负债利息收入倍数=息税前收益/利息费用=(净利润+所得税+利息费用)/利息费用资产负债率=总负债/总资产 d.投资回报能力总资产报酬率=净利润/((期初总资产+期末总资产)/2)净资产报酬率=净利润/((期初股东权益+期末股东权益)/2)
企业经营数据分析指标靠IT?用它就“够”了!
随着信息化的飞速发展,大数据产业呈指数式增长。在我们不断地积累着企业的历史数据的同时,如何利用和分析好这些数据,真正利用大数据分析驱动企业的业务增长也成为了一个很重要的难题。本文将给大家分享一个实操性和可参考性极强的数据分析驱动业务增长案例,让大家下次在面对企业业务数据分析时不再迷惑,做到步步为营,让数据分析真正释放出潜能,驱动业务快速增长。 ——本文所使用数据分析工具为FineBI V4.1 101237 一、资产报酬率 不论是对于企业实际经营者还是市场股权投资者来说,企业经营数据分析指标中,财务指标绝对是经营分析中的重头戏。而分析企业财务分析指标,我们通常会需要资产负债表、利润表以及现金流量表,而其中最能反映的企业的获利能力和投入产出状况的莫过于企业的资产报酬率指标了。因为资产报酬率越高,表明资产利用效率越高,说明企业在增加收入、节约资金使用等方面取得了良好的效果;该指标越低,说明企业资产利用效率低,应分析差异原因,提高销售利润率,加速资金周转,提高企业经营管理水平。 101238 找到企业经营的核心指标之后,我们下一步将其进行拆解分析: 资产报酬率=(净利润+利息费用+所得税)/平均资产总额*100% 净利润=销售额*净利润率 平均资产总额=(资产总额年初数+资产总额年末数)/2=销售额/资产周转率*100% 此时如果忽略利息费用以及所得税部分,即: 资产报酬率≈(销售额*净利润率 )/ (销售额/资产周转率)*100%=净利润率*资产周转率 表面上来看,想提高企业资产报酬率,就需要提高企业净利润、利息费用、所得税,降低平均资产总额,进一步转化,从提高企业经营效率的角度来说,也就是需要提高企业净利润率以及资产周转率。 通过FineBI工具,我们快速统计出某企业的关键经营分析指标: 101239 其中资产报酬率为3%,仅为企业战略经营设定7%的资产报酬率目标的42.86%;净利润率为7%,仅为企业战略经营设定的净利润率目标的70%;资产周转率为0.45%,仅为企业战略经营设定0.7%的资产周转率的64.29%。现在我们都知道,类似余额宝等基金理财产品的年收益率也在4%左右,而3%的企业资产报酬率,这个数值也太低了吧,看到这样的财务数据,我相信企业的股东们一定会非常郁闷了。那么到底是什么原因造成了企业经营如此不堪的局面呢?又是什么原因使得该企业在效益和效率散离初定的战略指标相差甚远呢? 二、净利润率 对于任何一家企业经营者来说,我们通常都会选择适合自己企业的战略经营方针,要么降低成本来扩大销售渠道,要么舍弃部分销售渠道潜心研究专业特色产品。那么首先来分析和企业经营指标紧密相关的效益指标,也就是净利润率指标,决定企业效益的主导因素主要是企业的销售额和营业成本(主要由原材料费用、营业费用、管理费用、财务费用以及营业税金组成)。 接下来我们继续统计企业年度经营的销售额指标和营业成本指标。 首先我们来看看企业销售额达成情况,年度总销售额为8735万,已经为企业战略经营设定的销售额目标的102.76%,超标完成了企业的年度销售额目标,公司销售团队显然做的很优秀。 101240 企业生产产品方面主包括各式服装,主营羽绒服、羊毛衫、风大衣、西装、保暖内衣、定制工作服等批发销售,其中羽绒服、羊毛衫、风大衣分别排名前三,可以看出该企业主要以冬季服装生产为主。 101241 下面再来看企业的经营成本统计分析情况,如下图所示,其中管理费用、营业费用基本与年度既定目标持平,营业税金比年度既定目标稍高一个百分点(这与销售额超标完成有关),财务费用甚至比年度目标战略既定减少开支了5个百分点(融资借贷等费用),原材料费用也相对费用支出设定目标比例减小了5个百分点(这与公司自行开辟原材料供应生产厂有关),但是物流费用直接比年度目标战略既定目标高出9个百分点! 101242 为了找出高额的物流运输费中可能存在的问题,我们用FineBI工具快速制作出如下图所示该企业的物流流向运输路线图,可以看出,该企业主要有东北以及内蒙古两个原材料生产基地,然后再将生产好的成品运输给全国各地。我们仔细观察可以发现,目前的运输路线都是以东北、内蒙作为运输起点,然后分别运输到东北、华北、华中、西北、西南、东南、华南的主要六个销售大区,长距离的路线运输导致了较为昂贵的物流运输成本。对于已经建成的生产基地,显然无法更改位置,那么有没有更好的物流运输方案呢?自然是有的!以该企业目前的物流运输模式为例,我们可以选择济南、西安、武汉这三座城市分别作为东南、西南、华南三个大区物流中转站,这样一来,一定程度上可以降低过去直接起点对终点模式下运输的物流成本,提高企业的净利润率。101243 三、资产周转率 我们在攻破企业净利润率指标影响效益问题的坚冰之后,接下来直接把矛头指向企业运营效率问题,也就是资产周转率指标。我们经过前面的统计已经知道,该企业的年度资产周转率为0.45%(仅达成战略目标设定0.7%的64.29%),这反映出目前企业存在较为严重的运行效率落后问题。为了迅速找出该企业资产周转率低下的问题,我们首先需要先明确统计出企业模块下的资产组成体系,同时观察这些资产对应的资产周转率。 101244 通过FineBI工具我们快速统计出目前企业的资产组成体系以及资产周转率对比数据,仔细观察分析可以发现: 1.该企业的固定资产(已建固定资产+在建工程资产)占据了企业总资产的65%,这显然是制造行业的通用特性。已建固定资产的资产周转率为7%,刚好达到设定的目标资产周转率,这部分数据基本正常。固定资产体系总的在建工程资产,这部分资产占比为28%,占据企业资产比例不低,说明企业正处于发展建设期,有较大的发展空间,对于这部分在建企业资产,实际上是不会有资产周转产生的,因此对企业总体资产周转率会暂时有些影响。 2.该企业的第二大资产组成为存货资产,资产占比为20%,同时存货既包含产成品也包括生产原材料,对于制造行业来说,囤积生产原材料并非是错误的行为,但是也会带来相应的问题,因为这种行为并不直接创造收入,反而会拉低存货的资产周转率。 3.该企业的应收账款资产占比为15%,资产周转率为6%,这可能和该企业的有着较大的公司规模有关,另外面对较大的市场规模竞争,所以在赊销方面的策略也是相对宽松的。不过从应收账款账龄统计分布可以看出,70%的应收账款都是一年以内可以收回的,一到两年的占据15%,两年到三年的为10%,三年以上的为5%,应收账款总体来说属于正常状态。 101245 四、企业经营数据分析总结 通过对该企业进行以上的经营指标数据分析可以得出以下结论: 1.该企业销售业绩良好,企业规模较大,服装产品在全国都有广阔的市场空间。 2.该企业经营成本方面,财务费用、营业费用、营业税金开支正常,另外由于在内蒙古和东北有生产基地,产品原材料成本相对较低,但是物流运输路线规划不合理,造成了高昂的物流运输成本,可以选择济南、西安、武汉这三座城市分别作为东南、西南、华南三个大区物流中转站,这样一来,一定程度上可以降低过去直接起点对终点模式下运输的物流成本,提高企业的净利润率。 3.该企业固定资产体系总的在建工程资产占比为28%,占据企业资产比例较高,说明企业正处于发展建设成长阶段,有较大的发展空间,但是现阶段暂时不能直接给企业带来收益,需要阶段性的建设时间。 4.该企业生产原材料积累丰富,但是也会带来相应的问题,因为这种行为并不直接创造收入,反而会拉低存货的资产周转率,应该根据产品实际销售情况,合理规划各项生产原材料的采购生产。 经过一段时间对于物流运输路线优化、服装生产原材料库存调整、在建项目持续改良推进建设之后,新的一年中该企业的资产报酬率提高到了8.5%,企业发展呈一片欣欣向荣之势。 编辑于 2018-4-18 14:14
【视频+资料包+互动答疑】跟Royide老师学习FineBI第五周——web集成应用
一、视频资料 超清视频免费在线观看地址:http://bbs.fanruan.com/course-29.html 二、资料包 课后资料包含培训中所用的PPT、习题答案等内容(本期PPT中包含习题答案~)如果报名并且参加了直播满意度调查的番薯,珠珠童鞋会将资料发至你们所留邮箱(若没收到邮件可能是你们的邮箱退件了,可以联系珠珠:2671766282)没有报名参加直播的番薯,可以前往积分商城直接购买~ 三、获奖番薯 调研中奖用户 日期手机奖品 2018.04.12187****2822帆哥晴雨伞 2018.04.12158****4628帆哥公仔 2018.04.12185****2003软妹公仔 直播中奖用户 日期用户名手机尾号奖品 2018.04.12lynngd9191帆哥晴雨伞 2018.04.12gxy1203134002帆哥鼠标垫 恭喜以上番薯获奖,请点击页面最下方联系管理员@兔子酱领取奖品。 四、答疑 考虑到直播中微吼聊天窗口记录较多,为了便于记录和更好的和大家进行答疑互动,本期直播或者答题过程中关于FineBI产品使用的任何疑问都可以跟帖回复评论~ 五、课程结束跟royide老师学习FineBI系列课程全部结束啦~~~撒花*★,°*:.☆( ̄▽ ̄)/$:*.°★* 。所以,暂时没有下期预告啦~接下来,royide老师会根据调研内容,推出新的课程!期不期待!悄悄告诉你们,老师跟我说,接下来可能会讲行业BI应用解决方案的问题!嘘~~~
清明出游大数据,盘点各类旅游TOP10!
“梨花风起正清明,游子寻春半出城”,祭扫追思缅先辈,踏青赏花正当时。清明时节旅游市场迎来一轮春季小高潮。文化和旅游部表示,经中国旅游研究院综合测算,今年清明假日期间全国共接待国内旅游总人数1.01亿人次,同比增长8.3%;实现旅游收入421亿元,同比增长8%。三天清明时节旅游市场迎来勃勃生机,旅游迎来文化、休闲融合发展新时代,让我们走近清明节旅游出行的大数据分析,了解清明节背后的故事。 100628——本文数据分析工具采用FineBI4.1,数据来自于互联网统计。 一、清明出行宏观分析 从今年清明小长假出游情况看,尽管正式假期从4月5日开始,但在“拼假”大趋势下,4月2日-4日请三天假与3月31日、4月1日双休日及清明节凑成8天长假的人不在少数。因此,第一波清明出发高峰主要集中在3月31日,其次便是小长假开始后的4月5日。100629 报告显示,清明节热门景区旅游目的地主要集中在春暖花开、气温适宜的华南、华东地区。广州、上海、无锡、北京、成都、深圳、珠海、南京、常州、杭州是十大热门城市。100630 一线城市是主要客源地,扎堆首日出游。上海、广州、北京、深圳、南京、成都、长春、杭州、衢州、苏州是清明旅游的十大客源地。一二线城市的都市白领在这个清明除了缅怀祖先外,更渴望通过旅游释放压力。随着旅游消费升级,人们对品质旅游的需求更高,旅游设施、服务完善的4A、5A级景区最受青睐。 100631 各地旅游市场精彩纷呈,东部城市最热门。西南地区文化旅游氛围浓,都江堰、峨眉山、青城山等世界文化遗产景区成亮点。华东、华南地区是亲子类景区的天下,广东长隆旅游度假区、上海迪士尼乐园、上海野生动物园、常州恐龙园等亲子景区深受家庭喜爱,黄山风景区、鼋头渚为代表的山水名胜也是清明度假的热门之选。华中地区,南岳衡山、张家界国家森林公园为代表的自然景区最受青睐,文化遗产黄鹤楼人气较高。西北地区,历史文化类景区如秦始皇陵兵马俑、华清宫、大唐芙蓉园更受中青年人群喜爱。华北地区,除故宫、慕田峪长城等老牌景区外,主题乐园、动物园景区游玩人气颇高,北京欢乐谷、天津欢乐谷、天津海昌极地海洋公园、八达岭野生动物园成热门。东北区域,主题乐园、海洋馆、温泉类景区人气爆棚。 100632 按照出游方式划分,跟团游和自助游仍是人们出游的主流方式,同时,新兴的半自助游方式也逐渐受到游客青睐,出游人次占比高达18%。 100633 今年清明节预订景区门票的游客,90后占比最高,达到40%,90后开始主导清明景区出游市场,其次是80后,占比为37.3%。90后是出游主力军,说走就走成趋势,这是由于步入家庭生活的90后、80后,喜爱群体出游,以两天一晚、三天两晚的亲子游、家庭游以及亲友结伴游为主,人们在景区玩乐的同时,越来越注重文化趣味。 100634 二、清明出行景点分析   文化和旅游共荣共生,引领新时代国民消费升级。中国旅游研究院专项调查显示,清明假日期间,近郊祭祀扫墓、踏青、赏花是居民出游主要动机,以博物馆、文化遗产、文化展演、宗教祈福等为代表的民俗文化游走热,参观文化场馆和游览名胜古迹的游客占比达38.1%。文化展演吸引游客人次较去年同期增长了12%,主打文化IP的景区逐渐赢得游客喜爱。假日期间,景区是旅游消费的重要领域,全国各大景区迎来春季客流高峰,整体市场同比增长35%,其中文化类景区门票消费同比增长58%,文化展演吸引游客人次较去年同期增长12%,成为清明旅游的一抹亮色。   都江堰、广东长隆旅游度假区、峨眉山、黄山风景区、故宫博物院、鼋头渚、北京欢乐谷、上海迪士尼乐园、秦岭野生动物园、常州恐龙园、灵山大佛、白云山风景名胜区、香港迪士尼乐园、成都欢乐谷、上海野生动物园、广东罗浮山风景名胜区是全国景区消费最热门的二十个景区,亲子型主题乐园和大型山岳景区受欢迎。 100635   世界文化遗产景区成游客清明旅游心头好。都江堰、黄山风景区、故宫博物院、鼓浪屿、明孝陵、秦始皇陵兵马俑、庐山风景名胜区、青城山、拙政园、宏村是十大热门世界文化遗产景区。被列入首批国家非物质文化遗产名录的都江堰放水节,通过《礼祭先贤》《敬祈福愿》《拜水大典》三幕实景画卷,将都江堰的历史文化精彩呈现,引各方游客点赞,为都江堰吸引来大量游客。 100636   文化古镇是清明假日市场一道亮丽的风景线。乌镇、南浔古镇、宁乡炭河古城、阆中古城、朱家角古镇、周庄古镇、古北水镇、绍兴古城、平遥古城、苏州同里古镇是最受游客喜爱的十大文化古镇,具有浓郁民俗风情的江南古镇、古城最具有代表性。 100637   弘扬清明传统、踏青祭扫两不误,祈福类景区受欢迎。清明时节,也有不少人喜爱登高祈福,在饱览自然风光、愉悦身心的同时,缅怀先人,为亲人祈福。峨眉山、灵山大佛、衡山、三清山、寒山寺、舟山普陀山风景区等在祈福类景区中排名前十。峨眉山“普贤文化节”、南山寺的清明思亲法会、九华山千人祈福大典等清明活动,弘扬了中华民族的传统文化,深受游客喜爱。 100638 得益于带薪休假制度的落实,清明“请三天休八天”让旅游者拥有了更长的假期,出游周期较长的出境游成为“拼假”族的主流选择之一。从清明节出境游实际出游情况看,泰国、日本、印度尼西亚、马来西亚、新加坡、法国、瑞士、意大利、德国、俄罗斯位居热门目的地国家TOP10。其中,樱花游带火的日本以及泼水节带动的东南亚尤其受到游客追捧。 100639 同时,对于亲子出游的家庭而言,出境海岛游是较为热门的选择,普吉岛、冲绳、芽庄、巴厘岛、长滩岛、沙巴、塞班、苏梅岛、毛里求斯、塞舌尔等上榜热门出境海岛目的地前十名榜单。 100640 三、清明出行分析总结 清明旅游出行大数据,反映了人们日益更新的旅游和消费观念的转变。一方面旅游不断多样化和大众化,作为日常生活进入了千家万户,形成广泛而庞大的人群交流和迁移;另外一方面,文化性旅游成为旅游业发展的新亮点,旅游消费高涨,文化需求活跃,旅游者进行旅游,本质上也是购买文化、消费文化、享受文化。当下,旅游性企业只有时刻关注旅游数据分析,把握旅游行业发展特点,才能跟上时代的发展,创造稳定收益的同时,服务好旅客。另外四月一过,马上又是五一小长假啦~小伙伴们想去哪里旅行呢? 编辑于 2018-4-16 14:56
【直播调研戳进来~】FineBI产品2018年度在线直播教学用户调研
一、调研背景 2018年度Royide老师给大家精心制作的【跟Royide学习FineBI系列直播】这周二刚做完第四期,下周第五期直播结束之后马上就要进入收尾阶段了,一个月的时间里,这里首先感谢各位同学们一路的热情陪伴参与。 本系列直播较以往FineBI教学直播所不同的是以业务数据分析为主线,产品操作为辅线(因为考虑到目前已经新出了FineBI V4.1的基础教学视频),第一次尝试,也是取得了比较不错的效果~为了后续FineBI产品教学直播能够讲更多大家想听、想学习的内容,和大家拥有更好地互动,以便大家能够有更好的学习效果。在给同学们筹划后期的直播内容之前,先做一次用户调研,望同学们能够积极参与~ 二、用户调研地址: 戳我直达 三、用户抽奖&&截止时间: 2018/04/12日晚九点半 另外调研结束之后,将在【跟Royide学习FineBI系列直播】的第五期直播(http://bbs.fanruan.com/thread-105031-1-1.html)最后从以上调研用户中额外抽取3位幸运小伙伴为获奖用户,还在等什么,挥挥你的小手~发散你的思维智慧~花一分钟时间~赶紧行动起来吧! 编辑于 2018-4-5 11:21
123下一页
个人成就
内容被浏览3,323,991
加入社区6年141天
返回顶部