从月薪4K打杂管培生， 到用BI+FR+FDL重塑项目管理的数据主理人 ——非科班财务生的数据逆袭：没有白走的路，每一步都算数 故事的开始，是工作第一个月到手3335元；故事的现在：是工资终于够依法交税了🫡   第一章 困局·四千月薪与数据梦的萌芽 第一次接触FineBI是2022年8月，但故事要从2020年1月说起。 那年大四秋招，我攥着北京一家管理咨询事务所的 Offer—— 在 CBD 给央企搭财务共享中心，这是一个财务管理专业学生对未来工作的最高想象：穿西装、敲键盘，是对现有流程的变革；而不是加班到凌晨赶审计报表，也不是贴不完的报销单。 谁也没想到，故事的下一页会被疫情彻底改写。🥺Offer被锁，春招消失，多数企业要求面试者必须到当地，应届生的求职之路瞬间被堵死。 一边是学校为了所谓的“学校就业率”反复催促签订三方协议，一边是爸妈被亲戚朋友调侃“养了个毕业即失业的啃老族”，焦虑的头发一把一把的掉。最终为了在毕业前尘埃落定，只能仓促接受了一家不到100人小公司的“管培生”岗位。后来才发现，“管培生”的名称不过是个噱头，实际是在财务部门、招投标部门打杂，月薪仅有4000元（朋友至今都觉得在开玩笑。一本诶，怎么可能？）。更让我这个曾天真以为所有工作都“双休且五险一金齐全”的毕业生震惊的是，这份工作单休，且没有公积金，入职第一天晚上就整体投标材料加班到晚上11点多！ 主打一个“用着父母累死累活赚回来的钱，去读累死累活的书，然后出来还累死累活的找一份累死累活的工作，然后还赚不回父母供我读书的累死累活的钱” 虽然对 “西装写字楼” 非常不甘，但还是懒得折腾换工作。不过也没真闲着：因为“懒”不愿意纯手工处理数据，所以学了很多excel技巧；为了把投标材料做的更规范，word用的滚瓜烂熟，为了投标方案写的更出彩，一点点精进PPT功底。后来为了让工作汇报的PPT更直观、更有说服力，又自学了Tableau和MySQL，第一次直观感受BI的魅力——原来数据真的会说话！ 在2021年6月，凭借对过往三年招投标数据的分析，自研的竞争对手分析和招投标信息的预告工具等，竟升职为招投标经理，工资涨到了5500元！为了自我奖励，买了近1万的电脑，换了最新款手机，办了健身卡（虽然最后也没去几次）。报复性消费的直接后果就是下季度房租没钱交了，还是问我们大学同学借的钱交的房租。 穷啊，不甘心啊，焦虑啊。难道我这辈子就这样了？看着手里的晋升演讲PPT，一个想发突然萌生：我是不是可以转行做数据分析？ 但真要破釜沉舟，我还真没勇气。直到2021年底，与公司在核心理念上爆发了不可调和的矛盾。不开玩笑，当时已经到了去公司连呼吸都痛的地步了，年终奖我都不想要，直接裸辞。 继续找招投标的工作？可我本就是被轮岗过去的，这行水太深，也不是真心喜欢；回头干财务？毕业一年半根本没碰过核心工作，既不算应届生，又没拿得出手的履历，谁会要？思来想去，只剩下一条路：真的去干数据分析吧！或许是对数据工具的真心喜欢，或许是实在走投无路的无奈选择，但不管是哪种，这都是当时能抓住的唯一救命稻草。 过完年，我不再纠结，一头扎进学习里：用 MySQL 爬取公开数据、用 Tableau 做可视化项目，一点点积累实战经验；又系统性学习商务经济与统计知识。幕布笔记积累了至少15个，随便打开一个都是 3 万多字 —— 这一次，我没再给自己留退路。   然而，转行的道路远比想象中艰难。 既不是统计、计算机科班出身，简历上也没有半分正经的数据分析工作经验。带着一腔孤勇，把自学做的Tableau 可视化项目、MySQL 数据清洗案例整理成作品集，投出了上百份简历。 大多数简历石沉大海，连个回复都没有；偶尔收到面试邀请，也往往在技术面环节败下阵来。印象最深的一次，面试官翻了翻我的项目截图，直截了当地问：“你这些项目都是模拟数据吧？没有真实业务场景支撑，怎么证明你能解决实际问题？” 我攥着衣角解释：“我用招投标数据做过竞争对手分析，帮公司拿下过项目……” 话没说完就被打断：“那是招投标工作，不是数据分析。我们要的是能直接上手做业务报表、搭数据模型的人。” 连续的挫败感开始侵蚀我的信心。在无数个失眠的夜里，自我怀疑像潮水般涌来：大学四年那么努力，考下所有能考的证书，从大二开始实习，以专业第二的绩点毕业，为什么会走到这一步？是不是第一份工作就选错了？我当时就应该老老实实去选那个审计或者杭州格力财务助理的offer，而不是好高骛接管理咨询的offer。甚至，当初选择财务管理专业，是不是从一开始就是个错误？😭 这些念头在脑海中不断盘旋、淹没我。那不仅仅是在找工作，更像是对过去所有重要选择的一次全面否定——可接连的否定，让我连反驳的力气都没有，只剩下深深的无力与迷茫。   第二章 破局：与FineBI的初识及首战告捷 转机在 2022 年 4 月到来。在我 24 岁生日前夕，终于在两份 offer 里做出了选择 —— 一份是华为外包的 MySQL 取数岗，另一份就是后来这份正式的数据分析岗，最终我选了后者，薪资 7000 元。后来才知道，公司选中我，一是看中我会用 BI 工具、Excel 功底扎实，二是刚好他们计划新采购 BI 工具，急需能快速上手的人承接相关工作，算是误打误撞踩中了机遇。我的核心职责，正是借助公司已有平台和这款即将采购的新 BI 工具，为中国区销售部门搭建分析体系。 入职前，一位朋友偶然提起，他刚参加了一个叫 FineBI 的比赛，建议我多关注下。 “FineBI？没咋听过，我只知道 Tableau 和 PowerBI。”—— 这是当时最真实的想法。🧐 入职后我才了解到，公司正处于数据中台建设阶段，新 BI 工具的采购已经提上日程。直到当年 8 月，采购结果正式确定 —— 正是 FineBI。那一刻我才恍然，原来机遇早已以这样一种偶然的方式，提前敲过门。 得益于之前自学 Tableau、MySQL 打下的工具基础，我上手 FineBI 异常顺利，不到两周就能独立完成常规分析工作。能这么快入门，除了有过往经验铺垫，更离不开 FineBI 本身的优势：一是界面设计整洁直观，操作逻辑很顺，不用花时间熟悉布局；二是帮助文档做得特别详细，像一本随时能查的英语词典，遇到不懂的功能，搜一下就能找到清晰的步骤指导，连我这种非科班出身的都能轻松跟上。 真正的挑战和机遇，在 2023 年春节后才正式拉开序幕。随着数据中台初步建成，我的核心任务也变得清晰：需要从零开始，独立为公司各个业务部门规划和搭建 BI 分析体系。 我不再只是一个被动的工具使用者，而是成了那个借助 FineBI，将数据中台里的 “原材料” 加工成各类决策仪表盘的 “数据厨师”。销售的收入目标达成率、收入的同环比分析、销售机会的全阶段转化、生产的核心指标等，需求接踵而至。我开始系统地学习如何把模糊的业务问题，拆解成清晰的数据指标，再用 FineBI 做出动态、可钻取的分析看板。 后来，一项更复杂的挑战摆在了面前：如何实现真正的业财融合。业务部门盯着销售漏斗、客户增长、复购率，张口就是 “这个月新签了多少收入”；财务部门守着收入确认、成本分摊、利润核算，关注点的是“没回款啊大哥”。两套体系像两条平行线，开会时各说各话，吵得面红耳赤也达不成共识。 而我，成了团队里那个特殊的翻译官和连接器—— 既懂前端销售的业务逻辑，又熟悉后端财务的核算准则，还了解FineBI，略懂和IT 数据架构。我开始在销售、财务、IT 三个部门之间来回奔波：跟销售总监确认销售目标完成率怎么定义，跟财务经理核对收入确认的口径，跟 IT 同事打通收入明细与回款明细的关联字段，最终在 FineBI 里搭建起一套统一的分析模型。   一转眼到了 25 岁，我终于切身体会到学长学姐口中威力巨大的年纪：前路像一张待填充的空白仪表盘，而我的坐标，却死死停在 迷茫的红色区间 —— 没存款、没房、没对象是其次，更让我恐慌的是工作上的停滞感：我做的纯 BI 岗位太容易被替代，每天的工作就像写 “命题作文”，领导定好分析方向、列清具体需求，我只需要按部就班用工具实现，根本没有输出业务结论、发散思维的空间。另外当时开始尝试相亲，对方一上来就规划 “明年结婚、后年生孩子”，可我连自己的人生方向都没摸清，感觉完全被推着走，更迷茫了。 2023 年 7 月，刷帆软社区时看到第四届数据分析大赛的消息，我几乎是立刻就动了心，拉着几位同事组队报了名。其实参赛的心思很实在：一是之前那位提过 FineBI 的朋友参加过类似比赛，说能积累实战经验；二是赛事奖金很诱人，能缓解手头的经济压力；更重要的是，我太想求变了 —— 短期内想不明白未来的方向的话，不如给自己找个明确的小目标，用一场硬仗把自己从内耗里拽出来。 谁也没想到，刚把队伍组好、比赛才刚启动，我就突然病倒住院了。躺在病床上，看着手机里队友发来的进度规划表，我第一次萌生了放弃的念头：赛程才刚开始就掉了链子，自己又是牵头组队的队长，要是中途退出，不仅对不起队友，也显得太没担当；可硬撑着，身体又实在吃不消，连坐起来看电脑都头晕。纠结了整整一夜，最后还是咬着牙决定扛下来。我把笔记本电脑架在病床的小桌板上，靠着床头半躺着，忍着眩晕一点点梳理需求 —— 比赛数据要先做脱敏处理，还要搭建基础的数据架构，这俩是前期最关键的铺垫，不能耽误。病房里的灯光昏昏沉沉，看久了屏幕就眼冒金星，我就隔半小时歇五分钟，用手机记好思路，再回头补到电脑里。 如今回望，那竟是命运递来的一个关键岔路口。我没法想象，如果当时真的以生病为借口退出，后来与帆软、与更广阔数据世界的深刻羁绊，或许就永远不会发生。       最终，我们的作品荣获了“最具业务价值奖”，全场第9。这个奖项对我本人是极大的鼓励，它肯定了我将FineBI与业务场景紧密结合的思路。 点击即可跳转作品详情🔎   此外很荣幸在今年被帆软服务号作为优秀案例发表。   随后，我前往上海参加颁奖典礼。那是一次巨大的冲击。在现场看到全场最佳作品的演示和角逐时，我才真正意识到自己与顶尖实践者之间的差距。那些作品所展现的业务洞察深度、数据故事讲述能力以及可视化的精湛程度，为我打开了一扇新的窗户。获奖的喜悦渐渐沉淀为一种清晰的认知：山外有山。 我看到了一个更专业、更精彩的世界，也看清了自己下一步该往哪里努力——不做被动的 工具操作员，要做能洞察业务的数据分析师。         从上海回来后，我做了两件事：一是更系统地在帆软社区学习，研究案例，解答问题，将自己的经验反哺社区。并在2023年年底，分别以优异成绩考取了FCP-FineBI（满分通过）与FCP-FineReport的认证。     其二是技术赋能的突破：我把新吃透的DEF 函数等 FineBI 高级分析能力，直接用来解码公司复购率的复杂计算模型。以前复购率统计是个麻烦事 —— 要关联收入表、客户信息表、订单明细表，还要区分 “首次复购”“多次复购” 的口径，专人盯着算，每月至少耗2天，还容易因为人工筛选出错。现在我用 DEF 函数把这些复杂逻辑写成计算字段，再搭配 FineBI 的自动更新功能，做成了一套实时仪表盘。业务同事打开就能看最新数据，不用再催着要报表，零误差的自动化统计，也让决策层再也不用为数据准不准纠结。 此外，我还做了一个让业务数据口径更精准的实践。以前用 FineBI 计算各类流转周期、投诉处理率时，只能粗略按自然天统计，一遇到调休、节假日就容易出错 —— 比如跨春节、国庆的工单，按自然天算出来的处理时效，根本反映不了真实的工作效率，业务部门总抱怨数据 “不准”。 为了彻底解决这个问题，我搭建了一张精细化日期维表：表里不仅标注了法定节假日、调休补班，还同步了公司的特殊假期调整（比如年会放假、部门团建调休），甚至细化到了每日的标准工作时段（9:30-18:00）。 拿投诉处理率的计算举例，规则直接精准了一大截：客户 1 月 2 日晚上 10 点发起投诉，按照旧规则，会从 1 月 2 日就开始计时，1 月 3 日晚上 10 点前没回复就算延期；但引入日期维表后，系统会自动识别 1 月 3 日是法定节假日，且 1 月 2 日晚上 10 点已过工作时间，因此真正的计时起点，是 1 月 4 日（假期后首个工作日）的 9:30，延期判定时间也相应调整为 1 月 5 日早上 9:30 前。 这样一来，流转周期、投诉处理率的计算，终于摆脱了自然天的粗糙统计，完全贴合公司的实际工作节奏，数据结果和业务真实情况高度匹配，业务部门再也不会质疑数据口径的合理性了。   第三章 进化：从BI到FR，从个人到团队 随着公司对FineBI的应用进入井喷式成长，我偶然了解到，公司内部各种明细表和填报表，均是用FineReport搭建的——原来公司自2018年起就是帆软的老客户。这引发了我浓厚的兴趣。为了深入理解整体数据架构，我开始系统学习FineReport。 作为一个关键实践，我将2023年获奖的FineBI分析作品，用FineReport复现了一份。随后，这份探索性的实践成果参与了“24年原创内容激励计划”。整个过程如同一场深入的工具对话，帮助我了解了二者的核心差异： FineReport主打标准化报表、复杂打印与流程化填报，适合 IT / 数据团队固化口径、合规交付与批量分发；FineBI 胜在灵活的探索分析，不需要懂代码，简单拖拽几下就能快速拆解业务问题、生成动态看板。 点击即可跳转作品详情🔎   同时，我没有让这份经验停留在本地。我将整个复刻过程的技术对比、思路转换与实战心得，系统梳理成一篇详细的教程，发表在了帆软社区论坛。令我没有想到的是，它引起了大量同行的共鸣与讨论，收获了近2万的阅读量。 点击即可跳转作品详情🔎   更意外的是，学会 FR 的开发逻辑后，我和 IT 部门对接运营月度目标填报表的需求时，效率直接翻倍。之前提需求，我只会笼统地说 “要做一张运营月度目标填报表”，结果 IT 同事的追问接踵而至：“表格内容能不能修改？新入职销售怎么添加进去？” 来回沟通三四轮，还总担心需求传输出错，开发周期拉得很长。 现在我能直接按 FR 的开发规范，把需求拆解得明明白白：“这张运营月度目标填报表，人员名单直接取 OA 架构的二级、三级架构；数据关联上，实际值绑定员工编号，显示值展示员工姓名，所有人员按架构层级排序；功能上要加姓名和部门的筛选框，方便快速定位；校验规则必须明确：要么不给某个员工设定目标，要么就得填全全年 12 个月的目标，不允许漏填个别月份；数据更新方式用‘清空覆盖’，每次导入新数据时，自动替换旧数据。” 因为我能精准说出 “OA 架构联动”“实际值 / 显示值绑定”“清空覆盖更新” 这些 FR 开发的专业逻辑，IT 同事不用再反复追问确认，直接就能按需求落地，开发周期比之前缩短了一半。 2024年3月，公司各部门的BI陆陆续续上线，我也凭此获得了加薪的机会：工资从7000元涨到了8000元。 视野的开阔，直接转化为了行动力。2024年上半年，一个更重要的机遇出现。我与四位在帆软社区结识的、志同道合的朋友组队，以“数据机械师”的名义，共同参与了2024中国数据生产力大赛。经过数月精心准备与协作，我们的作品最终从众多方案中脱颖而出，一举斩获大赛金奖，全场第4🥳 点击即可跳转作品详情🔎   这次成功意义非凡。对我而言，它不仅仅是一个奖项，更是一份与优秀伙伴并肩作战、将数据价值提升到 “生产力” 高度的有力证明。更让我惊喜的是，这场比赛不仅让我收获了荣誉，还意外结识了四位志同道合的小伙伴，我们从赛场上的队友，变成了日常工作生活里的良师益友。 唐老师——是团队里的技术大拿，对待工作的严谨劲儿让人佩服，后续也是他牵线搭桥，帮我打通了和帆软社区的深度链接，让我能接触到更前沿的实践案例；时总也是一位 FR和BI 大神，报表开发里的各种疑难杂症，到他手里都能轻松化解；多姐是我们的建模大佬，复杂的数据关联在她笔下总能变得清晰易懂，工作之余还特别会开导人，每次我陷入内耗，她总能几句话点醒我；还有熊猫大佬，堪称我的职场榜样，不仅 PPT 做得又快又出彩，还在跳槽规划、职业发展上给了我超多实用建议。 到现在，我们的交流并没有中断，还一起考证。这段并肩作战的经历，让我更加坚信，数据工作的意义在于解决真实世界的复杂问题，而一群同频伙伴的陪伴，更是让这条求索之路变得更加确信。   比赛结束后，我主动给自己“挖”了个大坑：在工作之余的碎片时间里，前后耗时近三个月，一头扎进公司几个系统混乱的数据泥潭里，试图理清客户从哪来到哪去的全貌。 这活儿技术门槛不低——表结构复杂得像团乱麻，客户层级又多，关联主键更是迷雾。它要求你既得懂数据技术拆解这团乱麻，又得懂业务逻辑来理解客户关系，最后还得能用模型把这两头对上。当时，好像也只有我愿意且能够去啃这块硬骨头。 最终，这份《客户全生命周期追踪报告》做成了。它实实在在地解决了一个痛点：把之前靠人工通过名字vloopup(因为有重名，所以张冠李戴是常事)、耗时3天还老出错的月度统计，变成了自动跑、分钟级出结果的标准报告。 价值立竿见影，以至于集团IT部门都主动把它当作标杆，推广给了其他事业部，据说还解决了高层一直想看但无法统计的问题。 但颇具戏剧性的是，当别的部门都为这个外来工具叫好时，我本部门的领导反应却相当平淡，静静的躺在目录里无人问津。 这种墙内开花墙外香的的价值错位感，比任何技术难题都更让人疲惫，也让我第一次认真思考去留。 翻之前的汇报PPT找到了局部截图如下：   第四章 传承：从追梦人到助梦人 在持续的学习、实践与比赛中，我的经验不断积累，也开始希望能帮助更多人。2024年年底，一个偶然的机会，我成为了帆软官方FineBI课程的助教。 这份工作带来了前所未有的成就感与责任感。我不再只是独自钻研或解决公司内部问题，而是系统地帮助来自各行各业、背景各异的近900位新同学，迈出数据学习的第一步。这个过程让我深刻体会到“工具赋能”的真正含义——它不在于技术本身有多高深，而在于能否降低门槛，点亮每一个普通人探索数据的可能性。 看到学员们从零开始到能独立完成分析报告，这种喜悦甚至超过了自己获奖。除了助教工作，我也更积极地参与帆软社区的共创和测试活动，为新功能提供反馈，在社区分享心得。我发现，将知识传递出去，帮助他人跨越我曾遇到的障碍，是这条路上一种全新的、更深厚的快乐。 它让我与帆软社群的连接，从“参与”真正走向了“共建”。   第五章 布道：跳出舒适区，开启新征途 1⃣️破局抉择：告别 “养老式” 安稳，锚定数字化转型新赛道 故事并未在舒适区里结束。 2025 年 6 月，我选择主动跳出熟悉的业务环境，加入一家正处于数字化转型关键期的制造企业。 做出这个决定，远比想象中艰难 —— 当时的工作，堪称 “职场养老模板”：月薪 8000，基本不加班，通勤有班车接送，公司管三餐，连 FineBI 的工作也早已驾轻就熟，基本碰不到新难点。可正是这份安稳，让我越来越慌：技能停在原地，薪资涨不动，每天做的都是重复的命题报表，而且 AI 越来越强大，既没自我成长的空间，也没对业务的话语权。 要是跳槽去别家做普通 BI 岗，不过是换个地方重复老活儿，没什么意义。思来想去，我还是想挑战 “从 0 到 1” 的事：这家制造企业刚启动数字化转型，正好能让我从数据架构、工具选型到业务赋能全流程参与，不仅能突破技能瓶颈，更能拿到数字化落地的话语权，长远看也有更大的升职加薪空间。 咬咬牙，还是跳出了舒适区 —— 比起安稳的 “养老”，我更想抓住能让自己真正成长的机会。 2⃣️转型荆棘：无 IT 支撑 + 业务抵触，数字化落地的四重考验 我格外感谢新公司平台与领导的充分信任，但转型的路，从不是一路坦途。 在上一家公司，数据获取常卡壳在 IT 排期里，接口开发周期长、灵活性差；而在这里，领导给了我高度自主权，可阻力也来得又快又猛： l一是 “技术认知壁垒” 的难题 —— 公司没有专职 IT，我和新领导都不是技术出身，采购时遇到 “服务器配置”“部署环境” 这些专业词，我俩只能对着文档查半天，连和供应商沟通都得提前做功课； l二是 “业务排斥感”—— 听说要上新软件，不少同事直接抵触，觉得 “又要学新工具，是增加工作量”，推广初期连填个测试表都得反复催； l三是 “流程推倒重来的挫败”—— 第一期工具刚上线，线上化的流程一跑，才暴露了之前线下流程的漏洞：很多环节是给研发人员凭空加了重复工作。高层看完直接拍板 “全推翻重调”，我们 2 个月搭的框架一下成了废稿，还塞来一堆新优化想法，那段时间每天加班改方案，压力大到失眠； l四是 “认知错位的沟通成本”—— 领导不懂 IT，总觉得 “改个功能就是点几下鼠标的事”，不理解哪怕调整一个数据关联逻辑，都得重新跑通多源数据、测试校验，常常因为 “进度慢” 被追问。 3⃣️工具选型：精准匹配痛点，敲定 FR+FDL+FineBI 组合栈 即便如此，经过反复的方案论证、小范围试点、和业务部门逐个沟通，我还是推动了FineReport、FineDataLink与 FineBI的组合工具栈落地 —— 这正是我结合公司痛点，在 “工具选型矩阵” 中敲定的核心方案，既符合国产化要求，又能覆盖 “数据处理 - 报表开发 - 全员分析” 全场景。     带着新工具栈赋予的自主性，我正式开始推动这场自上而下的数据变革，核心围绕 FR、FDL、FineBI 的协同发力展开： 4⃣️工具协同发力：搭建 “数据流转 + 流程管控” 全链路数字化体系 我从零开始为企业搭起了规范的数字化流程，把研发、注册、转产全链路 “数据化管控”： l数据流转自动化：研发计划敲定后，通过FDL将每个节点的计划时间自动推送到企业微信，研发人员实时收到提醒；实际完成时间提交后，系统自动与计划时间比对，算出时效分关联绩效； l流程线上化固化：用FR开发了 30 + 项目管理模板，涵盖研发周报、注册审批、转产追踪等场景，每个项目的卡点部门、进度状态都能在线标注，提交后自动推送对应负责人； l精准权限管控：从研发启动到转产落地，全流程每个项目、每个节点甚至每一行数据，都通过 FR 设置了角色权限，只有对应人员能查看或修改，确保数据安全。   5⃣️全民 BI 赋能：从 “单点培训” 到 “全员用数”，激活业务内生力 我把在上家公司验证过的 “全民数据分析” 理念搬了过来，启动 “全民 BI” 计划： l轻量化培训：结合帆软助教经验，定制 “每天 15 分钟，2 周上手” 的课程，通过北森平台推送视频教程，覆盖生产、销售、人力等核心部门； l多模式赋能：对计划管理部采用 “主导共建模式”，一起搭建《生产计划与达成率监控》看板；对国际销售部用 “授人以渔模式”，提供可复用的分析框架，让他们 10 分钟就能自动生成月度报告；对人力资源部采取 “辅助升级模式”，从协助搭建到指导迭代，培养自主分析能力； l成果快速落地：累计 110 名同事参与培训，共创出 32 个业务看板，从供应商合格率追踪到行政费用分析，从生产数据监控到国际销售复盘，覆盖全业务场景。 6⃣️变革显效：效率提升 + 成本优化，数字化价值全面落地 这场数字化变革的效果远超预期： l效率大幅提升：FR 替代了线下杂乱流程，项目进度实时追溯，无需人工催办；FineBI 让常规需求响应从天级缩短至小时级，决策提速明显； l成本显著降低：自研 FR 项目管理系统，替代了外包方案，创造约 15 万元价值；智能表格与 BI 自助分析，为业务部门节省数百人天重复工时； l文化深度转型：“请看数据看板” 取代了 “凭经验描述”，跨部门协作有了统一标准；20 + 名数字化 “先锋用户” 形成内部支持网络，越来越多同事主动用数据解决问题。 我的角色，也从单纯的 “工具操作者”，升级为企业数据文化的推动者与布道师 —— 在同事们眼中，我是业务部门里最懂数据的伙伴，而数据，也从一份份冰冷的报告，真正变成了人人可用的业务语言。 7⃣️赛场练兵：以赛促用，FineBI 全栈开发斩获 “最具业务价值奖” 与此同时，属于“数据机械师”小分队的故事仍在书写新的篇章。在刚刚落幕的2025年财务分析挑战赛中，我作为队长，带领团队再次荣获了“最具业务价值奖”。 我们的参赛作品是一个基于 “业-财-人”深度融合理念构建的智能财务分析平台。这次我选择完全基于FineBI进行开发，正是为了深度挖掘其在敏捷分析与交互可视化上的全部潜力。我主导了整个平台的数据模型构建与交互式仪表板设计，核心思想是通过清晰的业务动线，让复杂的财务数据能“自己说话”。从宏观战略指标到微观业务单据，所有分析都支持无代码的流畅钻取，这一纯FineBI的解决方案因其出色的业务结合度与用户体验，在比赛中获得了高度评价。   点击即可跳转作品详情🔎       赛后，我还受邀在帆软组织的线上直播中，作为主讲人分享了这一作品从构思到落地的完整经验。   8⃣️征战国际赛场：FR 赋能 “科技助农”，荣膺联合国数据马拉松 “最佳实践奖” 而我们团队的脚步并未停歇。随后，我们参与了2025年联合国数据马拉松中国赛。这项高规格赛事在联合国统计司支持下举办，旨在汇聚全球顶尖的数据与人工智能人才，聚焦可持续发展核心议题，以技术创新贡献中国方案。在高手云集的决赛中，我们借助FineReport强大的定制化报表与可视化能力，将复杂的“科技助农”项目成果进行了极具冲击力的呈现。值得一提的是，决赛现场众多顶尖队伍都不约而同地选择了帆软系列产品作为核心技术工具，充分印证了其在解决复杂现实问题时的专业价值。最终，我们的项目经过激烈角逐，荣获“最佳实践奖”。     最终章：恒局·步履不停，未来可期 当然，追梦路上并非只有高光时刻，也少不了令人“汗流浃背”的插曲。记得本月的一次工作失误，我配置的FineDataLink任务意外地为一条待审批提醒，向领导连续推送了170多遍（调度频率是每2分钟一次）。发现错误的那一刻，我的第一反应是庆幸还好庆幸：“还好调度不是每分钟一次！” 😭也时刻提醒我，在追求效率与自动化的道路上，严谨细致永远是不可或缺的“安全带”。   2026年我会继续以 “工具落地→体系沉淀” 为核心：借助FR平台，短期推进 FDL 数据链路打通与 BI 跨部门赋能，同步完善项目管理闭环；长期则沉淀数据基建标准与流程机制，让工具价值从单点应用升级为企业级数字化能力。   总之，我仍在路上。从那个被疫情打乱求职节奏、手握 4000 元月薪在打杂岗位迷茫挣扎的非科班财务生，到今天能用 FR&BI&FDL 重塑项目管理、推动全民 BI 的数据布道师，这段逆袭之旅恰印证了那句：没有白走的路，每一步都算数。 前阵子翻到 2025 年 6 月接新工作时和朋友的聊天记录，看着那行 “从 4 千到 5 千，再到 7 千、8 千” 的薪资线，还是忍不住感慨 —— 不像别人那样薪资 “跳级式” 暴涨，我这每一笔涨幅，全是攥着帆软工具啃业务、攒经验攒出来的：是 FineBI 报表里调过的每一个公式，是 FR 模板里磨过的每一个字段，是 FDL 链路里试过的每一次配置，和每回熬夜改方案的积累，堆成了这稳扎稳打的成长。 这段旅程也让我真正懂了：数据的力量，从不是什么高深莫测的算法，而是能被像我这样没 IT 背景的普通人接住 —— 当年从 Excel 技巧起步，后来靠着 FR 固化流程、BI 做敏捷分析、FDL 打通数据链路，把工具变成破解工作难题的武器，才一步步踩出了自己的成长路径。这些平淡数字里，藏的全是自己实打实的脚印。   展望未来，我期待继续与帆软并肩，盼着 FineBI 与 FineDataLink 持续进化，赋能更多和曾经的我一样的普通从业者；盼着帆软社区能孕育更多共享智慧的创意，让每一份努力都有回响；更盼着自己能从 “追梦人”“共建者”，真正成长为新同行者故事里的 “引路人”，让他们少走弯路，坚信每一步积累都能铺就逆袭之路。 最后想分享个实在的小盼头：我盼着 2026 年能多交些个人所得税 —— 这不仅是收入进阶的见证，更是对 “每一步算数” 的最好回应。 故事，还在继续～                  

上篇从项目介绍、页面布局和整体概览、具体分析过程、整体分析结论、下一步改进计划五个方面具体阐述了报告的分析思路和分析结论，本篇主要写一些里面涉及到的操作，也当自己留个备忘录啦。如果更简单或更适用的方法欢迎大家交流。 上篇具体链接如下：https://bbs.fanruan.com/thread-150185-1-1.html 原型图带*号的操作即为本篇的内容。 具体内容包含： （一）fr小技巧应用 1、条件属性-斑马纹(隔行填充)效果 示例：《客户进一步分析》-“客户明细”。 具体效果如下： 添加条件属性，设置背景应用于当前行。条件设置为ROW()%2==0。row() 为获取当前行号，包含标题行。 参考链接详见：https://help.fanruan.com/finereport/doc-view-952.html 2、图表预定义配色 在模版主题中，颜色的设置是有限的，如果系列过多，可以服务器-图表预定义配色中设置配色组合色。 参考链接详见：https://help.fanruan.com/finereport/doc-view-496.html （二）JS使用汇总 1、JS-页面跳转 示例：每个报表上面的切换页面按钮。 具体效果如下： 对按钮添加点击后事件，实现跳转后进入别的页面  window.location="PC端预览链接"; 同时通过按钮的属性-背景里面，通过不同的背景颜色，区分显示此时看到的页面。 2、JS-图表排序接口 示例：《客户进一步分布》-“近3年客户价值分类情况-基于FRM模型”，点击右上角排序按钮，切换正序或倒序。 具体效果如下： 添加一个按钮，按钮名字为排序。添加点击后事件：  var chart = FR.Chart.WebUtils.getChart("组件名").getChartWithIndex(0);  // 获取图表对象 chart.sortChart(); // 参考链接详见：https://help.fanruan.com/finereport/doc-view-2332.html?source=4# 3、JS-走马灯效果 示例：《客户进一步分析》-“客户明细”。 具体效果如下： 对组件添加初始化后事件：  setTimeout(function(){ _g().getWidgetByName('组件名').startMarquee() }, 500); 参考链接详见：https://help.fanruan.com/finereport/doc-view-2393.html （三）参数相关用法 1、日期控件控制数据集结果-$开始日期&$结束日期 1）控件设置 添加两个时间控件，分别命名为开始日期和结束日期（控件名称即为绑定的参数名）。 注意在属性中返回值类型修改为字符串。 格式默认日期型（yyyy-MM-dd）。 控件值可以用公式默认显示本年至今：开始日期=DATEINYEAR(TODAY(),1)，结束日期=TODAY()；其中FR函数：  DATEINYEAR(date,number):函数返回在一年当中第几天的日期 2）数据集中参数设置  where 1==1 AND (STR_TO_DATE(业务时间,'%Y-%m-%d') BETWEEN STR_TO_DATE('${开始日期}','%Y-%m-%d')   AND STR_TO_DATE('${结束日期}','%Y-%m-%d')) 3）同比写法举例  select *,(本年_万-前年_万)/前年_万 as 增长率,concat(销售姓名,":",round((本年_万-前年_万)/前年_万*100,2),"%") as 销售姓名_增长率 from(  SELECT `销售姓名`,round(sum(CASE WHEN (STR_TO_DATE(结算时间,'%Y-%m-%d') BETWEEN STR_TO_DATE('${开始日期}','%Y-%m-%d') AND STR_TO_DATE('${结束日期}','%Y-%m-%d')) THEN 收入金额 else 0 END)/10000,2) as 本年_万,  round(sum(CASE WHEN (STR_TO_DATE(结算时间,'%Y-%m-%d') BETWEEN date_sub(STR_TO_DATE('${开始日期}','%Y-%m-%d'),INTERVAL 2 year) AND date_sub(STR_TO_DATE('${结束日期}','%Y-%m-%d'),INTERVAL 2 year)) THEN 收入金额 else 0 END)/10000,2) as 前年_万 FROM view_revenue where 区域 is not null ${if(len(区域2)==0,"","and 区域='"+区域2+"'")} group by 销售姓名 ) as a where (本年_万-前年_万)/前年_万 is not null and 本年_万>50 order by 增长率 desc 2、组件超级链接传参到另一组件-$区域 示例：《收入目标概览》-“区域维度收入完成率”&“全部销售收入完成情况”。点击区域后，全部销售只显示改区域对应的销售数据。 具体效果如下： 1）传值组件操作 在数据编辑界面，特效-超级链接-选择“当前表单对象”；表单对象选择被传传值的组件，并设置参数（注意，这里的参数不能加$符号） 2）被传值组件操作 数据集：如果是空，返回全部，非空，返回参数值  WHERE 1==1  ${if(len(区域1)==0,"","and 金额.区域='"+区域1+"'")} 组件标题可以设置fr函数为：  CONCATENATE(IF(LEN($区域1)==0,"全部",$区域1),"销售收入完成情况") 3）自己传值给自己操作（点击自身后返回全部） 参考链接详见：https://help.fanruan.com/finereport/doc-view-4494.html 3、组件点击修改排序方式-$排序字段&$排序顺序 示例：《客户进一步分析》-“客户明细”，点击表头之后切换排序字段，再点击一次后正序切换为倒序。 具体效果如下： 1）对排序字段添加超级链接-当前决策报表对象 2）数据集设置  order by ${排序字段} ${排序顺序} 注意：不要加单引号！ 本办法提供者为@weibw（uid：256388）（在使用FineReport11 从零开发微型CRM系统课程中的讲解） 4、图表自身钻取并返回 示例：《产品进一步分析》-“各不同产品大类收入占比-基于帕累托模型”，点击大类后，钻取到小类。 具体效果如下： 1）数据源的设置 一级产品大类维度正常设置。二级产品小类维度设置参数$产品大类如下：  where 产品大类='${产品大类}' 2）组件数据的设置 分别设置柱形图和折线图的数据。 数据来源修改为“单元格数据“。 设置分类名公式示例如下：  if(len($产品大类)==0,帕累托各不同产品大类收入占比.select(产品大类), 帕累托各不同产品小类收入占比.select(产品小类)) 设置系列值公式示例如下：  if(len($产品大类) = 0, 帕累托各不同产品大类收入占比.select(本年_万), 帕累托各不同产品小类收入占比.select(本年_万)) 3）特效-交互属性-设置超级链接-当前表单对象 该组件是组合图，可以分别对柱形图和折线图添加超级链接，此处只对柱形图设置。 方法1:点击二级之后组件显示空 参数值设置为：分类名。 方法2:点击二级之后组件不变 参数值设置为：IF(LEN($产品大类)=0,category,$产品大类) 方法3:点击二级之后返回一级 IF(LEN($产品大类)=0,category,"") 注意：数据源名称中不能有特殊符号，例如-！！！ 参考链接详见：https://help.fanruan.com/finereport/doc-view-4088.html   本篇特别鸣谢@weibw（uid：256388）大佬提供的帮助～

写在前面的话：去年参加【2023BI数据分析大赛】的作品——《某生物科技公司上半年销售数据分析 -以华中区为例》 很荣幸获得了最具业务价值奖，后续也收到了很多朋友的宝贵意见，也进一步学习了Fine Report，所以就想将之前的案例完善之后输出FineReport的决策报表、fvs大屏和移动端等形式，让这个案例更加的完整，同时也进一步熟悉和了解帆软各个产品的生态环境。 本篇是将数据源所涉及的时间进行1年的推移后，进行一些精简后的复刻，还未加入大的修改方向。 如果您对之前的FineBI的作品感兴趣，欢迎跳转链接查看。https://bbs.fanruan.com/thread-146757-1-1.html 当然如果您不曾看过之前的作品，也不会影响本篇文章的阅览。真诚欢迎一切宝贵的想法和建议～ 本篇整体框架如下： 一、项目介绍 （一）业务背景 选取我司部分21年至24年7月的销售业务数据，对业务流程和数据进行简化处理，从收入目标管理角度出发，从各个维度重点分析24年1-7月销售收入数据，便于及时定位问题并调整下半年的业务战略发展方向。 另外报告中所有“本年”指的都是2024年，所有同比值指的是2022年数据（由于23年业务不可抗因素下滑严重，故同比均采用22年数据进行对比） （二）业务流程简介 我司主要业务是偏向以需求为导向的项目制的服务型企业，而非传统生产售卖的医疗行业。业务的产生通常是由销售挖掘机会，洽谈成功后签订合同，之后再由客户进行样本的寄送，实验结果满意后，再进行收入的确认，所以合同并非是100%执行，合同金额也不等于收入金额，另外收入金额存在多笔负数冲销的情况。 （三）分析思路 本篇主要针对收入目标进行分析，同时为了确保收入能完成目标，也依据去年的转化率对销售制定了机会和合同目标进行参考。   （四）数据处理 本文已经对客户信息、销售信息等真实信息均进行脱敏处理，脱敏过程可详见去年的作品，此处省略。 （五）报告设计 1、配色 报告选择自建的模版主题，主要采用蓝绿色配色，辅以橙色和红色加以突出显示。背景色为浅绿色。  2、布局和尺寸 尺寸统一为960像素X540像素；布局采用绝对布局，默认横向自适应，另外字体大小不自适应。   二、页面布局和整体概览 （一）收入目标完成概览 点击上方第一个按钮即可进入。主要从区域&销售、月度&季度、当前&累积等维度展示目标完成率和同比变化情况。 开始日期和结束日期两个日期控件控制整个页面；左侧和右侧上方的区域均可以通过点击使下方的全部销售数据变为只显示该区域，再点击某个销售后，返回全部销售数据。具体参数和联动等设置参考原型图。 原型图如下：   具体内容如下： （二）客户进一步分析 点击上方第二个按钮即可进入。主要从客户为出发点，分析客均收入变化情况，以及基于RFM模型对客户进行用户画像分类。 开始日期和结束日期两个日期控件控制整个页面；也可以通过区域单选下拉组件，重点关注某一个区域的数据。具体参数和联动等设置参考原型图。 原型图如下： 具体内容如下： （三）产品进一步分析 点击上方第三个按钮即可进入。主要从产品大类和产品小类维度，分析不同产品的收入占比、客均消费金额和次数，以及借助购物篮模型分析各个产品大类之间的关联性。 开始日期和结束日期两个日期控件控制整个页面。右上的帕累托分析图点击大类之后可以钻取到该大类下的小类。具体参数和联动等设置参考原型图。 原型图如下：   具体内容如下： （四）市场进一步分析 点击上方第四个按钮即可进入。主要分析新老客户的收入占比、新老客户的复购情况、销售机会的转化率以及丢单原因和竞争对手分析。 开始日期和结束日期两个日期控件控制整个页面。也可以通过区域单选下拉组件控制整个页面全部组件，重点关注某一个区域的数据。右侧的两个图可以通过点击切换统计的指标为数量或金额。具体参数和联动等设置参考原型图。 原型图如下： 具体内容如下： （五）销售行为考核 点击上方第五个按钮即可进入。主要展示销售的收入金额的top10、收入任务完成率的top10，以及完成率达60%以上的业务阶段占比（总阶段有机会、合同和收入三个，如果机会和合同的完成率在60%以上，则占比计算就是2/3）。 开始日期和结束日期两个日期控件控制整个页面。 原型图如下： 具体内容如下：   三、分析结果 （一）收入目标完成概览 1、区域和销售维度收入完成情况 公司规定最低要求是60%，理论要保持80%，理想状态100%，冲刺目标是120%。 1-7月整体收入完成率是69%，不到80%。从区域维度来看，河南区收入完成率仅59%，其中仅有1人完成率在60%以上。 另外从各季度、各月以及月度累积、季度累积趋势来看，问题主要出在4月，4月的完成率仅56%，其他月份均超过60%    如果将时间切换到4月，会发现河南区整体4月完成率非常低，仅40%。由此可见，河南区今年过去7个月收入完成情况都不太好，尤其是4月，严重拉低整体完成率。 2、区域和销售维度收入同比变化情况 1-7月整体同比各个区域均下滑。在区域维度上，虽然河北和湖南完成率不差，但同比下滑严重。河南同比基本持平。在销售维度有一半以上销售同比均出现下滑情况。 3、收入目标完成概览小结 整体1-7月完成率69%，仅达及格线，如果想要在全年实现收入目标完成率100%，未来5个月还需要补足11682万元从差额，任务严峻。 从区域看，河北区和湖南区虽然完成率在70%以上，但同比下滑严重，应重点关注竞争对手动向，以抢占市场份额为主。河南区同比无太大差异，但目标完成率不容乐观，应以大力挖掘潜在商机为主，辅以一定的激励政策。 接下来需要重点分析河北区和湖南区收入下滑原因。 （二）客户进一步分析 1、客户平均收入同比情况-箱形图 22年，湖南和湖北的同期客均收入一般集中在10万至60万，河南主要集中10万-40万。 而24年，河南的客均收入趋势下滑不太显著，而湖南和湖北的客均平均收入下滑严重，中位数落在了10万上下。结合两地今年总收入同比增长率也下滑的情况来看，不排除客户的复购率降低以及大单客户流失的情况。 2、客户价值分布情况-基于RFM模型 其中重要价值客户占比近2%。而重要挽留客户占比已超42%，重要发展客户占比也在33%，大单客户流失风险非常高。 3、客户进一步分析小结 湖南和河北应重点关注客户流失和客户复购情况。 （三）产品进一步分析 1、各产品大类维度和产品小类维度收入占比 由扇形图可知，24年各个区域的产品大类分布无显著差异，而22年，河南和湖南重点产品包含WC产品，河北产品重点产品包含DQ产品。 22年：基于帕累托模型，ZC、ZJ、DC、OT产品 四者占整体收入的66%，再加上WC、FB产品这个六款占整体收入已超80%，是我司售卖的主力产品。 24年：基于帕累托模型，ZC、DC和ZJ产品 三者占整体收入的66%，再加上WC、PB、BF产品这个六款占整体收入已超80%，是我司售卖的主力产品。 另外钻取到产品小类后，基本每个产品大类都有一个非常主力的产品小类。 2、不同产品大类客均消费金额和消费次数分布 从整体来看，22年1-7月客户平均消费次数为1.1次。客户平均消费金额为66万元。24年1-7月客户平均消费次数为1.2次。客户平均消费金额为31万元。由此可见，我司的复购次数一直不太高，而客均消费金额急剧下降。 从产品大类来看，22年主力产品DC和WC产品属于高客均消费金额，中等客均消费次数；ZC和ZJ产品属于低客均消费金额，较高客均消费次数；FB产品虽然客均消费金额不高，但客均消费次数很高；OT产品是客均销售金额和客均消费次数都低。总收入金额最低的DF产品客均消费金额非常高。 24年主力产品DC和WC属于高客均消费金额，中等客均消费次数（这一点和22年一致）；PB产品属于中等客均消费金额，高客均消费次数；而DC和BF产品客均消费金额和客均消费次数都较低。另外，非主力产品WJ和FB虽然客均消费金额低，但客均消费次数很高。总收入金额最低的DF产品由高客均消费金额变为了低客均消费金额。 3、客户采购各产品大类关联性分析-基于购物篮模型 下图中标红的为24年的六大主力产品，标蓝的是非主力但客均消费次数很高的产品。 整体来看，客户采购多种产品主要集中在ZC和其他产品的搭档中，在超过30%关联性的产品中，主力产品3款，非主力产品有FB、HC 和RC产品。结合ZC产品和非主力产品的客均消费金额和消费次数来看，ZC产品作为收入占比最高的产品，客均消费金额较低，RC和HC客均消费金额也不高。而FB产品有着较高的复购率，因此可以考虑重点考虑ZC产品和FB产品的打包销售方式，以此提高ZC的复购率并提升FB产品的总收入金额。 4、产品进一步分析小结 两年对比来看，各区域售卖的产品大类占比趋于相似化。整体上OT、FB产品收入下滑严重，PB和BF逐渐变为主力产品。具体原因需要结合市场调研得处进一步结论。在客均消费次数无明显下滑的前提下，客均消费收入却下滑严重，需要结合是否是产品定价变低或者市场需求量减少等多种情况分析。 对于具体产品，DF产品总收入金额低，客均收入也低，与其有明显关联性的DQ和NN产品总体收入也较低；但DQ产品和NN产品与其他产品普遍存在一定概览的联合购买情况。所以需要进一步明细DF产品的定位，是进一步退市？还是属于低收入但不可或缺的产品？ 24年非主力产品WJ和FB拥有较高的客均消费次数，建议通过扩大市占率来拉高总收入。 可以考虑ZC产品和FB产品的打包销售方式的可行性。 （四）市场进一步分析 1、新老客户收入占比和复购情况 新老客户定义：新客户指过去两年无收入的客户，老客户指过去两年有收入的客户。 客户复购的定义：新客户复购指的是过去两年无收入且今年有收收入的合同大于等于2；老客户复购指过去两年有收入且过去两年和今年有收人的合同数大过年两年有收入的合同数。 从整体来看，复购的客户占总客户比例为28%，其中PB产品（主力产品）复购人数占比最高，为38%，WJ的复购客户数占比也较高。老客户收入占比为53%，其中主力产品DC主要为新客户收入，主力产品ZC主要为老客户收入，且两款产品复购比例都不高。比较极端的两款产品是OT产品和DF产品，OT产品几乎全为老客户，DF产品都是新客户带来的收入。 收入下滑比例将近30%的湖南区域，总复购率高于整体水平，为37%，新老客户收入占比基本和整体水平持平。FB产品均为老客户带来的收入，且老客户复购率为100%。OT产品基本是老客户的收入，但复购率为0，属于异常现象。ZJ产品老客户带来的收入占比也较高，但复购率较低。 完成率最低的区域河南，老客户收入占比高达67%，总复购率较低，仅为21%，说明整体拓客拉新能力不足，对老客户的客情关系维护也不够。 2、各停留机会阶段金额和数量详情以及机会漏斗转化率 机会总共有8个阶段，从潜在机会到执行完毕是按照顺序进行的，执行完毕即为产生收入且后续无新的收入产生。另外从潜在机会到执行完毕任何一个阶段都可以直接跳转到合作终止，即为无法产生收入。 停留机会阶段指的是该机会现在所处的阶段。机会漏斗转化率使用经过的机会阶段进行计算的，及如果一个机会处在签订合同阶段，那么在统计转化率的时候，该机会会在签订合同及前面的所有阶段均统计。 目前产生的机会中，有29%数量的机会处于合作终止状态，而金额占比高达32%，说明合作终止的机会中大金额机会较多。除合作终止之外的机会，总数量转化率仅为12%，总金额转化率仅为6%，说明小金额的机会转化率相对较高。此外通过区域过滤，河南的总金额转化率仅为2%。 3、合作终止原因分析 合作终止的原因中，客户项目取消、其他以及销售误操作的数量和金额都较多，不排除有客户进行虚假机会填报的可能性。聚焦于因价格因素丢单的竞争公司中，P18公司是最大的竞争对手，其次R16也是较大的竞争对手，Z09是大金额机会中较大的竞争对手。 4、市场进一步分析小结 整体复购率不高，老客户带来的收入占比相对较大。应进一步加大对新客户的拓展，同时服务好老客户，提高复购率。尤其应该提高DC产品的复购率，拓新ZC产品合同的客户群体。OT产品虽然总收入占比不算特别高，但客户黏性很好，所以也应该重点关注OT产品客户群体的拓新。此外，机会的整体转化率情况不理想，应该进一步降低从机会到收入的转化周期，同时从业务手段上管理销售创建虚假机会来完成绩效的不良行为。 对于湖南区域来说，FB产品也需要关注新客户拓新，ZJ产品需要关注客户复购情况。OT产品复购率为0 ，急需深入基层探究原因。 对于河南区域来说，整体拓客拉新能力不足，对老客户对维护也不够，机会转化率也很低，建议高层领导下基层具体整体比较差的原因，是市场客观因素，还是销售能力问题。 （五）销售行为考核 曹、班、冉、三位整体完成的都较好。 李、宋、符整体情况较差。 四、整体分析结论 今年1-7月整体收入完成率未达80%，剩余五个月压力较大。河北和湖南同比下滑严重，重点在于原有市场份额的保持；河南老客户丢失严重，新客户拉新也不足，各个销售完成情况也不甚理想，建议持续从市场客观因素和销售能力等问题进一步分析，建立一定的激励政策，避免河南区域的收入完成率持续低迷。 另外加大对主力产品DC、ZC等的售后力度，确保总收入金额不下滑；高客均消费次数的PB、WJ和FB产品可采用价格战的模式扩大市占率。 完善销售考核制度，监控机会转化周期和转化率，由高层领导重点跟踪大金额机会的全流程情况，避免大金额机会的被抢单的风险，促进大金额机会的尽快转化。 五、下一步改进计划 本篇文章近对华中区的销售数据进行分析，涉及销售数量较少，分析结论恐有以偏概全的风险。另外由于实际企业一般对区域对划分远不止三个，所以如果区域划分在10个左右，组件的显示是否合理有待验证。在制作和分析中，把人场物分隔开分析还是揉在一起分析，目前分三个篇章分析对于领导者来讲，可读性如何？领导者对于这种探索型的报告是否适应？能否采用更直接明了的方式展示数据结论？ 等等以上问题均是在撰写本篇的时候时常纠结的，一边觉得应该彻底的改进下，一边又觉得自己是否陷入了“既要又要”的困境中。希望自己在之后FVS或移动端的设计中有所答案。 本篇篇章较长，非常感谢您看到这里，期待各位在评论区的建议～

1.学习初衷： 自己目前是在生物科技公司担任数据工程师，接触FineBI大半年了，参加了今年的数据分析大赛，很荣幸获得了最具业务价值奖。 在比赛期间，发现了很多6.0版本的新用途。由于公司的版本没能及时更新，加上比赛时间短，没能好好感受6.0版本，所以正常有优惠券的契机，系统的学习一下，就当查漏补缺了。 2.学习经历： 同时学习了Fine BI和Fine Report，周二交作业的时候，属实汗流浃背了。 3.学习成果： 更深的了解了模型的强大功能。DEF函数和其他的，在就了解过啦。 回去必须压力给到我们公司IT部门，尽快接轨Fine BI6.0.9之后的版本呀～ 4.建议： 希望Fine BI和Fine Report课程的直播时间和交作业的时间可以错开呀～

⇨最终报告公共链接：https://bisolutions.fanruan.com/webroot/decision/link/ZyEG       一、团队简介 （一）队名       我们的队名为“禾伙Players”。       “禾”即“禾苗”，代表植物，“伙”即“伙伴”，代指人和动物。“Players”即博弈者。名字和我司的主要业务息息相关。我司的主要业务用大白话说，就是与动植物和人类生命科学的博弈。更大白话一点，就是前两年给大家检测核酸的公司（当然，核酸检测只是副业啦）。       没错，生物科技公司闪亮登场，请求出战！ （二）队员介绍       队长：玖玖（帆软社区用户名：Dawn1998），性别女，现职商务端数据工程师（一个平平无奇的画图取数工具）。团队催促担当，作为业务端和技术端沟通的桥梁，每天不是在催进度就是在催进度的路上。       队员1:小马哥，性别男，现职华中区销售部门总监（公司主要销售片区的大腿）。团队智力担当，主要从使用者角度把控BI的实用性和适用性。       队员2:赛比亚，性别男，现职交付端管理工程师（传说中的学霸大佬）。团队勤劳担当，婚礼前一天被拉来组队，在婚假中完成最终的项目。       队员3:小鹏，性别男，现职IT部数据仓工程师（IT理工男一位）。团队兜底担当，数据集报错了问小鹏，BI模型无法实现问小鹏，总之项目中技术问题万事可问小鹏。 （三）队伍组建       在一个平平无奇的王者荣耀连跪的晚上，刷到了公众号推送的比赛链接，就感觉终于遇到了比打巅峰赛和相亲更有意思的事情，所以还是很顺利的邀请了平常业务很少接触的小鹏和赛比亚作为技术人员加入。后面又怀着虔诚的心邀请销售总监。自此，集合了商务端、销售端、IT部和交付端的小伙伴们。 （四）参赛初衷       一是为了检验自己入职一年多以来对销售商务端业务的了解程度，同时也可以有机会从其他角度了解公司业务；       二是为了检验接触FineBI小半年以来，是否可以独立的完成数据清洗、模型搭建和看板绘制；       三是作为从事数据工作的初衷，不仅仅满足于现阶段所谓“无情又机械的取数工作”，看能不能实现“以数据推动业务发展”的初心。       四是当然也是为了奖金啦，也想去外面见见世面，和大家交流一下经验。   二、作品介绍 （一）业务背景和需求痛点       自2019年以来，我司在全国的业务量快速上升，同时作为生物科技公司，业务阶段及其复杂，数据庞大，传统的数据统计工具逐渐不满足业务需求。       2022年，疫情逐渐严重，我司业务也受到较大影响。而今年，面对公司的收入目标，上半年完成的不甚理想。       在现有行业背景和经济状况下，销售总监们迫切需要看板工具，向上汇报目标完成情况的基础上，也可以及时发现问题并调整下半年的业务战略发展方向，在下半年可以逆转局势，最终完成全年目标。   （二）数据来源 1．范围选取       选取我司华中区19年至23年6月的销售业务数据，进行业务流程和数据简化，确定最终报告使用人主要为销售部门总监级别和区域经理级别，可用于月度和季度工作的汇报和问题分析，以及日常监控机会漏斗和销售异常行为。 2．业务阶段和业务菜单介绍 （1）业务流程（基于销售端关注事项简化） （2）业务菜单       项目分配：其中项目分配是基于合同中的产品不同，将合同分批成不同项目。       结算和收入：结算含税，收入不含税。       编码：编码不一定唯一，所以左右合并是要谨防笛卡尔乘积。   （三）分析思路 第一阶段：分模块头脑风暴       隔岗如隔山，大家属于不同部门，平常业务接触较少，所以就由队长分别搭起沟通的桥梁，与几位队员分别从商务端、财务端和交付端罗列出所有分析的点，并进行初步记录整合。 第二阶段：集中讨论       在整合了各个队员的想法之后，由销售总监小马哥牵头，作为BI主要使用方的视角，帮助大家梳理业务关注的侧重点。 第三阶段：兼顾适用性和可行性确定最终方向       队长同时考虑使用业务适用性和数据逻辑性，舍弃销售不太关注的财务端，主要从商务端进行分析。确定分析思路，并在具体BI绘制中逐步完善。   （四）最终确定主题如下   （五）数据处理 1．数据脱敏处理       由于选用的是企业数据，且我司帆软产品不是最新版，故在上传至公共账号前已经对数据进行了脱敏操作。截取了重点的脱敏步骤如下： ①ID（机会编码、合同编号等）脱敏       Step1：删除重复行，汇总所有ID，并去重             Step2：新增公式列：每一行新增数值1             Step3：新增汇总列：对新增数值1按照业务阶段进行分组汇总，取累计值，确保ID唯一性             Step4：查看ID大约有多少个，得出结论ID唯一编码至少５位数             Step5：新增公式列：借助concatenate（合并字符串）、replace（替代某些字符串）、len（求字符个数）、right（从右截取部分字符）等公式。             最终脱敏效果为：保留ID前2位，后3位，中间用***代替，后面再加5位顺序编码。       ②销售姓名脱敏       步骤基本同ID脱敏，最终脱敏效果为：保留姓，名用**代替，后面再加3位顺序编码。       ③竞争公司脱敏       步骤基本同ID脱敏，同时借助随机数函数rand。最终脱敏效果为：随机字母，加2位顺序编码。         2．创建自助数据集 （1）主要使用数据源和自助数据集如下图       注：       补充协议一般是对原有合同（成为主合同）的补充条款和增额，在明细上，合同编号不同，时间不同，但项目编号相同。故在取项目的合同编号或审核时间时，只取主合同的相关信息。       数据源和自助数据集中间的连线尾端如果为箭头，则表示有新增数据集，如果没有，则没有新增数据集。       数据集名称为n.m.开头的，则表示是完全对n.数据源的进一步处理，如【2.1.机会-停滞停留】是对【2.机会】的进一步处理。       自助数据集上有放大镜标识的，为重点介绍数据集。 （2）数据集详细介绍-【2.1.机会-停留停滞】       业务逻辑介绍：机会阶段分为8个阶段，前7阶段（潜在机会、方案沟通、初步报价、最终报价、签订合同、发送发票、执行完毕）按照先后顺序依次变更，任何阶段都可以直接跳转至合作终止阶段。停留机会阶段为该机会目前所处的阶段，途径机会阶段为该机会目前所处的及之前所历经的所有阶段。例如原始菜单机会阶段为方案沟通，则停留阶段为方案沟通，途径阶段为潜在机会和方案沟通。       首先，新增公式列，挑选停留阶段为报价商机的所有机会。             依据类似新增其他7个阶段机会。       对以上新增的列，进行列转行。             在对列转行涉及的字段进行字段设置。             最后对值字段进行过滤，删除没经过途径阶段处理的原始的冗余的机会明细。       （3）数据集详细介绍-【7.2.1.业务阶段目标】       首先对目标数据源的处理如下：       原始数据源如下：             需对不同列的各阶段任务进行列转行处理。                   为了和其他数据源匹配，进行字段处理。             为了方便上下合并，区分是目标值还是实际值，新增标签列，值为“目标”。       将原为年月形式（2023/1）的文本处理为时间形式。             最后进行字段设置。       同时对机会、合同、收入进行基本处理后，也统一添加标签列（值为“实际”）和（值分别为“机会”、“合同”、“收入”）。       接着新增自助数据集，对四个数据源进行上下合并，同时手动调整合并后的字段。             最后将单位统一为万元，并进行其他字段设置和过滤等操作。   （六）可视化报告 1．仪表板样式的选择       我司的主题色为绿色和蓝色，我们一开始自定义绿色背景，觉得视图和背景颜色有的不设配，在多次调整绿色的深浅时，依然达不到预期效果。       下图为初版绿色背景事例：             后续选择蓝色背景，以公司标准蓝色作为纯色填充时，同时自定义上传组件标题背景，但觉得公司标准色作为背景过于沉闷，同时组件标题有点“喧兵夺主”，具体效果如下：             故最后纠结来纠结去，还是选择以帆软产品自带的“科幻大屏”样式为基础，同时进行自定义设置。       调整了组件的标题样式和字体样式及大小，以及表格的主题色。                     同时通过上传图表组件，自定义设置个别的组件的背景，丰富整个界面的展示形式。       最终报告标题和一级标题背景图示例如下：             最终自定义组件背景示例如下：                     2．过滤组件和参数的选择 （1）时间过滤组件       本次分析报告虽然使用了4个自助数据集，但为了统一时间的控制，我们设置了多个时间参数，和自定义设置，最后实现仅用一个时间过滤组件，控制所有视图。       时间过滤组件最终位置：             主要方式一：三个参数控制             主要方式二：明细过滤             主要方式三：公式限制             （2）文本过滤组件       在进行产品小类连带分析时，我们对产品小类进行了文本参数控制下面的视图。       （3）树过滤组件       在最开始的时候，我们是在每个一级分析标题下面都设置了可能用到的过滤组件，最后发现过滤组件有点过多，且其实不是需要所有的组件都需要进行销售、产品、区域维度的筛选。       之前效果如下：             故我们最后调整舍弃了冗余的数标签过滤组件，分人物场进行分析，在必要的地方防止一个可供联动的视图，其余业务场景下一般不需要更多的自定义筛选和过滤。       例如在产品分析模块，在左上角第一个视图放置了一个区域维度产品总的分析，可以得出阶段，各个区域产品占比差别不大。如需特殊产品某一区域，可以点击其中一个区域进行联动。具体效果如下图。         3．重点视图绘制 （1）RFM模型视图绘制 ①模型说明：       RFM模型借助客户的近期购买行为、购买的总体频率以及消费多少钱3项指标来描述该客户的价值状况。       本报告选取的RFM分别含义如下：       R指距离最近的结算时间；       F指21年至今的合同数量；       M指21年至今的收入金额。       通过对这三个指标的评价，对客户进行8大类分类，日常应该重点关注的客户为以下四类：       重要价值客户（111）：最近消费时间近、消费频次和消费金额都很高，必须是VIP。       重要保持客户（011）：最近消费时间较远，但消费频次和金额都很高，说明这是个一段时间没来的忠诚客户，我们需要主动和他保持联系。       重要发展客户（101）：最近消费时间较近、消费金额高，但频次不高，忠诚度不高，很有潜力的用户，必须重点发展。       重要挽留客户（001）：最近消费时间较远、消费频次不高，但消费金额高的用户，可能是将要流失或者已经要流失的用户，应当给予挽留措施。 ②具体步骤：添加自定义字段       RFM-客户最晚结算日期             R-距离最近的结算时间             F-21年至今合同数量             M-21年至今收入金额             r-客户平均最后一次购买间隔             f-客户平均购买次数             m-客户平均购买金额             R评价             F评价             M评价             RFM-客户结算特征       ③具体步骤：字段拖拽       选择多系列柱形图，将客户数量和结算特征拖入相应的位置             ④具体步骤：对客户结算特征进行自定义分组             最终形成效果详见下图             也可详见本分析报告2.1.21年至今客户价值分类情况-基于RFM模型。       视图制作步骤参考站内网页链接：       https://help.fanruan.com/finebi/doc-view-703.html。   （2）小技巧的运用 ①警戒线       在气泡图中，多借助警戒线，显示平均值。       ②下钻       在时间（年、季度、月度）、产品（大类、小类）、部门（区域、销售）等一些所属关系的维度上，我们多采用下钻等形式，丰富单一视图可分析的维度。       ③数据条和文本形状       利用数据条，单一的文字也可以直观看出来大小。                 4．报告解读       本次数据分析选取了我司部门之一“华中”区的数据进行分析，华中区下分三个区域：河南、河北、湖南。报告面向主要使用人为部门销售总监，即华中区销售总监，故主要展示维度：华中区整体、各区域整体、销售个人行为。       需注意的点：       报告中所有同比比对的都是21年（由于22年受疫情影响严重，同比意义不大）。       所有金额单位均为万元。       报告中对“距今”等的概念和处理并非是绝对意义的今天，而且全部相对于时间筛选组件的截止时间（本报告默认截止时间为23年6月30日，如果手动调整为23年8月16日，则距今含义变为距离23年8月16日）。 （1）《1.区域收入目标完成情况概述》 ①简述       为了直观鲜明简洁的展示华中区上半年收入目标完成情况，主要使用了以下形式：       KPI视图：使用大号数字以及亮色，并辅以图片背景，以便于一目了然收入金额和目标达成率。（详见“完成率”组件）       仪表盘：借助颜色鲜明的百分比横向柱子，辅以差额标签，对比展示各区域目标完成率及收入差额。（详见“本年区域维度收入任务完成率”组件）       对比柱状图和自定义图表：依靠可以同时展示多个度量的优点，实现多角度对比分析。（详见“本年相较于2021年同比情况”及“本年季度收入目标达成情况”组件）       另外，省去区域和姓名等过滤组件，通过联动、下钻等方式，方便切换不同维度（季度下钻至月度），也可以定位某个区域查看月度趋势。 ②具体视图呈现 ③分析结论展示   （2）《2.1.客户进一步分析(人)》 ①简述       为了进一步分析客户，主要使用模型及对应视图形式如下：       箱形图：借助箱形图对客户平均收入分布进行展示，能够更直观的处理上百个客户的分布情况，同时用对比鲜明的颜色区分23年和21年，较清晰的对比2年情况。（详见“本年客户平均收入分布及同比”组件）       条形图和扇形图与RFM模型：借助RFM模型进行客户画像，借助对比条形图和扇形图分布从数量和占比进行展示，清晰明了。（详见“21年至今客户价值分类情况”及“21年至今客户价值分类占比”组件）       四象限气泡图：气泡图可以通过横轴、纵轴快速建立二维坐标，再通过气泡形状、大小、颜色等形式，至少可从三个维度分析一组数据，同时借助警戒线也可以将视图分为四份，快速直观将上百客户进行分类。（详见“重点客户R流失情况”及“重点客户收入年度目标值完成情况”）       另外，省去区域和姓名等过滤组件，通过联动、下钻等方式，方便切换不同维度（季度下钻至月度），也可以定位某个区域查看月度趋势。 ②具体视图呈现 ③分析结论展示   （3）《2.2.产品进一步分析(货)》 ①简述       为了进一步分析产品，主要使用模型及对应视图形式如下：       扇形图：借助扇形图，用不同颜色区分产品，横轴展示不同区域，文本显示100%直观对比不同区域的重点收入来源产品分布情况。（详见“各区域本年不同收入大类产品占比”组件。）       组合图和帕累托模型、购物篮模型：借助帕累托模型，用各个产品按收入金额从高到低排序，借助辅以累计占比的线条，方便看出有累计占比超80%的现金流产品。同时借助购物蓝模型，用线条展示产品小类的连带程度，清晰明了。（详见“本年各产品大类收入占比”及“本年产品小类采购关联性分析”组件）。       可以通过“各区域本年不同收入大类产品占比”组件，对重点区域进行联动。同时用文本参数控制购物篮模型，方便自定义查看产品小类之间的连带关系。 ②具体视图呈现 ③分析结论展示   （4）《2.3.1.市场进一步分析-复购》 ①简述       关于客户复购，选用较为简单的视图类型，用醒目的文字展示复购率和新老客户收入占比。可以自定义限制区域，也可以通过时间筛选组件，查看历史客户复购情况。 ②具体视图呈现 ③分析结论展示   （5）《2.3.2.市场进一步分析-机会漏斗》 ①简述       为了进一步分析产品，主要使用模型及对应视图形式如下：       交叉表：首先用一个交叉表，借助数据条，简洁直观的展示机会目前所处的阶段，引出接下来对机会漏斗的分析。（详见“本年停留机会阶段数量和金额详情”）       组合图和漏斗转化模型：借助组合图，而非穿透漏斗图，方便同时显示距离上一阶段转化情况，以及距离第一阶段转化情况。（详见“本年除合作终止外机会漏斗转化率漏斗”）       气泡图和玫瑰图：这两种图的有点在于维度可以同时展示两个相关的维度或指标，通过用颜色进行分组。（详见“本年不同原因合作终止的机会数量和金额分布”和“本年因价格因素合作终止的机会对应的不同竞争公司情况分析”组件） ②具体视图呈现 ③分析结论展示   （6）《3.1.销售各阶段目标完成情况》 ①简述       本部分主要从销售的日常业务阶段金额的考核结果出发，帮助区域总快速了解一段时间阶段里面销售个人对业绩的贡献程度，以及从区域总体来看，目标设定的是否合理。 ②具体视图呈现 ③分析结论展示   （7）《3.2.销售不规范行为统计》 ①简述       本部分主要用简单的视图类型，列举销售的日常不规范行为，实际业务中用于每日监控。 ②具体视图呈现 ③分析结论展示   三、本报告拓展应用方向 （一）时间修改为默认本年至今天       在实际企业运用中，我们可以将时间过滤组件的时间范围修改为相对时间本年至今天，实现日常监控的需求。             （二）设置权限       可以对所用数据源进行部门或者区域的划分、甚至可以做到销售的划分。让各个级别可以共用一个看板，查看自己权限内的数据。日常也可以让销售向区域经理汇报自己的目标完成情况以及异常情况，然后区域经理结合区域内销售个人情况和区域整体情况，再逐级向部门总监汇报。同时高层领导者也可以直接对比一级部门之间的差异。高效实现从下到上反馈、从上到下决策的管理方式。 （三）通过企业内部邮箱固定周期发送看板快照       为方便大家日常查看数据，也可以定期定点通过企业内部邮件发送看板快照给报告使用人。       示例如下：                   （四）通过企业微信发送相关通知       除了用企业内部邮箱之外，也可以通过企业微信等办公软件，进行定期推送。       初次之外，也可以通过BI结论，预警一些关注项。譬如重点发展的客户，Fine视图识别出距离上一次采购已过去3个月的时候，通过企业微信推送给相关销售和区域总监，帮助大家动态掌握客户消费动向、产品占比变化、大额机会签订和机会阶段变更等重要关注事项。       示例如下：         四、参赛总结 （一）FineBI工具 1．优点       第一点，必须夸下帆软产品对看板样式的预设模块，有多种“皮肤”可以供我们选择，非常适合平常连口红色号都分不出来的人，或者看不出颜色拼撞的好不好看的人（譬如我和我的队友们）。同时也可以在参考样式的基础上，进行微调，或者对完全自定义符合特定需求。在可参考的基础上也保留了大家的多样性和拓展性。       第二点，DEF函数太帅吧，解决了很多之前做BI时需要导视图明细再线下进行进一步处理的工作难题。譬如本报告中复购率的展示，虽然仅仅四个值，但里面还是用了不少字段和公式的。不过自己可能还是对DEF函数不太熟练，所有在做新老客户收入占比的时候花费了很多时间。       第三点，产品文档十分之贴心，我愿称之为高中非常依赖的英语词典，遇到不懂的就搜一搜，基本都能解决。       第四点，不同类型的视图的编辑界面的提示对新手党非常友好，不用花费很多时间去理解维度、度量、颜色、分组等的概念。       第五点，用企业版的时候非常苦恼的一点就是，在同一个数据源上组件添加的新计算字段，新增组件的时候，没有计算字段就导致一个指标做了十几张视图，一旦业务要改逻辑，那就得一个一个的改，非常麻烦。结果参加比赛用公共账号的时候，发现这个解决了，哇，真的非常大的惊喜，新增的计算公式相当于是挂在数据源下，而非只属于某一个组件。希望我们公司的企业版帆软也早日更新到新版本吧！       第六点，切换数据集非常方便。不过切换数据集时，还是要注意前后两个的字段名称是否一致。有一天早上队员赛比亚问我，为啥组件全部报错了， 原因是因为我切换数据源的时候没注意一个是“金额/万元”，另一个是“金额/元”。 2．建议       第一点，无法穿参的参数。改变到6.0之后，数据源、看板、组件组合为了分析主题，方便的时候可以查看三者之间的所属关系，之前是不好查看组件和数据源的所属关系，这点是非常好的一个改动。但是依然不太习惯的是，参数在视图编辑界面不能穿参了，所以有些做的时候必须回到看板才能看到自己做的视图长啥样，以及数据对不对。       第二点，无法快捷返回仪表板。接着第一点，有的时候视图很多，就得滑很久才能滑到仪表板。可以不可以新增一个快捷的按钮，快速返回刚刚查看的仪表板呢。       第三点，修改视图名称不方便。希望可以设置为点击蓝色地方修改视图名称时，下面的长度可以在编辑时变长，可以实时完全显示组件的名字修改的情况。同时双击红色的地方的时候，也可以支持修改视图名称。       （二）参赛感悟       第一点，重新找回了所谓拼搏的冲劲儿。大学毕业之后，好像很少有什么感兴趣的事情，也很少有事情值得自己花费很多的时间和精力去准备。通过这场比赛，好像回到了20岁三天不眠不休搞数据建模比赛的时候，疲惫但充实，焦虑但快乐。就感觉如果自己未来半年，拿出这一个月搞比赛一半的热情，说不定很快就可以学完自己一直半途而废的python。       第二点，自己的职业规划稍微清晰了一些。在入职之前，自己还算有很详细的职业规划。但处在一个舒适圈久了，就会逐渐想要躺平，但时不时还会愧疚和迷茫。也时常会想，用数据驱动业务难道真的只是理想主义吗？我的价值难道真的只能被困在取数和按需做BI之中吗？通过这次比赛，让自己重新振作，去正视自己的规划。       第三点，在比赛过程中，也发现了很多自己的不足。譬如管理团队沟通方面的不足；对公司业务和真实场景的理解有些浮于表面，以及对数据结论剖析的不够深刻。这些都是自己需要逐步学习和成长的地方。 （三）写在最后的话       本作品还是有可以完善的点的。由于业务菜单过多，数据ID不唯一，处理机会到收入的转化情况时，用不同的数据处理方式进行左右合并，得到的结果差异也很大，所以最后还是放弃了从机会到收入的转化率和转化周期的测算，以及对未来收入的预测模型。希望未来线下可以这部分补上。       同时也很希望欢迎大家在评论区交流本文中遗漏的分析结论～         ⇨完整报告如下（也可查看附件高清PDF版）：最终仪表板导出PDF文件.pdf (19.85 M)