一、选手简介
1、团队选手版
团队名称：每天一个仪表盘
团队组成：
- lbstjw：帆软社区用户名lbstjw，计算机科学与技术毕业，目前是IT职位，接触数据可视化分析2个月了，希望取得FCBP认证，正在按照FCBP的学习计划参加本次比赛,是每天一个仪表盘战队的队长,之所以队伍叫这个名字,是因为我在学习模型的日子里,每天都要做好一个数据模型仪表盘丢在小组群里.。
- 石头小姐：本次组队的主要联络人。软件工程专业毕业，做过程序员和项目经理，转型后现在就职于某家运营商的大数据分析岗位。公司已采购FineBI，在平时的工作中FineBI是重要的数据分析工具。参加此次比赛目的是提升BI的技能。
- ~_~：社区用户名是passenger，喜欢学习新事物，初学数据分析，现学现用，善于从解决问题的角度思考问题，在整个过程中受益匪浅。
- 无私的月：社区用户名是无私的月，硕士专业是大数据分析，毕业3年后跳出国企的舒适圈，现在从事能源方面数据分析工作，在工作中学习帆软，并努力将所学知识用到仪表盘中。
- 好苗子鸭：有一定的数据分析经验，平时在工作中用过BI做仪表板，但总体来说理论大于实践，本次参赛很好地运用了所学。
2、参赛初衷
团队成员都是网友，相识于帆软社区，虽然不在同一个城市，但是都了解数据分析的业务。石头小姐是大家的联络人,大家都认真热情的一起推进每一个环节，尽力贡献个人的经验、思考、想法和努力，突出了团队合作的魅力：总体大于部分之和，希望通过比赛实践提升BI工具的使用方法和技巧 。
二、作品介绍
1、业务背景
简述业务背景
某城市某公司是一家童装连锁销售公司,2021年是疫情肆虐的一年，我们这个小地方经历了几拨疫情，面临如此严峻的形式，公司在2022年是要生死存亡的一年，对销售、人员、会员、拓展等业务都有进一步要求，为了2022扭转疫情带来的不良影响，在帆软论坛上结识了几位志同道合的数据分析网友，来一起帮忙对会员数据进行分析，没想到，众人拾柴火焰高，于是开始了一段数据分析之旅。。。
简述需求痛点
①疫情导致分析人员离职后，业务人员需要做的数据表和分析图表量比较大，业务人员比较少，经常会漏做许多表格，导致分析不全面，分析不彻底。
②业务人员求助it人员，it人员不太懂数据分析，只能沟通一些基础问题、沟通不太愉快，只能上网百度寻求帮助。
2、数据来源
（1）用到企业数据。
企业是某城市的经营中线下连锁童装（20余门店）的企业。
（2）表含义简述。
一共3张原数据excel表格。
导出一张excel年零售明细表，包含零售产品名称、会员号、零售金额及明细等。
导出一张会员渠道来源表，包含会员编号、渠道来源。
制作一张日历辅助excel,包含本年日期年月日、年周数、年周值。
（3）脱敏处理。
①所有店名称脱敏为A店B店C店之类，工作人员姓名脱敏为姓+导购，如张导购、王导购等。
②所有会员号、会员卡、货品脱敏为8859****9921、T**19**201**314 、C8***8811594** 形式，前后加入不规则数字，中间若干数字替换为*号。
③店号和小票序号脱敏为增加不规则数字并把原代码替换为其它数字，如1,891,001、KM52110854 。
④零售数量、折扣、零售成交金额均按不同序号划分进行加减及乘除系数脱敏处理。
3、数据来分析思路源
分析思考过程
围绕分析主题，拆解了哪些分析方向？为什么这么拆解？
首先，刚刚接触这个题目，就想到用零售行业，并且与团队的姐妹讨论并一致通过选择零售行业。
接着，零售行业也分为商品、会员、销售、库存等几方面，选择非常头疼，直到4月7日帆软聘请的数据分析博士李老师，直播了数据分析6步走以及大概思路，于是思考再三选择了会员这个模块。
确认使用会员模块后，就立即开始准备开始6步走的第一步明确和拆解问题：
经过帆软fcba学习，知道会员按照RFM模型分为（重要价值客户，一般价值客户），（重要发展客户，一般发展客户，重要保持客户，一般保持客户），（重要挽留客户，一般挽留客户）8类客户。我参考百度以及论坛的帮助，按会员管理正常一般分为新增、重要客户、流失三类。
每个分析方向能想到什么分析主题？
- 首先，想要必须有一个对所有会员情况的一览表，最好有KPI，或者城市地图，在城市地图上点那个店，就对应出现这个店会员消费日历图就很直观了，下面再能看到所有的销售金额。关注零售金额的话，想到要用到会员的消费折线图。
②新增会员，肯定要有既有重要会员的情况，能够显示新增和既有会员的柱形图，并且要看到是哪些店铺贡献了这些会员，想到了在帆软帮助学习到的ABC店铺分类法。
③重要价值客户，按RFM模型有重要价值客户、一般价值客户，要做一张两者的对比表，采用常见的柱形图，然后罗列了几个问题：一般重要价值客户，他们在店里都买什么？这些产品类别跟客单价有什么关系？多少价格段的吊牌价销售最好？重要价值客户和一般价值客户的客单价差距有多少？他们家宝贝的年龄段是哪些？他们来买的次数是啥情况？
分别思考用什么图标来展示更好，如下所示:
他们都买什么:做一个购物篮模型，就一目了然了。
这些产品类别跟客单价有什么关系？想到了可以用四象限分析法，直观做出解释。
多少价格段的吊牌价销售最好？自定义出来常买的价格段，看那个买的人最多。
客单价的差距？看看每个月，重要客户和一般客户都是多少客单价。
年龄段是哪些？玫瑰图最适合，一下就想到了。
买的次数？在帆软帮助中的复购率分析模型，正好派上用场了。
④流失客户，仅仅想的话，也不知道哪些是流失客户，于是首先拉出一份每个店流失客户的人数，对流失人数最多的几个店进行分析，从流失客户性别、产品结构、年龄段、销售时间段、接待员工几个角度进行分析。
4、数据处理
如上图中所示，一共用到了12个数据集，其中2个xls是脱敏后的原始数据，1个xls是制作的辅助的日历和年周数，2个自助数据集是增加日期和会员销售日历，还有6个是常用数据分析模型，这里不再赘述，主要是一个会员进行分析为本次仪表盘的主要数据来源。
①分析原始数据首先进行脱敏处理，这里在excel完成脱敏，只有2张excle，包含下图字段。 
②新增自助数据集增加日期，新增列年周数和店铺名称。如下图字段。
③在自助数据集使用常用分析模型的，这里有用到6个自助数据集是常用数据分析模型（留存率分析、重要顾客复购率分析、重要顾客购物篮分析、购物篮分析B商品过滤、店铺abc分类、RFM会员分组），需要自己常备手册查询，练习熟了就好用了。
我最喜欢的就是查帆软的帮助手册,在这里点个赞,很方便。
③然后进行数据关联。
④这里重点说下会员进行分析这个自助数据集的完成过程：
I.选字段。从原始数据表”2021年会员分析原始“中选择需要的字段”门店代码”,”门店名称”,”营业员”,”小票编号”,”数量”,”折率”,”金额”,”年龄段”,”大类”,”中类”，”小类”,”性别”,”吊牌价”,”销售时间”,”时间”；从RFM会员分组选择”会员编号”,”客户分组”;从店铺abc分类选择”abc分类”;从会员渠道来源选择”来源渠道”。
II.过滤。会员编号”非空”,性别”非空”。进一步清洗残缺的数据。
III.新增列。会员总数=所有去重计数【会员编号】。
IV.新增列。每店会员人数=按【门店代码】组内去重计数【会员编号】
V.新增列。所有店平均会员人数=所有平均【每店会员人数】
VI.新增列。实际原则划分=IF(OR(${客户分组}="一般价值客户",${客户分组}="重要价值客户"),"重要",IF(OR(${客户分组}="一般发展客户",${客户分组}="重要发展客户"),"新增",IF(OR(${客户分组}="一般保持客户",${客户分组}="重要保持客户"),"保持",IF(OR(${客户分组}="一般挽留客户",${客户分组}="重要挽留客户"),"流失",""))))；按企业实际情况划分客户分类。
VII.IF(ISNULL(${来源渠道}),"其它",${来源渠道})；分组其它渠道。
VIII.新增列获取年月日；目的去掉时分秒。
IX.字段设置，上一步增加的年月日由文本改为日期。
⑤最后一个是建会员销售日历，用到上面准备的增加日期自助数据集，有4个字段，年月日、年周数、年周值、年周数和店铺名称。
I.开始新建，先建一行一个门店名，去选字段，选xls数据集的2021年会员分析原数据的门店名称。
II.分组汇总门店名称，保留唯一值。
III.新增列，年周数和店铺名称，与增加日期自助数据集一致，为下一步合并用。
IV.左右合并本数据集与增加日期，合并依据为辅助列，目的取得每个店铺的每一天时间。
V.再次左右合并本数据集与会员进行分析的其中4个字段（门店名称、年月日、会员编号、金额），合并依据为门店名称和年月日。
VI.新增列，销售补零，金额为空的都填上0.作用是以免当日无销售不显示数字。
在这个过程中，误删除了原数据xls，导致快完的仪表盘丢失，幸好自己给队友备份了一份导入文件，赶紧恢复了下，hoho，数据都还在，吓我一跳，大家也要注意备份哦。
5、可视化报告
-
简介：
会员管理中的经营中的一个重点，经过考虑决定采用经典的RFM模型区分会员，按实际业务模式分为新增会员、重要会员、流失会员，决定整体布局为4部分。
即：会员整体一览、新增情况分析、重要会员分析、流失会员分析四个模块。
第一个模块，会员整体一览：
1.所有会员月平均消费情况。
上图1数据为本年会员消费人数每月变化情况的展示，采用分区折线图，使用对数拟合趋势线预测2012年1月和2月的会员消费人数情况。
- 会员总数及地域分布展示。
上图2数据为会员消费占比每月情况，采用分区折线图，使用线性拟合趋势线预测2012年1月和2月的会员消费占比情况，关键指标会员消费占比=会员人数/消费次数。
3.每月会员实际人数情况展示。
上图3是会员每月新增和重要会员总人数和占比情况（划分原则采用RFM模型结合企业实际情况），采用堆积柱形图，使用对数拟合趋势线预测2012年1月和2月的新增会员。
4.地图展示会员及销售情况。
上图4由3部分组成。
第1是底板采用地图和矩形块按门店展示矩形块。可联动第2的会员销售日历图。
第2是右侧的会员销售日历图，由年月过滤组件、周日-周六图片组件、矩形块日历组件组成，可以通过点击左侧地图选择门店，可以通过点击右上角的年月选择时间，日历展示当月会员的销售金额。日历的制作使用会员销售日历自助数据集，横轴为周值，纵轴为年周数，矩形块标签显示日、销售补零2个字段。这里设置不与其它组件联动。
第3是下方的店铺销售一览表（含会员和非会员），采用交叉表，计算字段客单价=销售额/人数。这里设置不与其它组件联动。
以上图1、2、3、4数据分析结果：
①.全球疫情大环境下，全年会员平均消费人数呈下滑趋势，会员在整体消费占比反而提高，更凸显了会员的重要性。8月份消费人数突降，可能与疫情封闭有关，但是预测明年消费趋势越来回归平稳，因为会员新增已经呈上升趋势。
②. 仅HKR三个店完成了目标，特别是H店、K店超额完成，H店的会员多，可以申请会员促销活动，从而提高销售金额；有5个店不到100个会员，特别是新店有很大提升空间。③.从地区来看除了扬州市和无锡市、马鞍山完成目标，其它城市均未完成，周六日休息日成交高于工作日。
④. 按企业原来的划分原则，参考RFM模型，考察新增和重要顾客，随时间推移，发现1月至3月和8月新增顾客很少，可能是受到了疫情的影响。5-6月和9-10月为销售旺季，属于人群更换服装的节点时间。
第二个模块，新增情况分析：
5.新增会员的来源渠道分析。
上图5是5个来源渠道的展示图表，采用分区柱形图，注释推广成本，以及分析后进行沟通并附调整结果。
6.留存率分析。
上图6是留存率分析，分别为本次留存（7天内成交，因为有时候调换货），本月留存（30天内成交），本季留存（90天内成交），采用堆积柱形图，采用指数拟合预测2022年1月2月留存趋势。
7.店铺会员新增全年走势。
上图7展示了2021年每月新增会员情况，采用RFM模型结合企业实际情况划定哪些属于新增会员，并采用abc分类模型，用折线图展示占比80%销售的店铺、占比20%销售店铺的新增会员情况，采用多系列折线图，采用对数拟合的趋势线预测2022年1月和2月的新增情况，做好新增准备工作。
8.按abc分类店铺新增会员对比。
上图8按RFM模型结合企业实际情况划定新增会员，采用自定义图标的柱形图，按abc分类法展示销售80%的店铺和销售20%的店铺新增会员的人数。
以上图5、6、7、8数据分析结果：
①.关于推广渠道，线下推广为五一和十一的推广，耗费人力每天只有30个左右，由于疫情建议取消线下推广；建议适当微调门店单个推广金额至7-7.5元；建议微信平台注册送2元无门槛优惠劵。②.按销售额对门店分为两类，第一类是有12家店铺完成了80%的销售，这类店铺新增会员工作占比70%,第二类16家店铺完成了20%的销售，这类新增会员工作占比30%，对占比80%的店铺个别店长进行了电话回访，发现共同点是都有自己的微信群。③.会员新增呈明显上升趋势，可能是疫情压抑了几个月，逐渐恢复中。但是顾客需要注意留存，截至后半年留存率相对下降趋缓，说明已经进行了一部分转化，需要对这些用户进行精细化运营管理，帮助用户稳定转化。④企业可以考虑建立自己的企业微信群，维护消费者关系，并在所有店铺推广，对店铺现有管理人员进行培训使成为企业微信管理人员。⑤为了留存会员建议店铺执行留存会员活动，比如注册3个月至半年消费立返5元现金等。在疫情大环境下，建议鼓励门店多进行网上沟通成交，鼓励网上发货，相关管理人员对发货费用及送货方式细节进一步完善。
第三个模块，价值客户的分析：
9.重要与一般会员会员对比。
上图9为实际划分的重要会员分为1.RFM模型划分的重要价值客户、2. RFM模型划分的一般价值客户的成交金额及成交人数对比，采用对比柱状图，建议对一般价值客户的2082人进行精细管理。
10.重要顾客最爱购买的组合。
上图10采用了经典的购物篮分析模型，采用矩形块图标，分析重要价值顾客最喜欢购买哪些货品组合。
11.重要顾客吊牌价分析。
上图11，按顾客购物习惯划分8个小价格段，采用多系列折线图。按购买次数，发现200-300元购买次数多，要对这个价位区间的店铺补货时候重点考虑的sku。
12.复购率分析。
上图12，用到了RFM模型和复购率模型，购买人数采用柱形图，复购率采用折线图。按实际划分的重要顾客的复购率与购买次数逐月展示，采用线性拟合分析2022年1月和2月的复购率趋势。
13.价值顾客的客单价对比。
上图13，用到了RFM模型，客单价=销售额/顾客数，采用堆积柱形图逐月展示。
14.年龄段分析。
上图14，重要客户的年龄段分析，采用玫瑰图表，颜色按性别区分，角度和半径按金额展示。
15.价值顾客的产品结构分析。
上图15是经典的四象限分析模型，并且按产品的大类，中类，小类进行钻取，区域划分是价值顾客的全年平均消费次数与平均金额，并搭配文本组件说明。
以上数据分析结果：
①.一般价值客户成交金额超过重要价值客户，一般的人数是重要的2倍，可以从一般价值客户中深挖重要价值客户。②.重要客户最喜欢买儿童休闲凉鞋、儿童休闲运动鞋、圆领短袖T衫、针织长裤搭配选购，可以按店铺筛选后发送给对应配货人员，为备货及日常话术做准备。③.重要客户的客单价基本在200元左右，如果只成交少的情况下，要进行搭配推荐，提高客单价。④.本年度8月份遭遇了疫情，但是重要客户的复购率保持稳定，要再接再厉，保证企业安全度过疫情经济时段。⑤.天气转冷和过年期间客单价最高，要注意把握，重要客户给男孩购买的金额要超过女孩，但是无论男女，中童6岁至9岁是重要客户中消费最高的。⑥.产品结构中，按钻取查看休闲鞋、针织裤是明星产品，要多注意推荐，同时注意调整瘦狗产品，也不能错杀。
第四个模块，流失顾客的分析：
16.流失顾客门店流失率分析。
上图16，按ABC分类法，看销售占比80%的店铺，按流失率和性别划分，采用聚合气泡图表，找出问题店铺。
17.流失顾客产品类别Top20。
上图17，按RFM模型结合企业实际情况划分的流失顾客，使用矩形块展示产品类别，并按金额进行从大到小排序，检查流失产品的SKU问题。
18.年龄段流失分析。
上图18，流失顾客，按购买年龄段和购买次数进行对比，采用经典的堆积柱形图表，检查流失年龄段货品的SKU问题。
19.流失销售时段分析。
上图19，采用对比柱状图表，流失顾客都是每天什么时间来购物的，哪个时间流失的人最多，确认重点巡店时段。
20.流失导购分析。
上图20流失顾客数量最多的导购人员，采用了饼状图表，以及折线雷达图，按店铺分析流失人数、销冠、客单价、折率、连带率、会员消费占比。进行针对性人员培训及调整。
21.添加过滤插件，用于选择流失门店。
上图21，控制范围选择为图18、图19、图20，方便查询问题到底。
以上数据分析结果：
①.经过筛选发现虽然H店新增会员很多，但是流失也很严重，对流失最多的几个店进行分析，这里展示分析H店。②.同时检查流失会员H店R店的产品类别是否存在配货不足的情况，发现休闲鞋、凉鞋、复古鞋、羽绒服存在SKU不全的情况。③.下午15:00进行视频巡店，发现打瞌睡、无门迎等不规范情况予以纠正。④.H店和R店流失年龄段主要为小童和中童，经管理人员与导购沟通，原因H店梁导购搬家后上班较远，于5月份自动离职；H店王导购很积极但存在业务不熟，进行连带率培训；R店6点店长要接孩子，人事调动增加一名副店长。
最后,关于排版和布局,嘿嘿,我最喜欢帆软的智慧数据,非常有智慧的感觉,于是在智慧数据的基础上,增加了帆软的图标元素,加上每个模块标题的醒目提示,同时参考论坛大家的设计,加上我们战队经常晚上讨论问题,就采用了这个智慧数据+夜光颜色风格的模式,希望大家看得顺眼。
三、参赛总结
1、FineBI工具
很好用，比我认知中的其它工具好上手。
优点：
①不是非常清楚要怎么操作的时候，随时能从各种渠道找到要怎么操作。
②方便操作数据库，把数据库的功能简化了，使得业务人员也能上手。
③对数据分析的门槛越来越低，熟练掌握各种数据分析模型就可以很容易达到自己想要的效果......
2、参赛总结
①通过分析发现了以前很多没有太注意的地方，很直观的面对了问题，并提交给其它相关部门同事。的确提升效率，节约了人力，希望能帮助企业平安度过疫情。
②4月17日下午误删除原始xls，导致自助数据集失效，真是虚惊一场，幸好有备份zip文件，大家都要注意备份哦。
③在这个参赛过程中，结实了几位好队友，希望以后能互相帮助，互相学习，提高技能，的的确确发现了众人拾柴火焰高，一个人的难免出错，感谢队友们的付出，没有你们我肯定发现不了很多小错误，我们战队来自五湖四海，大家都得到了成长，集体感谢帆软带来的这次机会，感谢这种学习机制，感谢努力的自己，希望大家都能平安度过疫情，谢谢大家。
以上是20220428日上传。
3.效果（20220508补传效果）
| 
）