1、学习初衷
作为一名制造工厂的精益工程师，我每天需要接收并处理大量数据，以识别更多改善机会、发现制造过程异常风险，从而更好的实施改善项目。
在转岗精益工程师之前，我主要负责分公司内的制造数据管理与汇总分析，分析数据的过程让我能够了解更多隐藏在数字下的蛛丝马迹，将呆板的数字转化为丰富具体的图表能让我获得领导同事的认可与个人的成就满足感，对我来说，帆软的课程学习不仅仅提升了我处理数据、改善业务的能力，更让我在这个过程中体会到了个人成长的快乐。
2、作品简介
业务背景/需求痛点
我本次作业的对象是制造工厂的生产班组，选择这个课题的原因是目前负责原始数据统计的员工有好几名，但这个过程中存在大量的重复录入与重复计算，且班组长们无法从原始的数据报表中获得自我改进的对策，每月每周开会的时候还需要根据领导需求单独制作新的分析和汇报。
无论是从数据统计的效率上，还是内部管理的改进上，制造单位的过程数据统计与分析看板都是有必要的。
（2）数据来源
本次作业围绕制造工厂的生产班组，主要从人员、质量、效率三个维度进行了指标的呈现与分析，其中人员数据来源于人资和生产部门的内部记录（人员花名册&星级工花名册），质量数据来源于质量部的每日流程卡统计（直通率报表），效率数据来源于生产和运营管理部的过程记录(单人单时日报表和异常停线报表）。参考数据
（3）分析思路
在数据分析上，我首先的一个逻辑是总分形式，先搭建整体的数据汇总看板，将班组的产量、关键绩效指标进行整体统计以及汇总呈现，在整体呈现的基础上确保看到的人能够整张看板的分析对象与维度；
其次，我将班组管理的工作拆分人员管理、质量管理、效率管理三个维度，借用仪表盘的联动模式实现不同班组的人员、质量、效率详细数据呈现，帮助受众看到不同班组的数据差异、同班组的数据变化趋势；
最后，结合分析过程中的信息总结，我发现人员工龄&星级共认证、人员出勤与产品直通率这些指标中是存在直接关联的，针对这些关联指标，在仪表盘组件上进行了组合呈现、确保受众能够更加清楚的看到并识别到相关性、确保后续可利用。
（4）数据处理
在数据处理的前期，我花费了大量的时间统一班组名称、剔除重复/无效数据、搭建多张表格的映射关系，并单独做出了一张班组名称对照表用于匹配，这个过程是最繁琐和反复的。
（5）可视化报告
（1）数据含义表达和图表排版布局，如
人员模块组件的含义：从工龄（入职时长）、岗位(分工&技能）两个维度呈现班组内部人员组成
（2）分析结论
① 差异与原因分析
A14班组在直通率指标上最差，通过对比分析可发现对应产线的来料不良率比例为各产线第一、且直通率指标和人员出勤呈明显的相关性，分析判定来料质量问题、人员缺勤是造成产品质量异常的主要因素。
② 改善对策分析
班组A03在过去的一个月中人员出勤率、万台停线、效率指标（单人单台）、质量指标（直通率）均处于上游、呈上升趋势，且内部星级工占比较低，预测为本月最具潜力班组，后续将持续向好发展；
分析建议：对比其他班组，A03主要落后项为星级工认证占比，可通过内部培训、认证加以改善；
 
③ 人员组成分析与预测
① 当前的生产人员组成中整体女性数量偏高，1-4星、多能工中女性占比随着等级提升逐步增加，但是班组管理层的班长、组长依旧是男性为主，按照员工职业晋升路线及性别比例组成，预测得出：未来的班组管理成员中女性的比例将逐渐提升、并有望超过男性管理者的数量。
② 整体来看星级工的占比呈现工龄越长、比例越高的现状、但差异并不大，且基础的一星员工数量接近相等，推测公司近一年来的员工照片与培养管理有所提升，未来将有更多的新员工获得高级认证，3年以上工龄的普工或有被淘汰风险。
3、学习总结
（1）学习经历
学习过程中每天都要从工作的缝隙里找时间刷课、晚上熬夜写作业，过程很辛苦、但做出来的成品可以抵消一切辛苦；
（2）个人成长
在学习BI之前，不同部门、系统的数据拉通和汇总分析是一件非常繁琐麻烦的事情，数据报表的重复制作也非常耗费心力。
BI工具的导入让我发现了更便捷的汇总分析方式、以及可以预期的改善周一，让我更有信心说服业务部门加入到数据看板的搭建中。
个人的心得体会：好的工具+坚持学习改善的态度，是解决业务需求的关键。
| 
