|
1、学习初衷
（1）个人介绍
帆软社区用户名「帆软用户J5uEDDqb2c」，目前就职于快消品行业零售事业部，负责渠道数字化运营。我日常跟大区、经销商、区县、终端门店等不用的数据打交道，每天被“进销存、开瓶率、动销周期、复购”追着跑。
（2）学习初衷
过去我的定位更像“数据搬运工”：业务要表格，我就写 SQL 导 Excel；领导要 PPT，我就复制粘贴柱状图。久而久之，出现两个痛点：
① 同样的指标，销售、市场口径永远对不上；
② 我做了很多张表，但没人记得住数字，可以看趋势，做基础分析及市场复盘，但无法用数据做决策或预设。
因此，我给自己定了两个小目标：
- 把“沉默数据”变成“业务语言”，让领导 3 分钟看懂“哪里动销慢、哪里库存高”；
- 把“事后汇报”变成“事前预警”，FineBI 的拖拽式分析和自动化预警，正好切中这两点。
2、作品简介（作业 10）
（1）业务背景 / 需求痛点
因要求公司数据不能展出及共享 特此使用快消品同行业数据进行处理分析
（2）简述业务背景
数据集来自往网上公开的数据，是一份有关优衣库销售数据共有5957条记录，13个字段。
（3）分析思路
先对数据进行清洗
①分析维度：人（顾客）维度、货（产品）维度、
②数据指标：销售额、订单数、销量、客户数、利润、客单价及其派生指标等。
③分析方法：四象限分析、帕累托分析、对比分析、占比分析等。
（4）数据处理
主要围绕：产品维度+消费者 两个维度展开
明确：1、卖什么最赚钱，哪些品类有问题，怎么调整
2、谁来买，性别、年龄、购买的渠道方式
因此首先分析第一个维度：
1、产品帕累托图：什么产品销售额最高，累计占比最多；
2、产品销量-订单图：分析是单价原因导致还是为什么；
3、产品波士顿矩阵图：看每个产品的利润、客单价的四象限分析；
综合以上图片关系探究、挖掘问题及原因。
第二个维度：
从用户性别销售比例、年龄端、购买渠道等分析：探究消费者人物画像；
（5）可视化分析报告
 
（6）分类图表及分析文字排版布局，通过分析得出的结论：
1、销售高度依赖头部品类，产品结构集中。建议在稳固核心品类的同时，关注长尾产品的潜力挖掘与策略优化。
2、建议巩固明星产品的优势地位，同时针对牛仔裤和配件分析利润偏低原因，并制定袜子、运动类产品的改善策略，以优化整体产品结构。
3、建议在保持核心品类优势的同时，重点提升高销售额品类的利润转化，并优化牛仔裤等品类的盈利能力，重点关注T恤、配件、当季新品的宣传和营销，注意货架摆放，特别是T恤等销售更好的产品摆放到更为显眼的地方，放大此类产品的曝光量，吸引客户下单购买，优衣库可以适当减少牛仔裤、短裤、运动等类型产品的陈列和库存比例。
4、线下门店应扩大女性产品区域产品陈列，优化购物动线；
5、线上推广内容营销优先采用25-35岁女性模特，展示符合该年龄段审美的穿搭方案；
6、针对30-34岁核心客群设计专属会员运营权益和促销活动；
7、建议将营销资源聚焦于20-39岁女性客群，特别是30-34岁年龄段，通过渠道差异化运营深度挖掘其消费潜力。
3、学习总结
（1）学习经历
- 学习与工作：培训期间正值 市场较忙阶段，白天盯数据，晚上听直播、写作业，把计算的公式教学贴在工位，偶尔在工作闲暇背几个公式；
- 踩坑日记：第一次用 DEF 函数把概率算成>100%，发现是把忘记去重逻辑搞错；
- 多次在群里@助教老师教学，非常感谢他的悉心指导，攻克一个又一个问题。
（2）个人成长
学习FineBI系统化思维模式，不是“又学一个工具”，而是把“Excel 搬不完的数据、PPT 讲不清的故事”一次性打包解决。
快——原来繁杂的手工拼表，现在快速拖拽搞定；
准——权限直连数据库，杜绝“复制-粘贴-少一行”的低级错误；
狠——一眼看穿问题所在
（3）想对帆软说
感谢老师的悉心指导，希望大家越来越好。 | 
