|
1、学习初衷
（1）个人介绍
财务从业人员，多年BI类产品使用经验，从事数据分析和报表开发工作。
（2）学习初衷
学习背景：工作中需要处理多个组织的大量数据，需要快速整理数据、固化指标、减轻数据查询的压力，已于10月考取FCP-报表开发工程师，希望同时拿下FCP-FineBI。
2、作品简介--XX商城2018年销售情况年终总结
数据源采用公共数据集XX商城详细销售数据，包含2015-2018年订单详细数据、退货订单ID以及销售人员名单3张表格。
作品旨在对2018年的销售情况进行探索性分析并对销售额和利润率存在负面影响的因素提出建设性的改进意见。
（3）分析思路
（4）数据处理
①首先对订单事实表进行处理，将退货表中的退回标记通过其他表添加列匹配到订单表，将产品名称列拆分出商品品牌、商品名称、商品属性，计算每行商品的折扣金额。
②通过订单表创建“2018年品牌利润”表，在此基础上极序创建“2018年正利润品牌对应的商品销售额”表及“2018年负利润品牌对应的商品”表。
③因订单表中“城市”字段存在大量无法对应到地图组件的内容，故手工整理了一份“省市信息”表。
④在模型视图中将“销售人员”表及省市信息”表与“订单”表建立1:N关系，将“2018年负利润品牌对应的商品”表与“2018年正利润品牌对应的商品销售额”表建立1:N关系。
（5）可视化报告
首先通过指标卡发现2018年虽然收入和利润都较上一年度有所增长，但利润率较同期有所下滑，通过销售额及利润率变化趋势图可以看出8月利润率最低达8.04%，8月按类别展开后发现家具类产品拉低了当月的利润率，进一步展开家具类下的子类别发现桌子类产品8月毛利率为负达-37.46%，桌子类产品在8月大力度打折出售影响了当月毛利率表现。
从客户维度看，部分客户虽然经常下单（购买次数>3）但退货率超高（退货率>30%），针对这部分客户可适当提高配送费用，减少可能因退货而产生的额外成本以及运输损坏。
另一方面，针对喜欢购买折扣商品的客户（折扣率>10%，消费金额>平均值），可以考虑通过短信等途径精准投送商品促销信息，进一步提高该部分客户的消费金额。
最后，从商品品牌来看，部分品牌利润为负，不存在继续销售的意义，筛选出这部分利润为负的品牌所涉及的产品类别后发现除培训桌没有其他品牌的商品可供替代外，其他类别产品不受影响，因此可以考虑在2019年：
①砍掉这部分利润为负的品牌的产品的采购
②针对这部分利润为负的品牌与供应商重新议价
③针对这部分利润为负的品牌适当提高商品销售价格
3、学习总结
虽然之前已经简单学习过FineBI的一些知识，但并没有深入学习，通过这期学习班的学习，系统的掌握了FineBI的操作方法、设计理念以及计算字段等高阶函数用法，对于一些复杂的分析需求能够逐步拆解，通过数据的处理来实现最终可视化组件的完美呈现。 | 
