|
BI学习总结报告
一、学习初衷
1. 个人情况
我目前从事供应链金融相关工作，日常工作的核心是确保票据按时兑付，并对票据风险进行有效管控。在实际工作中，我发现大量繁琐、重复的数据处理任务占据了绝大部分时间，而仅依靠传统表格呈现的分析报告，难以对风险集中度进行更深入、更直观的评估。
2. 学习目的
为提升数据驱动决策的能力，我决定系统学习FINE BI工具。一方面，希望借助工具自动化处理重复性高、操作繁琐的数据工作，提升效率；另一方面，希望通过可视化的方式，更清晰、更生动地展现数据背后的业务逻辑与潜在风险。
本次大作业以《收取下游供应链票据情况分析报告》为主题，正是结合日常工作中的实际场景，尝试通过可视化手段重新构建分析报告，增强数据的可读性与洞察力。
二、作品简介
1. 分析思路：构建“总–分”两层分析架构
本次分析围绕票据业务中的几个关键风险维度展开，包括票据规模、期限、平台、客户等，并采用“总体概览→细分下钻”的两层分析架构。
（1）总体层面
报告以月度为基础分析维度，通过关键绩效指标（KPI）指标卡，集中展示票据收取规模及其变化、涉及平台数量、票据集中度及趋势等核心信息，帮助使用者快速掌握整体业务状况与风险轮廓。
（2）细分维度
在形成整体认知的基础上，进一步从客户、平台、票据类型等多个维度进行下钻分析，识别风险集中的区域与异常波动点。通过趋势图、分布图、饼状图等多种可视化形式，直观呈现数据之间的关联与差异，从而提升分析的深度，为业务决策提供更扎实的支持。
2. 数据处理：
关键处理：
|
步骤
|
操作
|
工具/功能
|
|
1.设置关联关系
|
为了优化表格的呈现，将各收取单位的简称与全称的对应关系作为附表导入，并且通过建立表格间的关系，将简称添加至主表。
|
其他表添加列
|
|
2. 可视化搭建
|
• 指标卡：各类汇总数据
• 饼图+条形图：作业时长分布
• 堆积柱形图：日度预约/登到/入厂/出厂数量
• 明细表格
|
图表组件、联动
|
最终在FineBI仪表板中实现“一页看全、层层下钻”的交互体验
三、学习总结
1. 学习经历
在过去一个半月的 Fine BI 学习过程中，我从最初对工具界面与操作感到生疏，到逐渐能够独立完成数据连接、清洗、建模与可视化仪表板的搭建。这个过程不仅是技术层面的熟悉，更是对数据分析思维的一次系统训练。我深刻体会到，Fine BI 不仅仅是一个作图工具，更是一个能够将零散数据转化为业务洞察的高效平台。通过本次大作业的实践，我系统掌握了如何将实际业务问题转化为分析主题，并借助仪表板实现多维度、交互式的数据呈现。
2. 个人成长
这段学习经历带给我的收获远超预期。在技能上，我掌握了使用 Fine BI 进行数据处理、可视化分析和报告制作的全流程能力，这未来可直接应用于日常工作中，自动化完成许多重复性报表任务，大幅提升工作效率。在思维层面，我学会了以更结构化的方式拆解业务问题，并通过数据可视化更清晰地讲述“数据故事”，这对风险识别、趋势判断和汇报沟通都大有裨益。我相信，这些能力不仅能帮助我优化当前供应链金融中的票据风险分析工作，也为未来承担更复杂的数据分析任务打下了坚实基础。 | 
