|
1、学习初衷
（1）个人介绍
（2）学习初衷
2、作品简介
公司销售多种产品，通过分析全国门店的销售额、成本额和利润额，来确定是否要优化门店分布以及确认产品研发重点。
公司希望通过数据分析来实现以下业务目标：
-
洞察全国门店的整体营销业绩：了解总销售额、总成本额、总利润额。
-
分析产品表现：分析销售额、成本额的变化趋势。
-
分析月度表现：洞悉不同月份销售额、成本额和利润额的变化情况，查找是否存在低成本额、高利润额的月份。
-
识别关键门店： 找到最具有价值的门店（RFM模型分析），以便进行精准营销。
-
自选数据：这是公司门店的销售情况以及订单合同签售情况，以及公开的技术报告以预测产品研发重点。
数据包含门店编码、商品编码、成本额、数量、合同类型、销售日期等字段。
（3）分析思路
数据处理
数据预处理：
1、数据清洗与处理：
①对销售数量进行赋值，过滤掉数量为负数，区分出订单状态正常及退货的类型
②过滤出客户唯一标识符非空的数据
新增列：利润额。创建一个新的计算列，公式为：利润额=销售额-成本额
字段设置：商品编码调整为文本字段，销售日期为日期格式
2、建立主题模型
商品信息维度表与商品销售明细表关联，商品编码作为关联字段。
商品销售明细表与门店信息维度表关联，门店编码作为关联字段。
分析维度：
整体销售业绩情况：
1、KPI指标卡：总销售额、总成本额、净利润。
2、折线图-月度销售额环比增长率趋势、成本额环比增长率趋势、利润额增长趋势，柱形图-月度销售额趋势、月度成本额趋势
3、合同付款类型：一次性付款和分期付款
4、合同总金额：折线趋势图
5、门店利润分析
地图-高利润门店地域分布
6、利润表现分析
不同省份不同日期的销售额、成本额和利润额分析。
（5）可视化报告
学习总结
（一）学习经历：充实的课程赋能工作
在本次课程中我学习到，数据是基础。数据准备是 BI 分析的基础。
-
在课程中我学到了多数据源接入，可上传 Excel、CSV 等本地文件的数据源连接，同时掌握了跨数据源联合查询的方法，解决了之前公司内部数据分散在不同系统的整合难题。
-
在学习中重点掌握了 FineBI 丰富的可视化组件及报表设计逻辑：
-
组件灵活应用：熟练使用柱状图、折线图、饼图、仪表盘、地图等数十种可视化组件，针对不同业务场景选择适配的图表类型。例如，用折线图展示月度销售趋势，用仪表盘呈现 KPI 完成率，用地图直观呈现各区域业绩分布。
-
交互式报表搭建：掌握了筛选器、参数控件、钻取联动等交互功能的配置方法，实现了 “一表多用” 的交互式分析。比如，为销售报表配置区域、时间、产品类型等筛选控件，业务人员可按需自由筛选数据；通过维度钻取功能，实现从 “年度销售总额” 到 “季度 - 月度 - 单品” 的逐层下钻分析，大幅提升了报表的实用性。
-
报表美观与规范：学习了 FineBI 的报表样式美化技巧，包括配色方案、字体统一、布局调整等，确保报表既美观专业，又符合企业的数据展示规范，提升了数据汇报的效率与效果。
（二）个人成长：从工具使用者到思考者的蜕变
在学习过程中，我也遇到了一些难点并总结了相应的解决策略：
-
复杂数据模型搭建困难：初期搭建多源数据模型时，因表间关联关系复杂导致报表查询卡顿。通过查阅帆软官方文档、参与社区答疑，以及向讲师请教，我学会了合理拆分表结构、建立中间表、设置索引等优化方法，最终将报表查询效率提升了 50%。
-
高级公式计算易出错：在配置同比 / 环比等复杂公式时，曾出现计算逻辑错误。针对这一问题，我先梳理业务指标的计算口径，再分步测试公式，同时利用 FineBI 的公式校验功能排查错误，最终熟练掌握了各类复杂公式的配置。
-
业务与数据的结合不紧密：初期报表仅停留在数据展示层面，缺乏业务解读。通过参与企业业务研讨会、学习行业分析案例，我深入了解了销售、供应链等业务流程，实现了数据与业务的深度融合。
本次学习让我收获颇丰，但仍有提升空间，未来我将从以下方面继续努力：
-
深化技术能力：进一步学习 FineBI 的高级功能，如 API 接口开发、数据大屏制作、与其他系统的集成方案，拓展工具的应用边界；同时补充 SQL、Python 等相关技术，实现 BI 工具与编程分析的协同。
-
拓展行业认知：针对所在行业的业务特性，收集更多行业 BI 案例，积累行业分析经验，提升对细分领域数据的解读能力，为业务部门提供更具针对性的决策支持。
总结
本次学习不仅让我熟练掌握了 FineBI 工具的全流程应用，更重要的是建立了数据驱动的思维模式，实现了从 “数据使用者” 到 “数据分析师” 的角色转变。未来，我将把所学知识充分应用到工作中，以数据为纽带，为企业的业务决策提供更有力的支撑，助力企业实现数字化转型的目标。
| 
