|
一、学习初衷
（一）个人介绍
帆软社区用户名【2966937】，目前就职于新能源行业，从事生产管理工作，个人感兴趣的方向和领域为数据分析、数字化看板。
（二）学习初衷
学习背景：模拟工作需要——日常需基于安全管理数据分析各车间的安全情况，提出针对性的改善建议和后续的工作重点。
二、作品简介（作业 10）
公司安全管理涉及作业票审批、隐患排查治理等多个环节，数据分散在不同台账中。我希望通过数据分析优化安全管理，主要完成以下内容：
-
整体安全情况一览：掌握作业票合格率、隐患整改率的整体水平与月度变化趋势
-
识别薄弱环节：定位合格率最低的车间、不合格最集中的作业类型、整改最慢的隐患类别，以便精准施策
-
分析隐患结构：梳理高频隐患类型、重点高发区域、隐患来源渠道，用以调整检查策略
-
评估车间差异：分析不同车间的安全表现差异，树立标杆车间，明确帮扶对象
自选数据：本次采用某制造企业 2026 年 1 月至 7 月的安全管理脱敏 AI 生成数据，包含作业票统计、不合格明细、隐患排查台账三张数据表。数据覆盖 8 个生产车间（A-H），字段包括作业票编号、车间、作业类型、合格状态、隐患描述、隐患类型、整改状态、检查来源等。
（一）分析思路
整体分析遵循 “总览→拆解→关联→行动” 的逻辑：
-
核心指标总览：统计作业票总数、不合格数、合格率、隐患总数、整改率
-
作业票维度拆解：月度趋势→车间对比→作业类型对比→不合格原因归因
-
隐患维度拆解：来源结构→类型结构→重点小类→车间差异→重点区域
-
跨维度关联：分析作业票表现与隐患表现的内在关联性
-
输出改进建议：基于数据结论给出可落地的行动方案
（二）数据处理
本次分析围绕制造业安全管理场景展开，覆盖 8 个车间的多类作业票与隐患数据，核心侧重作业票合格率分析与隐患排查治理分析，为后续精准管理和安全提升提供数据支撑。
数据预处理工作如下：
-
数据清洗与处理（提前完成数据处理，同时反向延伸至报表设计环节，规范报表数据填报的标准化要求） ① 对作业票数据进行赋值处理，过滤无效记录，区分合格与不合格作业票，统计各车间、各作业类型的合格率（提前调整表格样式，优化表结构） ② 对隐患台账数据进行清洗，规范隐患类型、整改状态、检查来源等字段，过滤重复记录（同步调整表格样式，优化表结构）
新增公式列：合格率、整改率。创建对应计算列，公式分别为：合格数 / 总数、已整改数 / 隐患总数。 字段设置：新增辅助字段，支撑各类维度的数据计算。
-
公式计算 —— 合格率、不合格率计算 以车间为核心维度，通过公式计算各车间作业票总数、不合格数、合格率、隐患数、整改率，设置时间筛选范围为 2026 年 1-7 月，依托合格率、整改率等指标，细化分析各车间的安全情况。
（三）分析维度
整体安全业绩情况
-
KPI 指标卡：作业票总数、不合格作业票数、票证合格率、稽核隐患数量、整改完成率
作业票分析
-
折线图展示月度合格率趋势，柱形图展示月度隐患数量趋势，分析月度变化规律
-
明细表展示不合格作业票明细信息
-
柱形图对比各车间合格率，热力图呈现车间 × 作业类型合格率分布
-
条形图展示不合格原因 TOP5
隐患排查治理分析
-
环形图展示隐患来源占比，堆积图呈现各车间隐患类型结构
-
统计隐患小类 TOP10，柱形图对比各小类整改率
-
热力图呈现车间 × 隐患大类分布，定位重点车间和重点类型
跨维度分析
开展票证不合格率与隐患表现的关联分析
（四）可视化报告
三、学习总结
（一）学习经历：有趣且有用
对于本次学习，我觉得用 “有趣且有用” 来形容最为贴切。我本身不愿做机械重复的工作，总想着通过各类工具方法，包括但不限于宏、各类共享表格等，高效完成重复性事务。本次学习的 “有趣” 之处，在于学到了新知识，还能反向验证 FineBI 中的分析逻辑在 Excel 中的实现形式；“有用” 则体现在所学内容可直接应用于后续工作，大幅节省时间，让我能抽出精力开展更多前置性工作。
学习过程中，感谢公司给予本次机会，也感谢各位带教老师与班主任全程在群内提醒跟进、把控进度，同时感谢群内的小伙伴们互帮互助、共同答疑。
（二）个人成长：思维发散与技能提升
技能提升方面
我从零基础出发，现已熟练掌握 FineBI 的使用方法，能够灵活运用各类公式（如 DEF、DEF_ADD 等），也可完成钻取等交互操作，搭配可视化图表后，可独立完成完整的分析设计工作。
思维发散层面
一是数据表格设计能够更好地契合分析需求；二是完成数据整合后，可开展跨维度分析与汇总分析，精准突出分析重点，这是零散信息无法实现的效果；三是数据汇总后，分析思路更加开阔，还可借助 AI 梳理分析逻辑、明确分析方法。
整体收获了更专业的分析视角与思路，能够为后续工作开展提供有效支撑。
对 FCP 考试的信心： 加油！争取考过，冲鸭！
（三）心得体会与感悟
-
前期做好数据标准化是数据分析的重要基础
-
需结合数据实际使用场景，做好数据格式转化与维度转换
-
标准化的分析思路对数据分析助力显著，可有效提升自身数据分析能力
（四）总结
这段 FineBI-FCP 学习旅程，是一次非常宝贵的自我提升。我不仅收获了数据分析思维，也提升了解决实际问题的能力。在此由衷感谢公司提供本次学习机会，感谢授课老师的悉心指导，也感谢同学们的热心解惑。 | 
