1 团队介绍
本团队由龚宸萱、卢俊霖两名大数据相关专业学生组成。卢俊霖擅长数据预处理与指标加工，具备数据清洗、数据集构建相关技能，主要负责项目的数据处理工作，保障底层数据质量。龚宸萱熟悉 BI 平台操作与可视化设计逻辑，专注看板设计，结合零售业务场景完成布局规划、图表选型与视觉效果实现。两人分工互补，持续沟通对齐业务需求，互相评审迭代优化，协同完成零售业务经营看板的整体开发。
2 作品背景（制作该数据可视化分析作品的原因，期望解决什么问题，改善何种事务或者发现某种真相）
零售行业业务数据分散存储在销售、门店、库存、会员多份独立表格中，业务人员每周需要耗费数小时手工汇总整理周报数据，表格形式难以快速直观把握整体经营状况。库存积压造成资金占用、门店业绩差异无法快速识别等问题，依靠人工比对分析效率低下，难以为经营决策提供及时支撑。为此我们制作零售业务经营看板，整合多维度业务数据，将零散数据转化为可视化图表，直观呈现销售趋势、门店表现、库存占用以及会员画像，帮助快速定位业务优势与现存问题，为零售经营调整提供数据参考。
3 制作流程（背景驱动下，作品的数据来源、设计思路、逻辑、框架和实现方式等）
本作品采用零售模拟业务数据集，数据集包含近万条记录，覆盖门店销售、商品库存、会员消费多类业务信息。整体按照数据处理、指标梳理、看板设计、调试迭代四个阶段开展制作。首先完成原始数据清洗，剔除异常值与缺失记录；接着梳理确定总销售额、订单量、库存周转、会员复购率等核心业务指标，完成指标计算；然后围绕零售经营分析逻辑搭建看板框架，划分核心指标、门店分析、销售趋势、商品库存、会员画像五大分析模块，依据业务场景选择图表类型，使用地图展示门店地域分布，条形图做门店业绩排行，柱状图呈现销售时序变化，饼图完成会员、商品占比分析；开发过程中遇到指标计算错误、图表联动失效等问题，通过核对数据源、配置筛选联动参数完成修正，最后对布局、配色进行优化，校验图表数据准确性，完成零售业务经营看板的最终实现，可配套看板架构图直观展示五大模块布局与模块间联动关系。
4成果展示
本零售业务经营看板整合五大分析模块，将分散的零售业务数据进行可视化呈现。看板集中展示核心经营指标，可直观查看门店地域分布、销售变化趋势、库存占用情况以及会员消费画像，实现多维度联动分析。业务人员无需手动整理表格，即可快速掌握整体经营状态，对比门店优劣，识别库存风险，读懂会员特征，为零售业务复盘和经营调整提供直观的数据支撑。作品访问链接：https://next.finebi.com/decision/application/65a67a0589c3491ba5186f17e7c569。该看板已在模拟零售业务场景完成验证，可直接复用至同类零售分析项目，具备较好的推广复用价值。
4.1 模块一：核心指标总览
该模块集中展示总销售额、销售数量、会员总数等关键经营 KPI，快速反映整体业务大盘情况，帮助使用者第一时间把握整体经营规模。模块将业务核心体量直观呈现，能够让使用者快速建立对整体业务量级的认知，为后续各细分维度分析提供基准参照。
4.2 模块二：门店分析模块
借助地图与排行图表，展示各门店地域分布与业绩排名，横向对比不同门店经营表现。从可视化图表可以看出不同区域、不同门店之间经营产出存在明显分化，部分门店经营表现突出，也存在部分门店业绩相对薄弱，便于快速定位优质门店与业绩薄弱门店，能够快速识别出业绩差距，为门店资源倾斜、差异化运营策略制定提供依据。。
4.3模块三：销售趋势分析
通过时序图表展示销售随时间的波动变化，观察销售高峰与低谷，辅助判断业务的周期性变化规律。时序曲线能够体现业务随时间推移的起伏特征，可以识别出业务的旺季与淡季区间，基于该周期性特征，业务方可指导提前做好人员、货品的前置筹备，适配业务波动带来的运营需求。
4.4模块四：商品库存分析
展示商品库存规模、库存结构，帮助识别库存积压与库存不足两类风险情况。图表能够区分出周转滞缓的商品以及库存供给不足的商品，为商品备货、库存优化提供参考依据，可辅助开展针对性的清库与补库决策，平衡库存成本与供货保障能力。
4.5模块五：会员画像分析
从会员等级、消费行为等角度刻画会员特征，展现不同群体消费特点，支撑精细化会员运营。不同会员群体的消费贡献存在明显差异，高价值群体贡献了主要的业务营收，普通会员仍有较大运营提升空间，提示后续运营应当分层施策，重点维护高价值会员，同时提升普通会员激活转化。
4.6看板落地应用说明
该零售业务经营看板面向零售业务运营人员开展业务分析使用，将分散的业务数据整合为一体化可视化界面，可支撑门店运营、货品管理、会员运营等多类业务场景分析。看板可用于日常业务巡检、阶段性经营复盘，帮助业务人员快速定位业务问题，辅助业务策略迭代调整，实现数据能力向业务价值的转化。
5 总结与分享
本次项目中，两人分工明确，卢俊霖负责数据处理，龚宸萱负责看板设计。我们体会到，数据清洗是项目的基础，原始数据的异常、缺失会直接影响图表结果；同时看板设计不能只追求视觉美观，指标、图表选型都要贴合零售业务的实际分析需求。
项目过程中遇到不少实际问题，存在指标口径不统一的问题，例如对于订单相关统计，初期对有效订单的筛选条件双方理解不一致，统计口径出现分歧，造成核心指标模块计算结果出现偏差，通过共同对齐业务统计规则，统一过滤条件，完成数据集重新运算修正结果。同时出现图表逻辑出错的情况，在门店排行图表搭建阶段，图表维度与度量字段匹配错误，出现门店排名展示错乱现象，通过核对数据源字段、校验图表映射关系，修正图表的字段绑定。通过反复核对数据、互相评审修改，逐步完成迭代优化。
这次实践，让我们理解了数据处理和可视化设计需要紧密配合，也提升了数据分析与协同合作的能力。同时本项目看板仍存在可拓展完善的空间，后续优化方向可以接入实时数据流，实现经营指标动态更新；引入预测模型，对销售趋势开展预判分析；进一步拓展会员维度分析，深挖会员分层运营相关分析内容，进一步提升看板对零售业务的支撑价值。
作品链接：https://next.finebi.com/decision/application/65a67a0589c3491ba5186f17e7c569
