一、我的结业作品：把“卖礼品的一年”讲成一个商业故事
结业作品我选择了跨境电商销售分析。数据来自 UCI 公开的 Online Retail 数据集——英国一家在线礼品零售商 13 个月的真实交易流水，54 万行。我抽取 18% 共 9.6 万行导入 FineBI，搭了一个 8 组件的交互式仪表板。
整个作品的叙事线是刻意设计的，四个组件回答四个问题：
发生了什么——KPI 卡和月度趋势折线图给出盘子：16,556 个订单、193.8 万英镑销售额，11 月冲到全年峰值；为什么会发生——Top10 商品条形图和矩形树图显示陶瓷储物罐、礼品袋这些圣诞礼品扛起大盘，国家分布环形图暴露出英国一个市场占 85.1% 的集中风险，热力图发现下单集中在工作日上午；未来会怎样——按趋势外推 2012 年一季度月均 125—131 万；应该怎么做——结论框里给了备货前置、高价值客户召回、欧洲拓市、投放时段优化四条可落地的建议。
搭仪表板时踩的最有意思的一个坑：订单号是文本字段，顺手求和得到一个天文数字，后来才反应过来要用去重计数。这件事让我记住了一个道理——指标口径错了，后面的分析越漂亮越危险。
二、六周学习的收获
六周下来，最大的收获不是学会了拖字段，而是想明白了三件事：
第一，可视化是手段，结论才是目的。 以前我做图表是“数据有什么就画什么”，现在会先问“这张图要回答什么问题”。同样一个月度趋势图，加上一句“9—11 月为圣诞备货季”，它才从一张图变成一个论据。
第二，数据清洗占了一半工作量。 原始数据里有破损记录、测试单、未登记客户，直接拿来分析全是坑。清洗这一步没有捷径，但值得。
第三，自助数据集和过滤组件是 FineBI 的灵魂。 之前以为 BI 就是做报表，用下来发现过滤联动、快速计算这些交互能力，才是它和静态报表拉开差距的地方——一套数据，随时多视角切换。
三、未来工作中怎么用
我计划把这套方法搬到自己日常工作里：先从最小的一个业务问题切入（比如某类业务的月度波动），用 FineBI 做一个三五个组件的小看板跑起来，验证“数据→结论→动作”的链路是否真的能推动决策，再逐步扩展指标。比起一上来搭大而全的驾驶舱，先让身边的人习惯“看数说话”更现实。
四、课程吐槽与建议
希望能优化的地方： 部分功能（比如自助数据集的高级公式）一笔带过，建议加一两节专题小课。
以上就是我六周的学习总结，感谢班主任和各位老师的答疑。欢迎大家交流指正！ | 
