一、体验心得 1、整个样式风格更加清爽简洁，包括图标和色彩都有很大的改善 2、分析链路也做了很大的改进，采用以主题为中心的分析路径非常赞，便于日后管理与查阅 3、整体改动还是比较大，所有对于老用户来说，需要时间改变习惯 4、多sheet页的功能相当好，如果可以让“仪表板“右击选择直接放置末尾或者开头就更好了 5、临时修改了组件，已有仪表板需要手动刷新，建议修改后可以添加刷新提示或自动强制刷新仪表板 6、组件复用希望可以保留，不同的主题可能存在相同的图表，相同的数据，此时组件复用可以节省大量时间   二、新功能及BUG反馈 发现的新功能/重要BUG 影响值打分 （1-5分，5分最高分） 体验成果 对该功能进行多角度评价 新功能：全新的分析链路 4 数据准备与自助分析数据做了很好区分，让业务人员可以更好的专注于分析   新功能：文件夹与分析主题协作 4 便于多个业务人员针对同一类型、同一主题协同分析 提高协同效率 新功能：血缘分析可以查看具体组件 5 血缘分析更加精准，可以追踪到具体实现了哪个分析图表，这个非常赞。这样以后在删除数据表时，可以清晰的看到具体会影响到哪些，从而影响运维人员的决策 新功能：组件里面可以设置参数，组件过滤更加全面 5 以前过滤组件只支持相同数据集的组件过滤，现在可以通过参数的形式，实现过滤的效果，改善了老版本的痛点 新功能：公共链接支持设置有限期  2 对外临时开放的时候可能会忘记关闭，有效期可以很好的避免这个问题 新功能：新增桑基图、箱线图 4 图表更加丰富，有助于数据可视化 新功能：新增回收站 3 误操作的数据可以及时找回 BUG反馈：计算结果严重错误 5 计算公式出现严重BUG，毛利额/销售额应该等于0.57，结果出现了错误数据 BUG反馈：组合图的图例没有显示 4 组合图，勾选了图例，但是没有显示出来 BUG反馈：分类坐标轴文本方向有误 2 横坐标默认应该为水平放置，不倾斜才对，但实际倾斜了  

Your%2520browser%2520does%2520not%2520support%2520video%2520tags. 一、选手简介1、选手介绍团队名称：刘梦联盟成员介绍：队长-【李梦辉】：帆软社区用户名Harder，目前就职于某医药零售公司，从事BI开发工作成员-【史梦学】：目前就职于某互联网公司，从事数据分析工作成员-【刘爽】：目前就职于某互联网公司，从事数据分析工作成员-【刘丽】：目前就职于某职业大学，从事数据分析教学工作团队照片：附上我们队颜值代表-美女分析师刘爽小姐姐的美照，欢迎交流！！！2、参赛初衷希望通过比赛实践提升BI工具的使用方法和技巧希望能和更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞能认识同行的伙伴，共同交流心得体会，共同进步二、作品介绍1、业务背景/痛点      目前，随着我国社会主义市场经济不断发展,信息技术得到显著提升，尤其是近几年，电商营销行业拔地而起,改变传统的营销模式，打破传统的消费理念和消费观念，打造一站式的购物服务平台，给人们的生产和生活带来极大的便利。因此，很多的传统营销企业，纷纷将自己的商品搬到电商平台上，在各大电商平台开设旗舰店，帮助企业线下线上结合进行商品的销售，形成新的销售体系。2、数据来源      自选数据：2021年广西职业院校技能大赛数据3、分析思路      拿到数据的时候，每位成员都根据自己的想法绘制了一份思维导图，最终经过讨论整合形成如下脑图，最后整理了五大板块，分别是现状概览、渠道分析、品类分析、会员分析、拓展分析。我们需要分析此图书机构整体销售额、毛利状况及趋势，从中分析机构运营状况和成长性。分析此图书机构不同书籍的售卖情况，找到哪些类型书籍或单品书籍为机构的销售贡献更大，从而在运营的时候进行销售资源倾斜。分析不同渠道的销售状况，找到优质渠道及其特征，同时分析劣势渠道的原因，并提出合理化的渠道优化建议。完成前四个板块就可以给出渠道优化建议，但我们不满足与给出优化建议，更应该当做出优化动作后还能给出相应的销售预测，帮助建议更好的落地执行，所以就有了拓展分析模块。其次我们还想分析电商节各大渠道的流程，由于时间关系，这块暂时没有涉及。4、数据处理由于处理问题时效，excel处理了一部分，自助数据集也处理了一部分：5、可视化报告我们采用统一商务蓝进行可视化配色，简约大气，从整体的99886条数据中，我们得出了以下结论：（1）2018年的销售数量、销售额、毛利额在当年12月达到当年度峰值，可能与天猫双十一爆发有关；（2）哲学宗教、社会科学系列丛书建议全渠道销售，会计、计算机和科幻系列丛书等一些冷门品类建议集中天猫渠道销售，向消费者营造出一种图书品类广、全、细的渠道形象，以此吸引更多的流量；（3）图书经营商可增加公众号运营，和官网商城互相引流，联合拼多多渠道一起完善会员拉新链路，可以策划老带新这种社群裂变类型的拉新活动，以此增加会员相关人群资产；（4）通过对于前期历史数据的回归分析预测得出2019年网店图书增速在25%左右，2019年销售额约为4522万；（5）建议图书经营商顺应行业趋势，兴趣电商目前已成为图书电商销售的一大支柱，达人推荐等内容营销不仅可以促进一些偏冷门书籍的市场流动，知识普惠也使三四线城市这些下沉市场教辅外的购买力显著提升；（6）最终结果页面布局如下图：三、参赛总结1.对FineBI工具的看法自助式BI相比传统BI，更强调易用性，更多的可视化交互操作界面，自动建模，操作人员无须写代码就能进行分析操作，进一步降低了数据分析的使用门槛。做好的仪表板可以随时导出备份，且可以分享给大家查阅，一键美化的功能也是一个非常友好的功能。最后对于FineBI的一些建议：（1）仪表板修改标题时操作链路较长，建议单击/双击即可进行修改操作；（2）图表模块修改横纵坐标轴时操作链路有些复杂，建议图表常用修改功能操作置前，另名称命名建议更加的通俗易懂一些；（3）比赛的公共账号经常莫名登录失效，导致图表丢失，体验非常不好。另为了防止图表丢失，建议增加保存更新键，目前状况只能另存或者系统自动保存。2、参赛小结在这次比赛，我们为了共同完成一份报告而聚在一起，每个人对数据分析都有自己的见解。从最初的分析主题确定，到选用哪份数据做为数据源，先定数据还是先定主题都有过较深层的讨论，每个人在完成作品的过程中都积极的参与、配合。最后，感谢我们团队队员的辛勤付出，感谢帆软提供了这次机会，以后我们还将继续加油，继续前进！3、作品附件图书电商销售渠道分析.pdf (4.09 M)

一、本次测评体验功能点   1、【基础】B/S端修改布局&新自适应效果     1.1体验成果及制作过程：做过美化大屏任务的番薯应该都知道这个报表   通过简单的拖拉拽就可以更换位置与宽高，还可得知当前块的大小     当分辨率改成4K（4096*2160）时，也可以自适应的 1.2体验评价： 优点：该功能点对于样式调整十分友好，可以在调试模式中边预览边修改，减少设计器改完，浏览器预览的来回切换。最主要的是老模板也可以直接转为新自适应模板，会默认另存为一个新模板的frm，这点比较赞！   缺点：当模板为自适应布局的时候无法调整报表块的位置，只能调节宽高。当自适应布局改为绝对布局的时候，整个布局就乱了。 2、【基础】自定义模板主题&组件复用   2.1体验成果及制作过程：自定义普通模板主题（订单）   人事管理决策报表，复用在线组件，设置主背景为黑色 其他组件都跟随主题 最终效果图如下： 2.2 体验评价： 优点：单元格添加了许多预定义样式，但以前cell样式不见了，只有head样式。数据集也可以查看实际运行的sql，这个非常赞，虽然以前可以从日志中查看，现在从数据集查看更方便。复用组件还和以前一样，提供了很多好看的组件。   缺点：明细表跑马灯一直报错，js代码也是引用官网提供的，老版本是可行的，11跑不起来，错误日志如下： 使用的是帮助文档提供的js：https://help.fanruan.com/finereport11.0/doc-view-3752.html?source=4   所有方式都试过了，也改成我的组件名称了，就是报错。已提出BUG反馈 3、【基础】报表新前端和控件样式   3.1体验成果及制作过程：显示老版本的参数面板   登录报表平台，修改样式为FR11：   FR11样式下的参数面板： 3.2体验评价： 优点：参数控件更加的扁平化，尤其是多选组件，选中后字体变蓝更加凸显   缺点：下拉框的样式反而不突出，个人感觉没有老版本的好看。其次样式未统一，多选组件勾选字体变蓝，单选为啥不变呢？ 4、【基础】模板性能优化   4.1体验成果及制作过程：选择模板数据集，开启缓存   缓存策略改为10分钟，勾选规则自动优化 预览刷新报表，记录缓存命中率，打开运行监控 4.2体验评价： 优点：企业中有大量的数据需要展示如年维度的数据，开启缓存后，提高报表的响应速度，增加用户体验。单独的数据集开启缓存可以将查询慢的数据集缓存，避免全模板缓存，提高效率的同时也保证了内存占用，非常好！   缺点：暂无 5、【进阶】数据准备-ETL作业 5.1体验成果及制作过程：   5.1.1先展示成果作业一成果   离线同步节点：使用api取数：   Sql建表步骤：   Sql插入步骤： 5.1.2再展示作业二的结果：   Sql脚本内容：使用一个update语句     参数赋值： 最后离线同步，使用参数： 5.2体验评价： 优点：该功能点的实现可以取代kettle，能够在一套系统进行全流程的处理数据，而不用再去别的系统处理数据，其次界面比较整洁。据说效率比kettle高，因为刚上线11，有待测试！   缺点：数据库支持的比较少，也不支持其他的数据格式（如excel）做来源表。其次是没有支持父子任务，其次节点之间连线不是通过点击两个节点相连，但出现了连接线，搞了好久，问了几个技术支持才知道，已提出BUG反馈 6、【进阶】JSAPI升级 6.1体验成果及制作过程：   制作过程：为模板设置属性，添加js事件，具体js可参考模板 6.2体验评价： 优点：有很好的扩展性，可以自定义样式   缺点：需要有较强的js编程能力 7、【进阶】开放平台插件 7.1体验成果及制作过程：   结果展示：（因没下postman，即直接使用浏览器模拟）   制作过程：先安装开发平台BETA插件，并添加一个客户端，FR11应该是自带了这个插件，没有的话也可以去下一个 找到基础数据接口中的报表数据服务API，编辑,选择第7题的鼠标悬停cpt，勾选公共API。 7.2体验评价： 优点：FR既可以调取第三方API，也可以为第三方提供API，可解决绝大部分场景，便于开发人员二次拓展以满身企业需求   缺点：暂无 8、【进阶】word报告 8.1体验成果及制作过程：   结果展示：   制作过程： 安装设计器插件和客户端插件，FR11应该也是自带了，没有的话也可以去市场下载   新建空白文档，登录FR账号 设计器添加数据集，拖动数据列表、图表与参数 刷新页面，获取数据集，设置公式及图表 8.2体验评价： 优点：可以根据word模板直接导出word报告，方便实用   缺点：行式列表是可以的，但当列表为交叉表时，word模板会渲染失败，已提出BUG反馈。列表或图表渲染到word时会出现分辨率失真，其次word的尺寸也与设计器的不一致，从上图可知，一页的模板，渲染出三页。还有就是无法通过fr打开之前的word，这点非常鸡肋 二、产品体验心得 从使用FineReport8.0到现在11.0，一直在进步，一直在突破，我也有幸见证了FR近几年的转变，无论从功能上还是美观度上，都有了很大的升级。11.0新增了ETL，使得数据处理与可视化都能够在一个平台上解决，而不需要切换不同的平台。虽然新功能还存在的一些不足点，相信解决也只是时间问题。对于新版本测评体验整体感觉不错，解决了很多之前做报表过程中令人头疼的问题，提高了开发报表的效率，值得点赞！！！ 三、结尾 以上便是我的新版本功能体验报告，大家也可下载新版本着手亲自动手尝试。    

       本人从事JAVA开发，于两年前进入一家公司结识了帆软报表，当时只是简单的查询帮助文档，并没有深入社区，参与其他内容。在工作中也是以开发为主，报表为副的工作模式，直到闲下来的一天，浏览了社区其他模块，得知了帆软还有招聘模块，看上面的薪资也还可以，根据人才库的要求，同时也想检验一下自己的水平，就报考了帆软的证书。这段时间在找工作，首先是投了JAVA开发岗位。因为考了资深证书，加入了帆软人才库，管理员放大镜也会时不时的向我推送相关岗位，同时他的朋友圈也会发布最新的岗位，所以就在社区也投了简历。        目前是收到了某零售国企的offer，整个面试的过程主要以帆软的产品为主，同时还要求对数据仓库有一定的认识和相关建设经验。然后二面的时候面试官问了有没有相关作品，那天正好我带了电脑，就把以前做过的案例拿给他看了。带作品我觉得是加分项吧，光说自己做过，面试官可能半信半疑，但当你拿出作品了，面试官就肯定知道你做过，不管作品的质量怎么样，有作品总比没有作品要强。        社区的招聘平台确实挺好的，并且上面的岗位都是有针对帆软产品的。需要吐槽的是上面相关岗位还是有点少，选择性不多。其次就是投出去的简历要很长时间才能得到回复。最后，祝自己越来越好，祝帆软越来越好！

一、选手简介 1、选手介绍 团队名称：梦之蓝小分队 队长介绍：【弥嘉琦】目前就职于一家医疗媒体公司，一家专业从事医生再教育的咨讯平台；我目前从事数据分析工作，对大健康和电商方向很感兴趣！ 成员介绍： 【林菁菁】现某医药科技公司的数据分析师，是专注做医疗零售的，以前最喜欢的是数学课，觉得数学有它的逻辑之美和独特的神秘魅力，因此长大后就希望数据分析能成为自己的一计之长，目前还在不断地磨练自己地技术中。 【李梦辉】目前就职于某制造业的集团信息部，从事软件开发工作。个人对数据分析比较感兴趣，因为经过分析可以让我知道该如何做有依据的选择，而非简单的拍脑袋。 团队组成：在帆软社区因共同的想要成为伟大的数据分析师的梦想聚在一起！ 团队照片：附上我们队颜值代表-美女分析师林菁菁女士的美照，欢迎交流 146052 2、参赛初衷 大赛奖励很诱人，我们冲着CDA的课程来的！ 我们希望通过这次团队成员的学习与合作，加强实操和学习新知识的能力! 我们希望通过比赛实践锻炼和提升可视化BI工具的使用技能、方法和技巧! 在社群和优秀的FineBI大神交流学习，学习优秀的数据可视化作品及分析思维! 二、作品介绍 1、业务背景/痛点 链家网西安市挂盘二手房达将近7万套，各个区域各个价格各个房型各有不同；对于购房者而言，如何快速来了解和评估各区域房源情况，对二手房市场价格行情心中有数就迫在眉睫。要是有针对性的拆解量化二手房市场现状，对于特定需求提供更性价比高的推荐，则可以将购房者从茫茫的选择漩涡里解放出来，减少时间精力及选择成本，快速锁定真正适合的高性价比的房子。 2、数据来源 自选数据：我们分析的数据来源于和鲸社区上的数据集：“全网最全链家二手房信息——西安”，内含二手房的单位均价、所在区域、房屋朝向、结构、房屋年限等维度。 3、分析思路 拿到数据后，我们围绕二手房价格分析主题，拆解了3个分析方向：首先拆解市场行情，再看有的房价影响因素、相关性，再对购买做建议。 【第1部分】对西安二手房的概况进行拆解,让购房者对西安各区房子市场心中有数； 【第2部分】对西安二手房的单价进行相关性分析，探索房价与医疗、教育、交通等之间的关系； 【第3部分】引入案例，对固定预算的主要因素次要因素打分做购买推荐分析。 4、数据处理 我们分析的数据来源于和鲸社区上的数据集：“全网最全链家二手房信息——西安”。在原数据集上，我们做了数据的清洗与拆分。 【清洗数据】——初步清洗，剔除不全和不完整的数据，将单位统一化成“万元/平方米” 【户型分析】——将户型分组汇总，分成“1室、2室、3室、4室、5室及以上” 【房屋结构】——将空值部分用“未知”代替 【相关性表】——将房屋单价与学校、交通、药店、便民设施的数量做关联，计算相关系数 【评分标准】——主、次要因素的标准与评分 【权重分配】——主、次要因素中各项目所占的权重 小插曲：分享一个在做数据可视化的时候，遇到了BI的一个作图问题。我们想画3条关于学校数量与房屋单价相关性折线图，类似下图所示： 145893 由于我们的表结构是这样的： 145895 所以，当我们尝试用BI的折线图去制作时，总不能达到满意的效果，如下所示：将小学数量与中学数量作为维度拖入横轴时，会出现有2个横坐标！ 145898 若将小学数量与中学数量作为指标拖入横轴，则会出现2个点！ 145899 解决方法：重新规划了表结构，将小学数量与其对应的平均单价对应了起来： 145900 这样修改了之后，就可以成功作图了，最终达到了满意的效果： 145901 5、可视化报告 我们采用统一商务蓝进行可视化配色，简约大气，从整体的67,169条数据中，我们得出了以下结论： (1) 整体概况： 【关于区域】：西安房价在雁塔区和未央区的房子占比最大；地理上从中心向外,房子逐渐变少；雁塔区房子多单价也贵，高于长安区近3000元/㎡。 【关于面积】：40-80平的房子最多，占32.44%，其次为80-100平的房子，然后是120-300平的房子。其中，单价最高的是80-100平的房子，为1.66万/平方米。 【关于户型】：2室和3室的房子占比最多，单价也是最高的，单价高代表需求量也相对较大，说明西安人买房的普遍需求还是在2室到3室之间。 【关于朝向】：朝南的房子占比最大，达到了62.08%，远远超过其他朝向的房子，并且单价也是最高的，达到了1.75万元/平方米。 【关于装修】：精装的房子最多(除其他)，占32.57%；精装的房子单价最高，高于平均线7000元/㎡。 【关于结构】：板塔结合的房子最多，占比达到了占44.59%，其单价也是最高的，达到了1.51万元/平方米，每平方米比单纯的塔楼、板楼约高出2000元。 【关于年限】：房屋年限满5年以上的房子最多，占比占46.11%，其次是2~5年限的房子，最少的是1~2年的房子；不过，在单价的对比中，随着房屋年限增加，单价整体呈下降趋势，其中满1-2年的二手房单价最贵，达到了1.68万元/平方米。 (2) 房价相关性： 【单价与交通】：单价与公交数的相关性：-1.5%，负相关性；单价与地铁数的相关性：-6.2%，负相关性。房价与地铁数量呈负相关，随着地铁站数量的增加而逐渐递减；房价与公交数量大致也为负相关，当公交数量为5时，单价最高； 【单价与学校】：单价与幼儿园数的相关性：0.02%，无相关性；单价与小学数的相关性：2.6%，弱相关性；单价与中学数的相关性：-7%，负相关性；单价与大学数：2.43%，弱相关性。房屋单价与小学和幼儿园数量最为相关，小学和幼儿园的数量越多，房屋单价越高；房屋单价与中学数量呈显著的负相关性，中学数量越多，房屋单价越低；与大学数量有一定的正相关性，大学数量越多，房屋单价相对较高。 【单价与药店】：单价与药店的相关性：-3.5%；单价与医院的相关性：-4%。在医院和药店数量为5之前，单价与医院和药店的相关性为正，药店数量越多，单价越高，而在数量为5个之后，价格波动不再明显，可以认为药店数量达到5个时，人们的需求达到饱和，价格的敏感度也随之降低。 【单价与便民设施】：单价与药店的相关性：-3.5%；单价与医院的相关性：-4%。在医院和药店数量为5之前，单价与医院和药店的相关性为正，药店数量越多，单价越高，而在数量为5个之后，价格波动不再明显，可以认为药店数量达到5个时，人们的需求达到饱和，价格的敏感度也随之降低。 (3) 购买推荐分析： 【案例】：王先生，预算两百万，要四室的，配套个人比较看重交通+学校+医疗，中层楼，精装最好，两梯两户最好，年限越短越好，最好朝南。 【推荐方法】：将影响房价的因素分为主要因素和次要因素，根据个人的重视及喜好程度进行打分，最后评选出分数最高的小区进行推荐。 【打分逻辑】：交通通过地铁数和公交数判断，学校通过幼儿园、小学、中学、大学进行判断，医院则通过医院数和药店数进行判断。 【影响打分的主要因素】：价格、面积、区域、户型以及用户所关心的交通、学校、医院为主要因素，根据用户预算及心理承受程度进行评分。 【影响打分的次要因素】：楼层、装修、梯户、年限、朝向作为次要因素，根据用户预算及心理承受程度进行评分。 【综合评分】：综合次要因素和主要因素的评分情况，将各小区的房源进行评分。 【强烈推荐】：筛选出评分中排名前10名的小区和房子。 【评分与选择】：与房屋排名进行联动，点击可看到房子的各得分情况，默认展示TOP1房子的得分。选出最符合条件的TOP10房源。 最终结果页面布局如图： 145950 三、参赛总结 1.对FineBI工具的看法： 这款可视化工具对新手很友好，0基础可通过帮助文档快速上手；同时有很多特色的动效，比如特殊显示，可以让画面动起来；定时发邮件仪表板功能，可以帮助更好的监控核心指标；用户设置便于用户及权限的分级管理；多表联动，可以让数据粒度层层拆解，便于定位数据问题；FineBI工具中包含有许多封装好的函数：可以直接筛选出TOP10-TOP100的项目，还有avg、sum等函数，可以直接应用在图表上，比直接写SQL要方便得多。 BI的“自定义分组”功能也不错，不用回到自主数据集里重新添加列重新做分组求和，就可以直接将维度分成指定的分组，这也是很方便的一点。另外，FineBI的小组合作也是一大亮点，只要分享一个网址，一个账号密码，就可以支持多人合作，不用再另外下载客户端，这一点对用户来说也方便了不少。总体来说，FineBI操作是一款操作简单，容易上手，功能强大，方便合作的软件。 2、参赛小结一开始参加比赛时有两个想法，一个是希望能借助这次比赛能锻炼对数据的理解和对工具的使用，提高数据分析的思维；另一个是希望能够得到外界对自己的认可，若能获得比赛的奖金、奖品和荣誉，也不枉我们的努力付出。 现在输出了作品，也确实有了很多收获，除了之前提到的自身的提高之外，还意识到了团队合作的重要性。在和团队成员的磨合之中，我们互相学习，互相进步，互相发掘对方的闪光点。也正是因为有了团队成员的共同努力，才有了我们作品的诞生。 总之，感谢我们团队队员的辛勤付出，感谢大会提供了这次机会，以后还将继续加油，继续前进！ 3、作品附件