一、 选手简介 1、 选手介绍 个人介绍：在帆软社区的用户名是Nicolezyyy，从事商务智能顾问岗位，平常一般是对接一下业务需求，开发报表，因此对数据可视化和业务分析是比较感兴趣的。   2、参赛初衷 参加这次比赛是想学习finebi并且提升自己数据可视化的业务分析能力和页面设计能力，参与一次比赛可以锻炼到各方面的能力，并且可以向其余参赛选手学习，是一次不容错过的好机会，其次比赛的奖品这么诱人，各路英雄好汉谁不想尝试呢。   二、作品介绍 1、业务背景/需求痛点 这次的分析主要是根据某学校的校园一卡通消费数据进行分析，中来帮助学校食堂的运营提供数据支撑，其次，希望通过这份数据，能对学校的贫困生补助项目提供一定的帮助，分析出贫困生的特征和消费模式。 2、 数据来源 个人获取的脱敏数据 3、分析思路 一方面分析学生不同专业、不同时间在不同食堂的消费数据，为学校食堂经营提供数据分析， 另一方面通过学生的消费金额，划分出高/低消费群体，分析低消费群体的特征，为学校的贫困生补助项目提供数据支撑。 4、数据处理 数据表： 表1 data1.csv字段说明  字段名  描述  Index 序号  CardNo 校园卡号。每位学生的校园卡号都唯一  Sex 性别。分为“男”和“女”  Major 专业名称  AccessCardNo 门禁卡号。每位学生的门禁卡号都唯一    表2 data2.csv字段说明  字段名  描述  Index 流水号。消费的流水号  CardNo 校园卡号。每位学生的校园卡号都唯一  PeoNo 校园卡编号。每位学生的校园卡编号都唯一  Date 消费时间  Money 消费金额。单位：元  FundMoney 存储金额。单位：元  Surplus 余额。单位：元  CardCount 消费次数。累计消费的次数  Type 消费类型  TermNo 消费项目的编码  TermSerNo 消费项目的序列号  conOperNo 消费操作的编码  OperNo 操作编码  Dept 消费地点  删除重复数据后，通过卡号将学生信息和消费记录表关联起来，获取到每张校园卡的消费记录。   部分指标计算规则： 所有人平均消费金额：所有消费金额/总人数 高消费群体：消费金额>所有人平均消费金额 低消费群体：消费金额<=所有人平均消费金额 平均余额：每个人校园卡的余额平均 平均充值金额：校园卡平均充值金额   分析维度：时间（工作日/非工作日，小时） 专业、性别、消费地点、消费群体（计算后的标签） 5、可视化报告   1、使用指标卡展示整体数据情况：共3202人参与计算，这个月消费金额达到92万+，这个月人均消费金额288元左右 2、使用饼图和tab组件结合展示不同场所的消费金额和消费次数占比，得到那些消费地点最受欢迎 3、使用热力图展示不同专业喜欢去的食堂不同 4、使用折线图，把日期处理成工作日和非工作日两种，区分工作日和非工作日的食堂就餐高峰期 5、使用折线图反应从周一到周日食堂就餐人次的趋势 6、使用自定义组合图展示各专业消费金额和人均消费金额情况，得到人均消费金额前三的专业。   1、通过计算字段划分出高消费群体和低消费群体，分析高低消费群体有何特征 2、得出结论低消费群体中女生占比比男生多，专业多分布在会计等专业，每个月的消费金额在200左右，且充值、消费和卡内余额都比高消费群体低。 3、如果要进行贫困生补助，应该按专业来分配贫困生补助名额，而不是每个专业同样的名额数量，因为有些专业看起来是贫困生更多的。   最终结果呈现的页面布局: https://bisolutions.fanruan.com/webroot/decision/link/zfxR   三、参赛总结 1、FineBI工具 FineBI是一款用起来很舒服的产品，不复杂且功能强大，比较喜欢的是它智能的排版布局方式，不用一点一点的调整，有辅助线，主题确定后，每个组件都是统一的风格，不需要自己再去修改，直观好上手，即使是没有基础的业务人员，也是可以操作的，适合企业需要数据分析的人员，总之给我的体验就是智能二字，推荐！ 2、参赛总结 准备参加这次比赛之前，已经对BI比较熟悉了，但是我认为数据分析主要在于分析思路，finebi只是我们数据分析的称手兵器，在准备竞赛的时候还是感觉到自己的数据分析思维比较局限，希望能看到大家优秀的作品。

选手简介 选手介绍 个人介绍：在帆软社区的用户名是Nicolezyyy，目前就职于XX信息科技有限公司，从事商务智能顾问岗位，平常一般是对接一下业务需求，开发报表，因此对数据可视化和业务分析是比较感兴趣的。 个人照片： 2、参赛初衷 参加这次比赛是想学习finebi并且提升自己数据可视化的业务分析能力和页面设计能力，参与一次比赛可以锻炼到各方面的能力，并且可以向其余参赛选手学习，是一次不容错过的好机会，其次比赛的奖品这么诱人，各路英雄好汉谁不想尝试呢。 二、作品介绍 1、业务背景/需求痛点 这次的分析主要是根据服装行业某公司的订单和物流数据进行分析，重点放在产品和销量、时间和销量的关系，来总结什么产品卖的好，带来的利润高，以及什么时间段销量会好，以及销量的走势，从而制定商业决策。 数据来源 个人获取的脱敏数据 3、分析思路 分析分为三个主题： 销售分析：按时间、地区和产品来分析销售情况； 库存情况：库存数量、库存金额、产品的库存情况； 物流情况：对物流公司的偏好，物流发货明细等。 4、数据处理 数据表： 表名 分类 主要内容 代理商 维度表 客户名称、客户id、地区、地址 产品 维度表 产品id、产品名称、品类id、价格、库存 订单 事实表 订单id、客户id、物流id、发货/订单/回款日期 订单明细 事实表 订单id、产品id、单价、订货数量、返点 品类 维度表 品类编码、品类描述 物流 维度表 物流id、物流描述 维度表和事实表关联，得到两份数据，一是产品的销量、库存情况，一份是根据订单产生的物流发货情况表。 5、可视化报告 报告整体如下，共4个模块：销售、库存、物流、总结。 分析思路如下：   销售数据分析：整体的概览选择了经典的指标卡，展示所选月份的销售情况，分析大类-产品的销售情况时，选择了1）饼图2）四分图。饼图很直观的看出来各大类的销量情况多少，4分图在销量和利润之间看出大类-产品的分布情况，有的销量低但是利润高，有的销量高但是利润低，这些问题可以暴露出来。最后选择了地图作为全国各地订单分布情况查看，直观体现出各地区的市场占有率。 库存分析还是沿用了指标卡反应库存数量和库存金额。接着产品的现有库存和在途库存做了比对，以及一个库存的缺口分析，可以看出很多产品的库存是严重不足的。最后根据月份，展示了库存的月份趋势，以及对接下来一个月库存数量做了预测。 物流分析主要可以分析的数据是运费、运单数量。可以看出三家物流公司使用的比较均衡，物流最多流向华东，其次是华北、华南。再增加一个表格展示每个订单的具体发货情况，供分析人员查找异常数据。 最后，业务主体进行分析了之后，几个值得关注的点再拿出来分析，1）销售同比分析，得到销量下滑的产品，适当加促销手法；2）销售金额、毛利和产品的成本价和卖出价进行比对，可以知道有些产品该提高价格，否则利润很低；3）2016年和2017年（1-5月）销售金额对比，发现各产品销售趋势雷同，但是销量有所下滑，应该追溯原因。 三、参赛总结 1、FineBI工具 FineBI是一款用起来很舒服的产品，不复杂且功能强大，比较喜欢的是它智能的排版布局方式，不用一点一点的调整，有辅助线，主题确定后，每个组件都是统一的风格，不需要自己再去修改，直观好上手，即使是没有基础的业务人员，也是可以操作的，适合企业需要数据分析的人员，总之给我的体验就是智能二字，推荐！ 2、参赛总结 准备参加这次比赛之前，没怎么用过Fine BI，但是使用过其他的数据可视化工具，因此触类旁通，学起来比较快，而且FineBI确实容易学，所以在这方面没有遇到很大的问题，主要是分析思路比较难，平常零散的分析经验感觉支撑不起一整个竞赛所需要，因此在找数据、确认主题这方面花了不少时间，最后选择了比较熟悉的零售行业。参加这么一次比赛能学到很多东西，之后想再尝试一下没接触过的业务领域，希望会有所突破。