一、学习初衷 （1）个人背景 工作需要：作为一名技术岗位人员，工作中频繁涉及手工整理Excel报表、制作业务看板，效率低且易出错。 自我突破：希望掌握专业报表工具，提升数据分析能力，实现从“被动取数”到“主动搭建数据体系”的转型。 从哪里了解到学习班：通过同事介绍及公司安排了解到帆软官方培训课程，其系统性和FCP认证的行业认可度是选择的关键原因。 二、学习经历 （1）学习过程点滴 挑灯夜战：为按时完成作业，掌握报表逻辑，解决复杂SQL联动和参数传递bug，多次调试报表，确保报表按照要求实现。 社群互助：在班级群结识了多位跨行业伙伴，通过互相解答公式错误、共享模板，拓宽了业务视角。 感谢老师的进度督促、答疑老师及时回复问题，让学习体验更好了。 （2）课程建议 建议：调整课程节奏，对于上班人员而言时间太过紧凑。 吐槽点：决策报表的布局太小，对笔电屏幕不够友好，希望增加自适应功能，不然看久了眼睛难受！ 三、学习成果 （1）个人成长 核心技能掌握：报表设计：单元格拓展、参数控件联动、多数据集关联、条件格式可视化：复杂图表组合（甘特图、热力地图）、动态钻取 印象最深内容：单元格拓展，父子格概念，虽然是最基础的知识，但是是新概念、是实现报表的基础，因此花费了很多时间去理解掌握。 目标达成度：初衷实现90%，从0基础到独立开发报表，继续加油精进报表开发能力。 FCP备考信心：已有基础项目经验，计划本月底考取。 心得体会：对数据分析有了更深刻的认知 （2）工作应用案例课程作业实操案例：XX超市销售情况可视化报表 业务需求：每日追踪产品销售情况，为销售策略、品类策略调整提供依据。 解决方案： 主题 组件 核心指标 解决的关键问题 未来可实现效果 整体情况 月销售额分析 月度销售额、同比增长率 整体销售情况评估 识别季节性波动，调整营销节奏 产品分析 品类销售额 品类销售额占比 品类结构优化方向 优化品类结构，明晰超市定位，淘汰低效品类 帕累托分析 ABC类商品 库存优化与资源分配 A类商品缺货率下降，商品周转率提高 回购表现 品类回购率 商品吸引力分析 高回购品类销售提高，客户粘性提高 关联销售 关联强度 商品组合优化 捆绑促销转化率提高，货品摆放优化 客户分析 顾客价值 RFM分层 客户维护策略 高价值客户留存率提升 促销策略分析 促销策略 促销贡献率 促销活动效果评估 促销效率提升，控制成本 四、小结 本次FineReport学习不仅是工具技能的提升，更重塑了我的数据驱动思维： 技术层面：掌握了从数据连接→清洗→分析→可视化的完整技术链； 业务层面：学会用报表“讲故事”，让数据成为推动决策的通用语言； 职业价值：获得FCA认证为工作增添助力，为未来承接BI项目奠定基础。 展望：将持续学习FineReport与业务场景的结合，向FCP进阶，让数据价值在实际工作中体系。

1、学习初衷 (1) 个人介绍 我是帆软社区用户zzz111，一名能源行业新入职员工，目前任职于某能源行业企业，还在实习期。在实习过程中，我在制作基础报表的过程中效率不够高，对数据的价值挖掘不够，深刻意识到数据驱动决策对能源生产降本增效的核心价值。为系统性提升数据分析能力，我决定系统学习BI工具应用。 (2) 学习初衷 我从部门老师处知道了BI学习班，打算借此系统学习BI工具应用，提升数据分析能力。 2、作品简介 本次作品主题为生产数据分析，目标是通过生产数据的整体分析，查明产量在时间和地区等不同维度上的变化规律，以求找到产量的决定性因素，找到提高产量、控制生产成本以达到降本增效的有效决策。 (1) 业务背景/需求痛点 作为该行业人员，生产是最核心的业务，产量与成本是最核心的问题。 想利用数据分析能力解决产量提升与控制成本的问题。但是生产数据体量大、非结构性数据多，如何有效建模并进行分析是非技术人员的难题。 (2) 数据来源 由于数据敏感问题，参考实际生产数据的主要字段，由AI自动生成50000条记录。 (3) 分析思路 对于产量的情况，首先需要统计总产量，这是最重要的数据。其次，统计产量随时间的变化趋势，能有效进行产量预测、为生产条件调整提供决策依据。其次，产量的分布在地域上有很大差异，因此地域分布情况也是一个重点分析维度。通过地域分析能找到不同地层的产量差异和趋势，以在后续挖掘开采中提供参考。 (4) 数据处理 数据预处理：将各个字段进行拆分，比如生产地区拆分为省份、城市、地层，以地层作为最小单元。 数据清洗：剔除缺失值，修正异常时间戳。（去除过于不符合常理的值） 数据建模：将多张表结合为一张（此处将产量表、地区表、购买表事先合并为一张，未在系统内体现） (5) 可视化报告 报告由4部分组成，每部分包含2-4个组件以及分析结论，各个部分分析维度及侧重点不同： 1)         产量概况（包括指标卡和柱形-折线组合图） 2)         地区产量分析（包括地图、饼图、分组表）、 3)         地层状况分析（包括点图、多折线图） 4)         销售情况分析（包括分组表、明细表） 3、学习总结 通过六周高强度学习，我获得了以下提升： (1)       BI工具深度掌握：熟练运用FineBI完成数据连接→清洗→建模→可视化全流程 (2)       分析方法落地：将生产问题转化为可量化的分析框架（如耗时瓶颈定位模型） (3)       实战经验积累：在实际生产场景中验证了数据分析对效率优化的价值 未来计划： (1)       学习建立产量预测模型 (2)       探索更多BI应用场景，结合chatBI应用于实际业务 (3)       推动企业数据中台与BI系统整合