1、学习初衷 （1）个人介绍 我来自化工行业的采购工作者，负责大宗商品的采购。我个人对数据可视化、商业智能分析有着浓厚兴趣，特别关注如何通过数据分析优化采购运营效率、提升企业盈利能力。实际工作中有非常多的数据需要整合处理，同时进行每月每季度的数据分析，并对下一阶段的工作进行指导，数据处理和分析能力对目前岗位来说至关重要。 （2）学习初衷 通过帆软社区了解到本次FineBI企业训练营，选择参加是因为三个方面： 工作需要：公司正在推进数字化转型，需要建立完善的物流数据分析体系 技能提升：希望系统学习FineBI工具，提升数据可视化能力 职业发展：计划考取FCP认证，为未来向商业分析方向发展做准备   2、作品简介 （1） 业务背景/需求痛点 业务背景：每月需要为管理层提供分公司运营分析报告，评估各业务线盈利能力，识别优化机会。 需求痛点： 数据分散在多个系统中，整合困难 手工制作报表耗时耗力，效率低下 缺乏直观的可视化工具展示关键指标 难以快速识别异常情况和业务机会 （2）数据来源 自选数据： 运输订单表：包含托运单号、客户信息、运输日期等 财务数据表：包含收入、成本、利润等财务指标 分公司信息表：包含各分公司基本信息和区域划分 （3）分析思路 分析框架：围绕"物流盈利能力分析"主题，拆解为以下维度： 整体盈利情况（KPI指标） 时间趋势分析（月度/季度变化） 客户价值分析（客户分层） 业务类型分析（利润率对比） 分析方法： 采用对比分析法评估分公司绩效 运用趋势分析法识别业务季节性 （4） 数据处理 主要处理步骤： 计算字段：创建利润率、同比增长率等衍生指标 数据筛选：设置参数控制分析的时间范围 数据分组：对客户按收入规模进行分层 难点解决： 业务类型与行业分类不一致问题：创建统一分类标准 分公司名称不规范：建立标准化映射表 货币格式处理：使用FineBI的格式化功能统一显示 （5）分析结论：公司整体效益可观，各月收入较为平均，各行业物流均有涉及。 三、学习总结 1. 学习经历 为期6周的学习充实而富有挑战，特别感谢班主任老师的耐心指导和助教团队的技术支持，他们总是能及时解答我的各种问题。 2. 个人成长 技能收获： 掌握了FineBI的核心功能：数据连接、自助数据集、可视化设计 学会了构建完整的分析框架和方法论 提升了数据故事化呈现的能力 目标达成： 初始目标已完成90%，系统掌握了FineBI的应用技能 建立了完整的物流分析指标体系 有信心在1个月内通过FCP考试 心得体会：这次学习让我深刻认识到数据分析不仅是技术活，更是需要业务理解的创造性工作。最大的收获不是学会了某个工具，而是建立了"数据驱动决策"的思维模式。坚持学习的过程虽然辛苦，但当看到自己的分析成果真正帮助业务决策时，所有的付出都变得值得。这只是一个开始，我计划继续深入学习预测分析和机器学习在工作领域的应用。