BI数据分析学习结业总结 ——【华润化学材料】-【202505】+【3259125】 一、学习初衷 本次BI数据分析学习机会很难得。公司一向注重数据管理和智能化建设，这次公司BI数据分析学习机会也是公司后续数据规范化、一体化管理的重要组成部分。我作为生产部门的一名运行管理人员，有幸参与公司这次数字平台一体化项目建设，非常珍惜这次难得的学习机会。公司作为一家生产型企业，平时会产生大量的数据，不光是传统的财务、销售、采购、人力资源等运营数据，生产运行产生的数据更是浩如烟海。我希望能通过本次FineBI公司的专业数据分析学习，不仅给个人数据分析节能带来长足的进步，也能对公司生产运行数据管理有所助力。 二、作品简介（作业十） 1. 背景 公司是集团旗下的一家生产型分公司，公司在经营管理过程中，能源消耗成本是公司除了原料成本之外的主要成本，且集团公司以及政府相关管理部门对企业能源消耗提出了越来越高的要求，在公司运营实践中，十四五期间，集团公司对公司的能源消耗指标要求越来越高成逐年下降趋势，近期发现公司能源消耗经常出现达不到指标的情况，因此有必要对公司能源消耗结构和消耗量进行一次综合分析。到更高的物流运作效能。 2. 数据来源 公司生产平台数据：公司能源数据主要来自公司智慧能源管理平台，平时从平台通过数据导出至office表格进行简单汇总和计算，形成生产能源日报表。另外，本次在数据初处理时，对分析使用的数据进行了脱敏处理。 该数据源为公司相关报表，是进行了一系列相关计算之后得到的各区域主要能耗和生产数据。其中主要包含了水、电、天然气、产能等相关生产数据明细表。 另外公司能源相关指标主要来自能源管理体系相关能源绩效指标及其分解指标，如下图所示： 能源指标体系作为本次相关分析的指标值使用。 3. 分析思路 本次分析以公司级综合能耗指标为基本指标来对数据进行辨识。数据区间区“十四五”期间公司主要能源生产数据。公司的能源结构主要以天然气和电能为主。本次分析以公司主要能源消耗结构作为主要分析维度进行。 4． 数据处理 现有生产运行日报表数据，由于office文档在进行分析计算时，excel表格中大量的公式和跨表、跨工作簿引用，且数据表头空行、空格、合并单元格、汇总计算等很多内容都不符合BI数据分析数据源的要求，并且有些内容在FineBI中会被忽略或产生计算错误。因此，我对该报表数据源使用excel中的Power Query工具进行了一次预处理。对表头、空行等进行了合并，并且规范了相关字段。 处理好的能耗表数据和能源指标表导入Fine BI学习平台数据集，分别对能耗数据表和能耗指标表进行了处理，主要有两个方面： 能耗数据表数据分为各产线用电汇总表和非生产数据两部分，主要因为非生产数据是公司级的数据，无法分到生产端，在维度上与各产线用电表不统一，分开之后避免产生干扰；能耗指标表中时间颗粒度为年，这里作为维度表处理，并且能耗指标按公司、分厂和产线进行了分级，并且具体又分到了综合能耗、天然气和电，因此暂未对能耗指标表进行合并而按分表处理。 数据表导入之后，采用模型关联的方式分别设置合并依据字段，来关联各表，建立关联关系。 最后在数据集处理阶段，由于综合能耗计算只是简单的系数相乘的计算，因此分别添加字段计算了电和天然气相对应综合能耗等效值。 5. 可视化报告 可视化报表分为分析背景、综合能耗指标情况、公司全厂综合能耗占比分析、各产线天然气消耗达标情况分析、各产线电能消耗达标情况分析和分析结论几个部分。按照能源结构分析思路从公司级、分厂级和产线级分别进行分析。 分析主要动因是2025年以来公司级吨产品综合能耗（单耗值）达不到上级主管单位下发的能耗指标要求，需要对分公司吨产品综合能耗指标进行具体分析。首先从总体分析综合能耗指标计算方式来综合分析公司合计的能源消耗综合能耗和产量变化情况，确定其产生的影响。 从分析结果看，产量和能源消耗综合能耗基本上是正相关关系，差异性不明显：且产量的变化受影响因素较多，可控制性不强，因此本次分析先着眼于综合能耗消耗量上。然后从综合能耗的分布情况和各厂区能源消耗量的占比来察看综合能耗在各厂区和各产线上的分布，可以看出，全厂综合能耗组要由天然气、生产用电和非生产用电几部分组成，其中天然气消耗占了约有87%，因此应对天然气消耗作为能源重点关注对象，同时本次分析还是兼顾了电消耗的占比情况。 结论上，从能耗指标不达标入手分析至各产线能源消耗情况，老厂区的两条产线在天然气消耗方面达标情况不理想，差距达到3Nm3/t左右，需要从管理、技术和项目等多角度考虑节能措施；同时，本次分析为初步分析，仅作为能源管理进一步管控和达标措施的基础依据。 三、FINE BI 数据分析学习心得体会 在 2025 年 5 月中旬至 6 月底，公司精心组织的 FINE BI 数据分析学习班顺利开展并圆满完成学习环节。这段为期一个多月的学习之旅，宛如一场知识与技能的深度探索之旅，令我收获颇丰、感悟良多。 课程体系精析 本次学习班的课程架构极为系统且科学，依据由浅入深、循序渐进的原则精心编排。 入门篇恰似开启数据分析大门的钥匙，为我们揭开了 FineBI 的神秘面纱。从对 FineBI 作为在线分析平台的全面介绍，到引导我们完成首个分析主题的实操，让我们对数据分析的基本流程和 FineBI 的基础操作有了初步认知，成功驱散了初涉该领域的迷茫。 基础篇则是筑牢数据分析根基的关键阶段。在数据基础打磨环节，我们深入学习数据的清洗、转换等操作，深刻认识到高质量数据是精准分析的前提。而在可视化基础部分，从基础的表格炼金术到图形构建，再到仪表板的初步成型，每一步都让我们领略到数据可视化的魅力与力量，学会用直观的图表呈现复杂的数据信息。 进阶篇无疑是技能提升的加速器。主题模型进阶让我们掌握了处理多表数据的强大技巧，能够深入挖掘数据间的潜在关联；函数进阶则如同解锁了数据分析的魔法棒，使我们能够运用各种函数实现复杂的数据计算与处理；过滤层级深化进一步提升了数据分析的精细化程度，让我们的分析结果更具针对性和深度；数据分析模型秘籍更是传授了核心的分析方法，帮助我们构建起科学的分析思维框架。 秘籍篇堪称数据分析的升华之旅。思维与方法的秘籍引导我们从更高维度思考数据，培养敏锐的数据洞察力；布局与配色的高阶秘籍让我们认识到数据可视化不仅是数据的罗列，更是一门融合美学与逻辑的艺术；数据可视化的大师之路教会我们如何用数据讲述引人入胜的故事，增强分析结果的感染力与说服力；行业场景应用秘籍则将理论知识与实际业务紧密结合，拓宽了我们的应用视野。 学习收获斐然 技术能力跃升：熟练掌握了 FineBI 软件的各项核心功能，能够独立且高效地完成从数据导入、清洗、建模到可视化呈现的全流程操作。无论是简单的图表制作，还是复杂的仪表板设计，都能游刃有余。同时，对数据处理函数的运用也更加灵活自如，极大地提高了数据分析的效率与准确性。 思维模式转变：彻底摒弃了以往凭经验和直觉做决策的方式，建立起以数据为核心的思维模式。学会从海量数据中挖掘有价值的信息，通过数据分析发现问题、分析问题并提出解决方案。这种思维模式的转变不仅体现在工作中，也影响着我对日常生活和学习的思考方式。 职业竞争力增强：获得帆软认证资深 BI 工程师的认证资格，是对自己学习成果的有力证明，也使我在职场竞争中更具优势。这一认证不仅提升了我的专业认可度，也为未来的职业发展打开了更广阔的空间，无论是晋升机会还是薪资待遇都有了更大的提升潜力。 学习感悟深刻 理论与实践相辅相成：在学习过程中，深刻体会到理论知识是实践操作的基石，而实践则是检验理论的唯一标准。只有将所学的理论知识应用到实际案例中，才能真正理解和掌握其精髓。同时，实践过程中遇到的问题和挑战也能促使我们进一步深入学习理论知识，形成良性循环。 持续学习的重要性：数据分析领域技术更新换代迅速，新的工具、方法和理念不断涌现。这次学习只是为我打开了一扇通往数据分析世界的大门，未来还有更多的知识和技能等待我去探索和学习。因此，树立终身学习的观念，保持对新知识的好奇心和求知欲，才能在这个快速发展的领域中立于不败之地。 细节决定成败：在数据分析工作中，一个小小的数据错误或者可视化设计的瑕疵都可能导致整个分析结果的偏差或者说服力的下降。因此，在学习和工作中都要注重细节，严谨对待每一个环节，确保数据的准确性和分析结果的可靠性。 未来展望 深化技能学习：继续深入学习 FineBI 软件的高级功能和高级应用技巧，如高级数据建模、自定义可视化组件开发等。同时，关注行业内其他优秀的数据分析工具和技术，拓宽自己的技术视野，提升综合能力。 拓展应用领域：将所学的数据分析技能应用到更多的业务领域中，不仅局限于当前的工作范围。积极探索数据分析在不同业务场景下的创新应用，为公司创造更大的价值。 分享与传承：将在学习过程中积累的经验和知识分享给同事和团队成员，通过组织内部培训、技术分享会等形式，促进团队整体水平的提升。同时，也希望能够将自己的学习心得和方法传授给更多对数据分析感兴趣的人，为行业的发展贡献一份力量。 此次 FINE BI 数据分析学习班的学习经历将成为我职业生涯中的宝贵财富，激励我在数据分析的道路上不断前行，追求卓越。我相信，只要保持学习的热情和进取的精神，我一定能够在数据分析领域取得更大的成就，为公司的发展和社会的进步贡献自己的智慧和力量。同时也对帆软公司的这次数据分析培训和各位老师的辛勤付出表示衷心感谢！