【2021夏季挑战赛】XX航司“劳动节”前后市场形态浅析

1、选手简介

1.1.选手介绍

团队名称：超清新！

团队组成：

• 超超：颜值与脑力担当，数据分析业务岗位，有数据分析业务经验，提供分析思路与宝贵的分析建议；
• 清清：队长，任数据分析岗位，有数据分析实战经验，本次负责数据清洗和可视化呈现；
• 新新：美貌与智慧并存，任数据分析板块负责人，业务熟练，逻辑清晰，属于核心成员。
  

1.2.参赛初衷

受制于分析工具匮乏，业务在数据可视化、报表定制化方面一直处于瓶颈状态，急于寻找成熟的可视化BI工具，实现业务增长，帮助业务人员从常规的、繁琐的、重复性的业务中得到解脱。借以帆软BI大赛，加深对于FineBI工具的了解和掌握程度，以便于结合实际业务，切实解决业务痛点。

2.场景介绍

2.1.业务背景介绍&数据来源

业务背景介绍：XX航司是民航业的一家民营航空公司，自负盈亏。“五一劳动节”作为营销节点，是一个出行旺季，特别是在后疫情时代，“五一”所蕴含的巨大商业机会，深受瞩目。
为此，现通过FineBI对“五一劳动节”前后的市场形态的变化进行总结分析。

数据来源：XX航司线上销售数据。

2.2.分析思路


综合实际业务，根据分析目的，选择SWOT模型思路进行分析，由外到内、由整体到局部的分析思路。
A. 核心销售概览展示：销售额、出票量、平均票价的情况。
B. 活动前后的数据对比情况：分渠道、分航线、分产品销售对比。
C. 指标细分分析：渠道稳定性销售分析、航班票价销售分析、用户购票行为分析。

2.3.数据整理
对原始数据进行数据清洗及数据处理，共分为去除异常数据、数据脱敏、数据规约三个步骤。

2.3.1 去除异常数据
在该部分，将原始数据中存在的重复数据、异常数据进行删除，而后为了压缩数据量，取全量数据的一定百分比作为大赛最终初始数据来源。



2.3.2 数据脱敏
将用户姓名进行批量处理，只取姓名中的一个字作为用户姓名；用户年龄、用户性别均根据证件号进行判断；支付渠道、订单来源出于数据保护角度进行批量替换。



2.3.3 数据规约
原始数据导入FineBI自助数据集后，创建自助数据包，对部分字段进行识别处理。
对字段进行新增：提前购票天数、改期距离起飞天数、退票距离起飞天数等字段，用以对用户行为进行进一步判定。此外，更改个别字段的字段类型，实现文本与数值型数据的相互转化。



2.3.4 数据关联合并
将原始订单数据事实表，与机场三字码、性别维度表，进行关联，得到自助数据集的整合。





2.4分析报告








2.5总结

作为可视化项目的首次尝试，集结团队智慧，将思路和想法进行实现，还是很有成就感的。特别是当业务发展到一定阶段，迫切需要一个新的出口解决当下面临的困境和问题。在新的探索过程中，面对新生事物的好奇心，和不断挑战、乐于学习的心态得到了进一步的激发，业务之余，增添了工作的乐趣。此外，在面对新出现的问题讨论中，大家各抒已见，摩擦和碰撞过程中，产生了新的思想火花。

如果要补充一点不足，那就是分析思路的局限和分析方法论尚需进一步沉淀。

未来发展路上，祝福大家都能不断有所收获，心之所想，行之所往！

好的地方：业务指标和分析思路可信度较高，看得出有实际业务的积累。对分析思路也有比较好的落实。
可优化的地方：数据可视化有进一步提升空间，可参考可视化帮助文档进行学习。https://help.fanruan.com/dvg/。

挑出了可视化部分可以优化的地方，仅供参考，可以交流
1、销售额&退票金额，这样看不清楚，考虑用其他办法做更清晰的展示（组合图）
2、这个雷达图数值越小稳定性越高，感觉略有奇怪。同时不是很能看出来H渠道最好
3、用条形图是来做分析TOPN，可以排个序的，看起来会更一目了然
4、这个漏斗图没有展示各阶段是什么。可以用标签标上去。另外结论中的“退单3413，占比15%”也没有在图表中体现

谢谢提供分析思路～受教

从数据分析角度讲，根据成员描述可以得到结论：清清队长颜值不行。