【2023第四届FineBI数据分析大赛】
X行业客户资金分析
选手简介
选手介绍
团队名称：易通team
队长介绍：
任 媛-部门报表、可视化开发大腿，本次比赛的掌舵者，确定研究方向，完成数据脱敏。
队员介绍：
曹可人-数据抽取、整合、脱敏处理，细节把控、质量检查、文档编写。
张 泓-数据集处理、组件设计、仪表板设计、文档编写。
李亚男-提供仪表板样式、配色方案。
梁 爽-技术支持，场外顾问。
参赛初衷
- 提升可视化开发能力，增强对FineBI工具的掌握情况，为之后工作中使用FineBI打下基础，提升工作效率。
- 通过参加比赛开拓眼界，吸取其他优秀团队的作品的长处，弥补自己的不足。
- 通过本次比赛来提高自己的团队协作能力、问题处理能力，毕竟，总体大于部分之和。
- 大赛奖励很诱人~
作品介绍
业务背景/需求痛点
背景介绍
随着金融市场的发展和竞争的加剧，X行业面临越来越多的挑战，不仅需要满足顾客各种各样的需求，还需要用各种创新的方式留住客户，从而保持X行业的市场地位和竞争力。在此背景下，我们想通过对X行业客户资产以及交易信息的分析，制定留住客户的策略，以满足X行业客户的各种需求和提高竞争力。
需求痛点
- X行业对客户的识别分析具有局限性，只能根据客户在X行业的资金账目情况、基本个人信息、以及线上交易记录等现象级认知的识别。
- 在金融业务线上化转移的环境下，客户对金融平台自主选择更加开放，X行业无法利用线下资源有效整合线上客户信息，无法获取客户线上喜好、消费习惯等客户重要画像，客户迭代不能及时跟进，容易引起客户流失。
分析思路
2.1 明确问题
问题：如何增加客户粘性，提升客群稳定性?
通过对黑龙江省X行业客户2023年1月-2023年6月的客户基本信息、客户资产信息、产品A1交易信息、产品A2交易信息的可视化分析，总结了如何增加客户粘性，提升客户稳定性的结论，并为下半年客户留存与发展提供建议，以此提高客户留存率。
2.2分析框架
数据处理
3.1 数据选取
①本次比赛的数据选择的是企业数据，由于数据量过于庞大，本次分析选取了2023年1月到6月的数据进行分析。
②已经对客户的关键信息进行了脱敏处理，并新增一列将身份证号加密后作为主键，性别标志（1、2）信息缺失的，根据身份证号第17位，奇数表示男性存为1，偶数表示女性存为2，更新数据。
③根据分析框架，整理出所需要的客户基本信息表、客户资产明细表、客户产品A1交易表、客户产品A2交易表四张数据表。
3.2 指标说明
挑选关键字段进行说明，指标意义重复字段不再赘述。
3.3 数据处理技巧
FineBI 是新一代大数据分析的 BI 工具，有较好的可扩展性，灵活利用现有功能，可以实现或创造一些更便捷的用途，旨在帮助企业的业务人员充分了解和利用他们的数据。
3.3.1 客户基本信息数据处理
利用新增赋值列将客户年龄划分到不同年龄区间，以便后续针对不同年龄段性别占比以及客户购买产品占比情况进行可视化分析。
3.3.2 客户资产信息数据处理
利用列转行功能将每一条数据罗列出来，以便后续进行分组求和。
分组汇总，将相同字段分为一组进行求和，方便后续对客户资产占比情况、总资产分段占比情况及总资产分段内客户产品购买业务占比情况进行可视化分析。
3.3.3 客户交易信息数据处理
利用新增赋值列功能将流入流出代码、渠道种类代码具体化，方便后续对各渠道流入流出交易金额、交易笔数进行可视化分析。
 
利用条件标签列将产品期限、产品代码合并成一列字段，方便后续对客户产品A1交易信息进行可视化分析。
 
可视化报告
4.1 成果展示
在正式开始可视化分析之前，我们经过多次讨论修改，最后将仪表板分为5部分，每部分从不同的角度分析数据，并探讨出每部分图表的选择，初步设计了一个原稿，在正式设计阶段发现有些图表无法实现或者做出来的效果不够美观，经过探讨，便做了一些调整，最终成果如下。
4.1.1 客户基本属性
第一部分展现的是客户的基本属性，包括客户总数量、总资产、人均资产、各年龄段男女比例、各地市资产情况以及平均资产情况。
（1）客户总数量、客户总资产、客户人均资产这三个指标选择用指标卡的形式去展现，更加直观、清晰明了。
（2）各年龄段男女比例选择用堆积柱形图去展现，通过观察柱形高低即可发现客户年龄主要分布在50-60岁，客户数量约为41万人，占客户总数量的16%，而且男性偏多，占该年龄段55.62%；其次，40-50岁年龄段客户相对较多，客户数量为约37万，占总客户数量的13%，且男性偏多，占该年龄段的51.46%。
（3）各地市客户资产选择使用区域地图来展示，根据各地市总资产余额的不同，展示出不同的颜色，总资产越高，该地市呈现出的颜色越深，可以看出哈尔滨市的客户资产占比最高，其客户资产为53.22亿元，占客户总资产的20.28%。其次，牡丹江市、齐齐哈尔市的客户资产分别为33.71亿元、30.75亿元，各占客户总资产的12.85%、11.72%。而七台河市、大兴安岭市的客户资产较低，分别为4.43亿元、3.25亿元，仅占全省总资产的1.69%、1.24%。
（4）各地市客户平均资产选择用对比柱状图来呈现，并按照平均资产从高到低排序，以便使图表更直观、美观。可以从图表中看出各地市中牡丹江市和大庆市的客户平均资产相对较高，分别为2.19万元/人和2.08万元/人；而七台河市的客户平均资产相对较低，为1.49万元/人。总的来说各地市之间客户平均资产相差不大。
4.1.2 客户资产情况
第二部分展示的是客户资产情况，由总资产分段占比、各资产级别客户开办业务情况、总资产分段内的客户产品购买情况组成。
（1）总资产分段占比通过环形图来呈现，通过观察环形大小即可观察出总资产分段占比情况，可以看出客户主要集中在0-1万元区间内，占总体分析客群的81.08%，占比较大，因此，总资产在0-1万元区间内的客群可作为重点关注及营销客户，对此类客户持续挖掘与长期经营，有利于业务提升。总资产级别1万元以上的客户共计26,997人，占总客户的18.92%，虽然客户数量较少，但资产总额所占比例相对较高，这部分客户可作为高精尖客户群体，加强维系，在稳定中发展客户。
由于总资产余额处于0-1万元区间人数占比较多，便给该环形图增加了下钻功能，点击0-1万元部分的扇形图，选择下钻功能，便能展示出0-1万元内各资产级别客户占比情况；可以看到总资产余额在0-2000的人数占比最多，达到90.53%，如下图所示：
（2）各资产级别客户开办业务情况使用柱状图来呈现，与总资产分段占比图表联动，点击环形图中某一资产区间，该图表便联动到相应的资产区间；这样能更清晰地看出各资产区间内业务开办情况的差距，各资产级别开办业务人数占比情况中，随着总资产级别的提高，客户越倾向于开办各类业务，各类业务开办人数差距越小。建议降低活动门槛，多重活动方式叠加，促使客户自发完成拉新裂变，并挖掘总资产等级较低客群的需求点，进一步优化产品功能。
（3）总资产分段内客户产品购买情况表由柱形图组成，与各总资产级别客户占比环形图联动；点击环形图内不同的资产区间，各资产级别客户产品购买情况表便联动到相应的资产区间，以便更清晰地看出不同资产区间客户产品购买情况；可以看出随着客户资产级别的提高，客户持有产品A2的比例不断减小，产品A1、产品C、产品E、产品D占比总体呈上升趋势；其中，客户总资产级别在0-30万元（含）时，客户更偏好于购买产品A1、产品B此类稳定且风险较低的产品，而资产级别在30万元以上的客户更偏好于购买产品D、产品C等具有一定风险的产品。因此，建议结合客户资产等级情况，制定针对性的业务营销策略，制定各类业务优势推广策略，进而推动各业务的开办情况。
4.1.3 业务&产品开办情况分析
第三部分展示的是业务&产品开办情况，由业务开办情况占比、业务资产占比、各年龄段产品购买情况组成。
（1）业务开办情况占比选择对比柱形图呈现，并根据占比从高到低排序，使图表看起来更美观。从图表中可以看到A业务开展相对较好，占比82.04%；其次，B业务和C业务开展相对较好，分别占比65.14%和51.95%。由此可见，B业务和C业务的推广空间相对较大，建议进一步寻找目标客群，有针对性的制定营销策略，在开展营销活动时，可以利用多重平台联动营销，让营销入口流量最大化，加速业务拓展工作。
（2）业务资产占比由饼图组成，通过观察扇形大小即可观察出各类产品占比情况，点击产品A扇形图即可跳转到产品A的饼图，能够看到产品A下，产品A1和产品A2的占比情况，可以看出产品A占比最大，占总资产的74.88%；其中产品A1占产品A总额的64.62%。此外，省内产品E、产品C各占总资产的0.46%、0.30%。持有产品E和产品C的客户数分别为529人、6,440人，可见持有产品E的客户少于持有产品C的客户，但产品E总额高于产品C总额，建议重点关注产品E流向。
（3）各年龄段产品产品购买情况由堆积柱形图实现，不仅能直观明了地看出各年龄段之间产品购买情况的变化，还能清晰地看出某一年龄段内客户的购买情况，通过对X行业各年龄段产品购买情况进行分析，可以得出持有产品A和产品B的客户占比较高;且70岁以上的客户更倾向购买产品A1，这类客户爱社交爱传播，时间充裕，可以对客户进行面对面营销，精准推荐活动，并且可以围绕产品A设计活动，迎合客户喜好需求；70岁以下的客户对各类业务产品喜爱程度相差不大，建议选择合适的商品推荐给潜在购买客户，挖掘不同产品对客群的吸引力，找到目标客群，精准营销
4.1.4 资产流动分析
4.1.4.1产品A2交易金额分析
产品A2交易金额分析由产品A2交易情况、各渠道交易笔数变化情况组成。
（1）产品A2交易笔数、交易金额情况通过组合图来实现，交易笔数由折线图呈现，交易金额由柱形图实现，以便能清楚明了地看出各个月份笔数、金额变化情况；可以从图中得出2023年上半年，X行业客户交易金额在1月达到峰值为1,226.15亿元，而交易笔数在3月达到峰值为881万笔。2023年6月，交易金额和交易笔数同时下降至最低值。因1-3月为春节期间，客户交易频繁，故建议在该时间段制定资产留存策略，保证节后资金回流；通过不同渠道与客户建立密切联系 ，获取客户相关信息，关注客户的业务，洞察客户的需求，收集客户反馈，根据不同的客户进行个性化推荐，形成特色化营销，以提高留存率。
（2）各渠道交易笔数变化情况由堆积柱形图呈现，能更明了看出各月份各渠道交易笔数的变化以及某一月各渠道占比情况；在该统计周期内，渠道A的交易笔数在2023年3月占比最高，共计368万笔，且该渠道的交易占比在第二季度呈下降趋势。渠道A和渠道B的交易笔数在3月份占比均达到最高值，分别交易244万笔、102万笔。建议根据时间趋势，调整各渠道的管理方案，合理分配人员和资金。
4.1.4.2 产品A2交易流动分析
产品A2交易流动分析由产品A2交易渠道、跨行资金流向组成，这两个表均通过组合图呈现。流入流出金额由柱形图表示，净额由折线图表示。
（1）产品A2交易渠道通过组合图的呈现可以清楚明了的看出产品A2交易流出主要渠道为渠道B，流入主要渠道渠道A，渠道A和渠道B为主要的交易方式。建议重点跟踪流出资金去向，调整营销方案，以稳定客户资产，以客户留存与促成成交为活动方向，增加用户复购率，挖掘用户转化价值，活动矩阵周期推广，增加用户粘性。
（2）跨行资金流向情况通过柱形图和折线图可以看出，从X行业交易金额上看A行、B行、C行为X行的主要竞争行；从净流入金额上看，主要来源于A行和B行；从净流出金额上看，主要流向A行、B行、C行。建议争取流出资金的回流，抢占X行在市场的份额，提高市场竞争力；同时挖掘客户在他行资产的潜力，提升客户资产规模，并积极为客户推介X行各类产品，在既能满足客户资金流动需求的基础上，又满足客户对保本高收益的需求，同时在不断吸引行外优质客户资源的同时，也实现了产品A2增量的大幅提升。
4.1.4.3 产品A1交易流动分析
产品A1交易流动分析由产品A1交易渠道、各产品交易情况组成，这两个表均通过组合图呈现，流入流出金额由柱形图表示，净额由折线图表示。
（1）产品A1交易渠道通过柱形图和折线图可视化分析可以直接客观的可以看出产品A1业务主要以渠道A为主，其交易流水金额约2,268亿元，占整体产品A1交易流水金额的91%；其中，渠道A的流入交易额相对较高，各交易渠道的流入和流出金额占比差别不是很明显。建议根据各交易渠道的特点，进一步优化功能、完善管理，促进各交易渠道的发展。根据客户生命周期不同阶段，设计不同产品侧重点，深入了解每个生命阶段所具有的独特属性及需求，帮助每位处于不同生命周期的阶段的客户清楚了解自己的需求。
（2）各产品交易情况组件块可以看出在产品A1交易中，以产品1为主，流入金额约629亿元，建议加强产品A1的营销策略，流出以产品1、产品2为主，流出金额分别约571亿元、240亿元，建议对产品1、产品2制定留存方案，以提高客户稳定性，对于产品A1到期客户实行再营销、配产品，资产配置个性化的主旋律，产品1到期的客户可以推荐产品D与产品A1组合；对于不愿买产品D同时也不愿意买产品A1，资产需要做其他用途的客户，可以用产品2进行留存；还可以推荐产品A1和产品B的组合进行留存。
4.1.5 特征聚类分析
（1）根据指标数据，对客群做K-means聚类分析，K-means聚类基于点与点距离的相似度来计算最佳类别归属。针对每个点，计算这个点距离所有中心点最近的那个中心点，然后将这个点归为这个中心点代表的簇，不断迭代，直到前后两次迭代的簇类没有变化。所以选择K-means聚类分析根据客户的不同特征将客户分成不同类别，从而针对不同客群制定不同营销策略，精准投放营销策略，从而更好的进行客户服务和管理。
（2）通过一系列训练结果，选择客户6月总资产、交易金额这两个指标特征绘制聚类结果，利用散点图预测客户行为。红色矩形代表重要发展客户，绿色三角形代表重要保持客户，黄色圆形代表重要挽留客户，蓝色五角星代表一般价值客户。
（3）对于重要保持客户，进一步加强此类客户的服务质量，根据此类客户的交易习惯和行为，实施精准营销；对于重要发展客户，通过该客户群体规模大的优势，加大配套营销力度，抓住旺季营销的大好时机,加强客户关系管理，减少客户流失，挖掘此类客户的价值潜力，增强客户黏性和忠诚度；对于重要挽留客户，应掌握客户最新信息，定期或不定期地主动上门征求客户意见，根据客户流失的原因制定相应的对策，发现客户的潜在需求并及时解决，维持与客户的互动；针对一般价值客户，这类客户可能只在打折促销活动才会选择消费，可以提高产品、服务的吸引力，吸引客户的关注，提升客户与之合作的可能性，真正了解客户的需求，为其提供个性化服务。
 4.1.6 报告全局总览
参赛总结
- FineBI工具
- FineBI工具容易上手，非常方便，通过拖拉拽即可完成图表的制作，做出来效果也很美观。
- 数据集处理板块内容全面，操作方便，不需要写过多的SQL语句就能实现数据的处理。
- 帆软帮助文档内容详细，覆盖范围广，有疑问还可以在社区问答区进行提问，很快便可以得到社区工作人员或是广大使用者的回复，为我们解答了很多疑问。
- 参赛总结
大家都是第一次接触FineBI，由于它是帆软公司下的产品，有些地方还是跟FineReport很相像的，面对这个陌生又有点熟悉的家伙，一时还不太习惯。在设计正式开始之前大家“拼命”翻阅帮助文档，想赶快交下这个“朋友”的“朋友”。
正式开始设计之后，随着设计进度地慢慢推进，大家对数据、研究方向地了解更加清晰，逐渐有了自己的一些小想法，于是一番“唇枪舌战”便打响了，大家各抒己见，都觉得自己的想法能使最终的仪表板更美观、更合乎逻辑；经过激烈探讨，大家取长补短形成了最终的成果。
通过这次比赛的历程，我相信大家都会成长很多，也看到了团队合作的力量，希望今后大家在各自的岗位上越走越远，持续发光发热！ | 
