|
一、选手简介
1、选手介绍
（1）团队选手版
团队名称：快乐打工人
- 队长介绍：刘小弟 >>>>数据产品
- 成员介绍：
- 肖小妹 >>>> 资深HR
- 刘大弟 >>>> 数据开发
- 汤小妹 >>>> 数据分析师
- 刘小妹 >>>> 资深财务
2、参赛初衷
一群有趣的打工人，想做一些不一样的事，给自己一段不一样的经历；
二、作品介绍
1、业务背景/需求痛点
店铺从开业至今，业务量虽有上涨，但是针对当前的一个经营情况和用户的喜好不甚了解，根据近2年的数据情况，挖掘出店铺商品的布局是否合理，用户的喜好偏向；
a、销售情况分析，了解销售的整体情况；
b、商品布局分析合理性；
c、用户喜好分析；
2、数据来源
天池数据：https://tianchi.aliyun.com/dataset/45
3、分析思路
4、数据处理
- 借用BI自助数据集时间转换
- 移动平均线周期分组
- 移动平均线分母，计算每个分组对应的汇总值
- 桑基图因涉及到多个流向，需要创建多个数据集进行拼接
5、可视化报告
（1）数据含义表达和图表排版布局
- 销售模块分析
通过柱状图，组合图，警戒线等功能分析可得出：
1、因数据只有2年的数据（2012年数据不全），从年度数据看，销量整体呈增长趋势；
2、从季度数据来看，每年一季度的销量均为全年的销量最低季度，之后每季度呈增长趋势；
3、通过移动平均线分析，整体的销量呈增长趋势；通过当月的销量与销售移动平均线对比，大于30%以上的月份，基本上发生在5月、11月。主要的原因：年终促销和双11活动；
4、2014年11月销量最大，通过按星期分析对比成交量，可看出星期二和星期三销量较高，星期六和星期日反而较低；按下单量看，工作日用户必周末多；
- 大单销售情况分析
通过玫瑰图、气泡图、柱状图、组合图结合分析，可得出以下结论：
1、大单集中在大类别为28的商品。说明此类商品一次使用量比较大；
2、热门小类别的商品主要集中在：50018831、50016006、50013187三小类别中；
3、从大单产生的数量上看，11月产生的大单较多，10、12月的大单较少，说明需求集中在11月爆发；
4、从大单的销量上看，7、8、9产生的大单虽然较多，但平均销量没有线性增长；
5、6月的大单数量不多，但是大单销量很高；
- 品类分析
 
这一模块主要使用的是柱状图的功能，从中可以看出：
1、从大类别销量和下单量可看出大类别28销量和下单量的比例关系约为2.5；50008168销量和下单量的比例约为1.24；38单量和销量都不高，但比例约为3.12；
2、大类50008168虽然品类少，但是子类平均销量比较高
3、销量前10且用户购买量前10的子类共有8个
4、热门分类的销售情况在各月内并不平均，可有针对性的在特定的月份针对某些品类有针对性的加强推广；
- 性别分析
从4个饼图中可看出：
1、用户的整体男女比例差异不大，但男女销量比例约为：7：3;
2、从品类上看，男女比例在50014815、50008168和28三个大类占比之和均超过70%以上，说明用户更偏向于这三个大类别的商品；
- 年龄分析
通过以上四张图可得出：
1、店铺的主要用户群体的年龄段主要分布在5岁以下；
2、针对各大类别来看，可以得出每个年龄段的用户喜好的主要类别；
3、从桑基图可看出，男女、年龄段、大类别三者之间的流向，可看出3-5年龄段的男性更偏向于50014815这个大类；3-5年龄段的男性更偏向于50008168这个大类；
（2）通过分析得出的结论
1、该店铺近2年的销售呈增长趋势；
2、50014815和50008168这两个大类的商品为该店铺的爆款类别商品，可有针对性的挖掘出对应的爆款标签及属性，复用到其他类别上；
3、从受众群体角度看，店铺的整体用户男女比例较为均衡，但不同年龄段的用户在各大类上有不同的喜好，可着重在重点品类里面增加SKU；
看板公共链接：
https://bisolutions.fanruan.com/webroot/decision/link/jqN7
三、参赛总结
1、FineBI工具
a、因为使用的是官方提供的线上账户，涉及到SQL数据集处理，参数等相关应用无法得到满足，很多数据需要在线下进行清洗；
b、桑基图实现起来太方便了，跟其他的BI软件比起来提效杠杠的；
2、参赛总结
本次参赛还是比较匆忙，知道这次比赛的时间已经接近赛尾，加上团队内部人员刚巧都遇到了工作繁忙时期，整体的规划过于仓促，从选题、找数据整个过程都很仓促，整体的分析模块仍有很大一部分不足，还待完善，期望下次还能再次参与吧。 | 
