|
一、选手简介
1. 团队选手介绍
哈喽，大家好，我们来自伊利，是帆软的忠实用户，我们的团队叫：伊帆队
团队组成：
- Jeremy：技术出类拔萃兼具超高颜值，团队扛把子
- Muee：智慧与颜值并存，团队脑力输出
- Medroid：美学登峰造极智商高达180，BI美化全靠他
- Kenny：聪敏好学，技术颜值智慧兼备，全能选手
2. 参赛初衷
我们的队员base全国各地，虽远隔千里，但亲如兄弟，在一条数据分析的道路上互相学习，共同进步。我们主要负责销售数据分析，在工作中我们经常给予上级决策支持、开发管理数据产品、总结提炼方法论、数字化工具应用推广等。
2021年公司引入FineBI，我们在需求中学习，在学习中使用，在使用中创造和输出成果。我们认为一切数据分析都需要基于业务思维与场景，分析结论或结果能够影响业务发展或提升业务效率。
BI作为可视化分析最重要的传播分享工具，具有非常重要的意义。我们利用FineBI做了很多分析工作，非常高兴能参与到第四届FineBI数据分析大赛，一方面我们希望借助比赛机遇，把握学习机会，在比赛中锻炼自己，提升自己；另一方面，我们基于实际需求场景，以业务为导向，利用专业的FineBI为公司开发了电商分销业务运营与风控平台，有效管控窜货、乱价等相关风险。
少年以梦为马，不负韶华，希望大家多多交流，给予建议与支持。
二、作品介绍
作品标题：《电商分销业务运营与风控平台》
1、背景、痛点及需求
1.1、背景概况
随着时代发展，公司积极拓展电商业务，开设经销商，销售高速增长，但在持续且快速的攻城略地过程中，产生了一些发展风险，需要更加精细化的数据运营管理进行管控。
1.2、问题分析
- 经销商数量快速扩张，经销商、店铺体系运营缺乏实时和高效率监测
- 电商分销业务销量波动大，存在经销商窜货问题，线下渠道秩序受到干扰
- 乱价问题时有发生，对公司、经销商盈利造成不利影响
- 公司销售投入产出缺少完整的专项评估分析平台
1.3、需求分析
我们利用RPA技术获取经销商店铺GMV数据，统筹进出货及费用相关数据进行全量分析，需要搭建分析平台，主要从以下三大模块开展：
- 整体运营概况分析与监测：为费用投入及管理提供数据分析支撑，常态监测体系健康发展
- 产品销售分析：从各维度分析产品销售对比，挖掘产品生意机会
- 风险识别与预警：监测动销、刷单、破价等异常指标，识别潜在风险，协助输出风控策略
2、分析框架
3、数据处理
3.1、数据源说明
- 财务部门TPM系统能获取我司与经销商合作相关的费用投入详细数据
- 公司ERP系统获取经销商进货数据
- EDI系统作为技术合作实现方式，从经销商的电商店铺定期获取GMV出货数据
说明：财务费用数据，经销商进货数据，EDI项目获取的经销商店铺GMV，需要做数据清洗、聚合、关联等处理才能方便BI可视化分析
3.2、指标及口径说明
|
指标名称
|
数据源口径
|
说明
|
|
经销商数量
|
EDI
|
与厂家合作的经销商个数
|
|
电商店铺数量
|
EDI
|
经销商在电商平台开设的授权销售厂家产品店铺数
|
|
进货量
|
ERP
|
经销商从厂家进货数量
|
|
进货额
|
ERP
|
经销商从厂家进货金额
|
|
出货量
|
ERP
|
经销商通过授权电商店铺卖给消费者数量
|
|
出货额
|
EDI
|
经销商通过授权电商店铺卖给消费者金额
|
|
退货量
|
EDI
|
消费者申请退货数量
|
|
订单数量
|
EDI
|
所有店铺产生的销售订单数量
|
|
订单均销量
|
EDI
|
出货量/订单数量（用于监测分析订单）
|
|
平均价格
|
EDI
|
出货额/出货量
|
|
退货率
|
EDI
|
退货量/出货量
|
|
销售费用
|
TPM
|
厂家投入的销售费用（投给经销商/消费者）
|
|
销售费率
|
TPM
|
销售费用/进货额
|
|
经销商毛利率
|
TPM/EDI/ERP测算
|
（出货额-进货额-销售费用）/出货额（用于监测分析经销商毛利状况）
|
|
重点产品
|
ERP/EDI
|
厂家划定的部分产品
|
|
重点产品占比
|
ERP/EDI
|
重点产品进货额/总进货额
|
|
X产品
|
ERP/EDI
|
厂家划定的部分产品
|
|
X产品占比
|
ERP/EDI
|
X产品进货额/总进货额
|
|
新品
|
ERP/EDI
|
厂家划定的部分产品
|
|
新品占比
|
ERP/EDI
|
新品产品进货额/总进货额
|
|
出货进货比
|
ERP/EDI
|
出货量/进货量（用于监测分析进出货平衡及风险）
|
|
订单销量
|
EDI
|
每一个订单对应的销量（用于监测分析订单异常）
|
|
实际售价
|
EDI
|
店铺销售价格（消费者到手价，用于分析监测价格是否异常）
|
3.3、多数据源逻辑关联、ETL及SQL处理
① 数据整体结构：进货ERP数据、投入TPM数据、EDI电商销售GMV数据，三大数据源分别以经销商为单位聚合用于概况分析；细化SKU层面聚合用于产品销售分析；GMV明细订单层面用于风险识别与预警分析
② EDI数据抓取与清洗ETL
RPA实现EDI月度500万行体量数据抓取与清洗：通过影刀开发RPA流程，从EDI平台提取GMV数据并完成清洗，FTP数据入湖。
③ SQL多数据源连接处理
SQL存储ERP进货、EDI出货、TPM费用标准数据源、经销商维度、产品维度等多数据源，通过SQL实现用于BI分析的多个数据聚合，为BI可视化准备数据源
3.4、FineBI数据集及字段处理
FineBI处理数据源字段
SQL完成基本的数据源处理后，利用帆软处理指标及增加计算列等，完善BI分析所需数据源的最后处理：
4、可视化报告
4.1、报表及图形选取框架
利用多维数据聚合分析，从三大模块做分析报表体系，在实际中结合经营过程需求分别分析问题，支撑决策、干预经营从而促进电商渠道长久健康发展
4.2、各模块可视化报表及实现
①模块一：概况分析与监测结构及实现
概览分析：通过客户数、店铺数、销量、价格、订单、退货、毛利等指标常态化通过各类指标监测电商体系运营情况及趋势
体系运营监测：分销售区域监测客户数、进出货比、店铺数、活跃及销售
卖力、价格、临期品、退货监测：分销售区域、客户监测订单、均价、大日期、毛利等情况
客户盈利监测：分销售区域监测进货、出货、投入的费用费率、毛利情况
投入产出费率监测：费率为重点，单独报表分地域、时间监测投入产出及变化情况
②模块二：产品销售分析结构及实现
概览分析：基于EDI电商销售数据，筛选所需日期及整体/分业务单元数据，从各维度挖掘生意机会辅助和支撑电商销售运营
渠道维度分析：挖掘电商相对于线下占比更高的产品，属于电商渠道优势产品，重点发展。
平台维度分析：平台销售产品的占比分析，看到不同平台背后消费者的消费偏好，为厂商在不同平台产品发展策略提供数据支撑
业务单元维度分析：分业务单元产品销售占比及变化，业务单元产品发展指引
新品发展分析：重点围绕销售渠道、平台、业务单元的新品销售占比分析，挖掘新品发展的薄弱环节，支撑运营改善
重点产品发展分析：左边按照产品占比降序排列，点击对应产品名称，右边绘制产品的正常日期、大日期产品，分业务单元、平台的销售价格，重点监控破价的地区和渠道。
③模块三：业务风险识别与预警结构及实现
风险指标概况：动销、刷单、破价指标整体分业务单元概况
结案风险分析：累计出货/累计进货指标，如果高于100%，可能存在多结案获取公司费用风险
动销风险分析：当月出货/当月进货指标，当月出货/进货>200%或≤50%，单位均为提数。理想状态下出货提数与进货提数应该基本相等，过大或过小均有潜在动销问题。如果长期的出货远小于进货，可能存在窜货的风险，出货/进货过大的可能出现刷单的风险，特别是有订单件数、但没有订单金额的，可能出现刷空单的违规行为。
刷单风险分析：单笔订单提数>50定义为大单，出现大单的认为存在刷单风险，通常刷单风险与破价风险关联，单笔提数过大的可能价格非常低。
破价风险：实际售价< (规定售价-5元)定义为本单破价，参考客户组口径考虑到5元优惠券给出一定折扣空间，但是EDI所有SKU平均价格低于电商价盘，存在大量破价问题。
如果经销商同时存在动销风险、刷单风险、破价风险，则需要重点关注。除此之外，其他风险指标还有费用率和窜货次数等可以综合考量。
4.3、可视化报告案例解析
FineBI完成可视化平台搭建，分别从概况监测、产品销售分析、风险识别与预警模块形成体系，依靠本平台每月实现常规运营监测、产品销售机会挖掘、风险识别预警，以下为实践案例之一：
4.3.1、动销比监测与风险分析案例：通过BI看板在常态化的概况监测中识别动销异常，风险分析下钻找到具体风险来源，结合业务场景识别风险、分析风险、策略优化、解决风险，支撑电商体系健康长久发展
① 2022年9月，我们完成平台搭建，2022年12月月度常态指标监测，发现整体出货/进货动销指标异常，8-12月累计出货/进货比XXX%
②风险识别下钻分析：我们从区域动销比值维度对比，各销售大区存在出货高于进货的情况，这说明8-12月指标异常属于普遍现象
③我们再从时间维度查看，发现高出货/进货比出现在11-12月特别异常，11-12月涉及年底，结案费用政策节点，指标异常代表可能出现一定业务层面的问题
④我们结合业务层面维度分析，通常库存在半个月-1个月属于正常范围，此处出货大于进货异常，这其中可能存在假出库获取补贴风险。
⑤我们通过风险分析BI看板继续下钻分析，客户层面也出现指标异常，再通过订单异常分析发现了一些高销售量订单的情况，下图从经销商和订单层面排名分析印证结论：
⑥依据数据分析结果，我们应该如何解决问题，接下来从三个方向解决了此类问题，方向一是全国统一调整了费用策略；方向二是强化常态分析监理手段，通过FineBI平台月度常态监测分析；方向三是开发结案核算工具模型，通过自动对接进货量，解决了核算问题
下图为风险常态化监测分析月报，常态监测分析风险并输出排名
下图为结案核算工具图（自动核算应结案金额，避免人为修改进货量问题）
6、实现价值
6.1、数据资产发挥价值，运营管理更加真实、清晰、透明。①运营监测指标：活跃客户数、店铺数、进货数、出货数、订单数、平均订单数、平均价格、退回率、经销商毛利率等10+指标，可按分月、分大区、分平台、分产品维度查询；②进出货及费率：监测费用率、贡献度、大日期占比、平均价格区域间对比及走势；③.产品机会：关注产品结构、新品占比、临期品占比、渠道优势产品、SKU平均价格；④.风险预警3个指标：进出货比例严重失衡、大于50提的大单、低于标准活动价。
6.2、2022年8月项目投产后，进出货差异率降低至4.6%，同比下降14.7%，较上线前下降33.8%，产品流向数据真实监测，窜货行为得到明显改善。
6.3、FineBI平台常态化监测发现的问题，触发了数字化结案核算工具的开发，原来客户手工收集数据、发起结案，调整为区域统一核算结案，平均结案周期由2个月缩短至1个月，最快9天，人工成本节约50%以上。
三、参赛总结
我们团队基于实际电商体系运营监测与风险识别预警分析需求，利用FineBI搭建分析监测平台，打通电商分销业务数据分析链路，进行常态化运营监测与风险识别预警，借用本次比赛也再度复盘了我们整个项目，主要有以下感悟：
①通过比赛我们复盘工作，在运用中思考，在思考中学习，在学习中将FineBI工具与业务实际需求结合。平台解决了业务管理痛点，也学到了更多专业技能，这使我们在以后的工作中如虎添翼，数据分析更加得心应手
②我们团队作为公司内部帆软应用的主力先锋，本次比赛为我们提供了一次更好的推广机会，助力体系数字化赋能
③本次我们借帆软6.0新版本对公司平台进行升级，提供更多解决数据分析问题的方法，提升效率的同时，无形之中助力了公司的数字化进程
④革命尚未成功，壮士仍需努力，学习之路没有尽头，“学而不思则罔、思而不学则殆“，未来我们将继续与FineBI一同成长，与我们企业一共成长，掌握更新的技能，利用优秀的工具，为公司发展贡献一腔热血与激情
⑤少年以手相牵，不负青春；以梦为马，不负韶华；一起加油、一起进步、一起学习、一起收获！ | 
