|
（1）个人介绍
帆软社区用户名:Mastkang。
目前就职于某小家电电商公司，从事职业电商运营。
个人感兴趣的方向是数据分析，精细化运营，编程。
（2）学习初衷
通过数据抓取-数据清洗-数据分析-数据可视化的链路学习，接触了 powerBI、Tableau、FineBI后由于公司内部是使用的FineBI，决定从FineBI 入手学习BI工具的使用。通过链路的学习以及扎实的业务经验，考虑往业务数据分析师方向转型。
（3）作品简介
需求痛点:
和鲸共享的来源于kaggle的业务数据集，业务痛点:提供数据集 的作者并未对数据集进行预处理、同时未对数据集字段进行解释。需要对几个表进行数据探索和分析。
数据来源:
和鲸平台分享数据集，数据源kaggle，一共4个表。全国订单表 （店铺月维度的订单数及会员订单数），门店信息表（记录门店的详细信息），会员信息表（记录会员的信息），会员消费表（会员的消费订单明细）。
分析思路:
对数据表进行字段的含义定义，确定表关系，根据现有的数据集 进行分析方向的拆解。拆解完毕确定以会员消费明细表数据为基础对数据集 进行数据探索和分析。主要分析方向为会员消费的现状以及画像分析，门店的布局现状以及对会员体验的影响。
使用的分析方法：趋势分析，TOP分析，分布分析。
数据处理:
由于本次项目是针对FineBI的项目，所以未使用python对数据 集进行预处理，尽量通过FineBI自带的功能进行数据的清洗与加工。
问题1、经数据探索，卡号不能作为客户唯一值，不同门店不同客户有可能对应的是同一卡号，所以使用卡号+门店来作为客户的唯一标识。
问题2、由于会员消费表中，订单数据会重复产生明细，当前积分为订单产生后的积分，获得订单前的积分需要获得用户上一次的购买订单信息。通过复制表以及分组汇总，获得订单对应用户的购买次数，再通过函数获得用户消费前积分。
可视化报告:
数据含义与排版布局
会员消费明细分析，指标卡呈现消费金额以及退款金额，饼图呈现订单的金额分布比例，柱形图对比会员时间区间内累积的消费次数以及会员月消费的对比
会员画像分析板块，饼图呈现会员的年龄段以及渠道引入的会员比例，柱形图说明会员当前剩余的积分分布以及会员消费的尺码款式TOP10分析，并加以联动，可以联动分析不同年龄段客户购买的产品尺码倾向。
业务输出
观察年龄以及TOP10热销产品以及尺码分析---通过热销款式以及会员消费尺码偏好推出更多面向各年龄段的产品。
观察不同渠道引入的会员等级比例分析---线下扫码渠道可以加大会员入会的福利力度吸引更多线下客户成为会员。
观察用户的当前积分分布，以及客户积分与消费金额的关联---设置更多低积分的玩法，让会员积分系统覆盖到中低积分，吸引用户消费。
观察门店装修分布以及装修与会员消费金额的关联---根据门店所处商圈类别、商圈等级调整店铺装修，提升会员购物体验增加平均消费金额。
（4）学习总结
学习经历
通过本次课程的学习，了解到了FineBI大部分功能。并且也有对应的案例和题目进行深入的应用。课程的节奏前期较为轻松，后期节奏比较快，加上年后日常工作比较忙，经常需要加钟学习。
个人成长
掌握了更多使用FineBI处理数据的能力，以及数据的分析思路，数据可视化的规则等能力。最让我印象深刻的内容是FineBI的函数使用，通过函数能灵活的构建自己想呈现的数据。学习的初衷基本达成，对考下FCP考试比较有信心。后续学习计划是学习了解统计学，继续提高自己的数据分析能力。
| 
