作品选题 本次作品选取了运营比较常见的分析场景-“店铺经营分析”做初步探索，后续会基于电商业务的深层次挖掘，逐步完善公司电商分析体系。本次数据来自于自选数据并通过脱敏处理。 一、选手简介 1、选手介绍 （1）团队选手版 团队名称：铿锵三人行 队长介绍：vicent 帆软社区UID104723，目前就职于某服饰电商企业，从事多年技术管理工作，之前一直专注于全渠道，新零售等场景的业务落地，欢迎有共同经历的各位共同探讨。个人近两年比较关注如何通过BI工具将电商分析体系标准化，因近期公司实施帆软BI，有机会将一直以来比较关心的电商场景通过帆软BI工具变落地应用，有兴趣的伙伴也可以共同探讨。 成员介绍： 成员-阿欢，帆软社区UID 1986609，一直从事前端开发，近2年专注于RPA自动化实现，以及数据仓库，BI展现等领域的研究与实践。 成员-人生如梦，帆软社区UID 1140970，多年后端开发经验，对零售行业各系统应用有丰富经验。擅长底层数据处理及建模。 团队组成：同事，有共同爱好，喜欢一起研究新东西，三人行必有我师，共同学习共同进步。 2、参赛初衷 1、公司实施了帆软BI，从实际应用效果来看，运营及商品部门对分析的需求较多，但对于如何应用BI工具去做公司级比较完善的分析体系，没有很好的方向。从IT角度去看，必须对业务有深入的了解，并利用BI工具将分析应用到实际场景中，才能做出符合公司要求的分析决策体系。希望通过比赛实践提升BI工具的使用技能和技巧。 2、希望通过实际的操作，加深对业务的了解，为运营提供更好的数据支持。 3、同时希望和更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞。学习各路大神的分析思路，并应用到实际工作中，为公司的分析体系建立，贡献自己的微薄之力！ 二、作品介绍 1、业务背景/需求痛点 业务背景： 铁打的营盘流水的兵，电商行业较高的人员流动给大多数电商公司的数据沉淀、积累，造成极大的挑战，不同的运营人员，有不同的数据分析思路，且大多是表哥表姐，喜欢本地化操作，公司层级的数据分析体系很难建立。一波人员流失后，数据可能会随人员流动而流失。如何将运营数据清洗入仓，通过建立完善的数据模型，让用户做到即拉即用，随时可拉取到所需要的数据，并通过丰富的图表图形，自助的方式建立分析模板，是当前很多公司比较关注的。 需求痛点： 1，各部门数据源头不统一，口径不统一，很难达到数据标准化，无法充分发挥数据价值。 2，大部分数据的收集通过手工完成，很难形成历史数据的对比分析，孤立的看数据很难看到业务的本质规律。 3，不同平台的数据来自于不同运营小组，公司负责人很难从全局上总览公司数据。 2、数据来源 自选数据：总共有4个表，商品交易表，销售目标表，退货表，退款原因表，部分数据已提前处理脱敏 3、分析思路 分析导图： 围绕经营分析主题，拆解出单店模型，从核心经营指标，销售概况，品类占比，退货分析几个维度对经营情况做相对完整的分析，实际工作中可根据业务需要进行其他分析主题的扩充，本案例旨在抛转引玉，以理清思路为主旨。 作品中使用了指标卡，帕累托分析，趋势图，漏斗模型，饼图，散点图，堆积图，词云，明细表等没分析模型和图表来更直观的展现分析结果。 4、数据处理 1.店铺商品数据，在BI中利用文本函数对款号进行二次脱敏处理2.销售目标，数据到天到月3.商品退款原因4退款明细，在BI中利用文本函数对数据进行二次脱敏处理 5、可视化报告 （1）店铺经营核心指标分析 作品的思路来源于，运营同学日常工作中，由于各自的习惯不同，数据基本上属于本地化，很少在线化，对其他部门对数据的应用，很不方便。通过本次对店铺重点指标的在线化，能让运营负责人及旁系部门对运营的整体销售额，指标达成率以客单价，转化率，客单件等核心指标，对店铺的整体运营有个整体了解。并且通过各个细分指标的分析，了解各环节的问题，明确后续的优化方向。 通过对商品品类帕累托分析，找到售卖较好及较差商品，提供数据支持，以便运营有针对性调整营销策略。 通过一个月的销售趋势图可以看出7.11号销售情况异常，可以给到运营指导，分析当天销售情况，寻找销售异常原因，有针对性复盘，并优化调整。 从用户行为转化漏斗可以看出，流量转化情况非常不好，从访客到加购转化情况差，需要深入分析流量来源及页面浏览深度情况及时调整页面、优化营销策略。 通过商品品类占比分析，找到销售较好品类，针对性的进行补货，确保销售可持续性。尤其针对销售TOP10的商品，做好连带拉动店铺其他商品销售。针对销售较差品类，分析品类的曝光情况及转化情况，做有针对性调整。 通过对商品的毛利情况分析，找到销售较好的高毛利商品，做好营销承接，持续拉动销售，针对毛利情况较差商品，及时做好折扣调整。 从店铺退款情况分析可以看出，店铺近期退款较高，主要原因来自于商品问题，价格问题，物流问题。需要及时找到明确原因，调整服务方向，优化商品，减少退货。 通过对退款原因明细及单品分析，找到具体问题商品，针对性调整。 （2）通过分析得出的结论： 通过本次对店铺几个维度的分析，可得出店铺基本情况如下： 1，基本完成指标目标，各项核心指标在正常范围内。 2，店铺商品运营有较大提升空间，后期可针对利润款及低毛利款做针对性措施。 3，店铺流量层面需要重点关注，提升转化情况，以达到店铺业绩全面提升。 4，店铺退款情况不好，高于行业平均值，需要关注重点款。 （3）最终结果呈现的页面布局 三、参赛总结 1、FineBI工具 工具使用总结： 6.0相比较5.0而言，操作更便捷，更顺滑... 希望平台上更多些行业实操案例，能帮助数据分析初学者更快上手。. 2、参赛总结 本次参赛本着学习的态度，因时间有限，未能从更全面的角度去分析，稍有遗憾，但从0开始，能做完这件事已属不易。感谢大赛组委会，祝各位参赛选手都能学有所得！