一、选手简介 1.选手介绍 哈喽，大家好！我是帆软社区用户Karen123，是一名大二学生，喜欢数据分析，在校期间已参加过5次有关数据分析的竞赛，其中包含第三届“帆软杯”全国高校数据分析与应用联赛。今年挑战“第四届-FineBI数据分析大赛”！ 2.参赛初衷 此次参赛希望进一步在竞赛实践中不断打磨提升自己的数据分析能力与水平，提升BI工具的使用方法和技巧，并且期待能与FineBI大神交流学习，获得宝贵知识与经验。 二、作品介绍 1.业务背景 1.1背景介绍 随着信息技术和互联网的发展，中国的零售产业面临数字化升级再造，正逐步形成更高效的、实体零售与虚拟零售之间无缝对接的新零售业态。目前，中国零售市场整体保持快速发展，且呈现多个发展态势，例如消费者地位提升和零售商的地理边界扩大等。 现对获取的某棒球零售企业其中3年的订单数据，从企业经营状况、市场、商品、客户四个维度进行统计分析，为企业经营管理者提供决策依据。 1.2需求痛点 利润下降 成本上升,“薄利”依然存在,“多销”难以为继。 一直以来,我国零售业的发展缺乏中长期战略发展的现象比较严重。 2.数据来源 数据来源于和鲸社区-客户购物订单数据 3.分析思路 3.1分析方法 基于当前市场环境，首先采用5W2H分析法全面了解企业经营情况，进而，通过利用人货场理论模型从不同维度展开详细分析。 What（分析目的）：为企业管理者提供有效的决策和判断 Why（为什么）：企业生存第一要务：创造更高的销售业绩 Who（分析对象）：某棒球零售企业 When（数据日期）：某3年销售数据 Where（企业销售范围）：中国、韩国、新加坡 How（怎么做）：促销战略 How much（多少）：实现利润最大化 3.2分析导图 4. 数据清洗与预处理 4.1数据清洗：经过对数据进行审查与校验，所获原数据中不存在脏数据，无需再进行数据清洗。 4.2数据预处理： 字段设置：数据类型转换，将数值型“交易类型”字段转换为文本型 字段设置：修改字段名称，将原数据表中的“产品类别”修改为“大类商品”、将“产品名称”修改为“小类商品”，便于后续对商品进行品类结构分析。 （3）新增列：为后续从商品维度对其展开价格分析，现根据表中“单价”列数据新增公式列，使之生成相同范围的多个价格段。 价格段=IF((单价)<=200,"0-200元",IF((单价)<=400,"201-400元",IF((单价)<=600,"401-600元",IF((单价)<=800,"601-800元",IF((单价)<=1000,"801-1000元","1000元以上"))))) 新增列：什么是好指标？一份数据中的好指标是核心驱动指标，即比例或比率。因此，根据现有的“利润”列、“销售金额”列，新增公式列为“利润率”，帮助更好地分析企业或商品的盈利水平。 利润率=利润/销售金额*100% 5. 可视化报告 5.1 KPI指标卡——企业经营状况良好 从上述指标卡得知，该企业在三年内商品订单量总计6万余件，共销售3874.88万元，利润率高达42.30%。可见，从整体经营状况来看，企业盈利能力强，经营状况良好。 5.2 市场分析——中国销售位列第一 我国是人口大国，客户数远超韩国、新加坡两国，销售额在三个国家中位列第一，占比高达75.30%，人口数量庞大的特点为企业在国内销售额上带来了一定的优势。 5.2 市场分析——东北区及中部地区销售异常 数据统计，东南、西南、西北三大区销售金额均高于平均值，销售数据可观，判断为高销大区。其中东南区销售金额与利润均为最高，销售金额高达1506.76万元，利润达到611.96万元，相较于第二名西南区高出近2倍。反观东北区及中部地区的销售情况，两大区销售额合计不足5万元，销售异常，判断为低销大区，需进一步追踪核查。 5.2 市场分析——低销大区与高销大区订单量差距悬殊 从国内各大区大类商品的订单量来看，东北区与中部地区的订单量统计最高仅达到两位数，最低的为中部地区的球类商品，订单量总计仅2件，与其余三大区的订单量相比相差百余倍乃至上千倍，差距悬殊。 5.3 商品分析——配件是最受欢迎类型 从品类结构占比来看，配件类商品销售占比高达59.76%，球类与服装类商品分别占25.17%、15.07%，客群需求集中度明显，主要以配件类商品为主，服装类商品需求较低。 5.3 商品分析——配件类商品需求量大，客户为之消费意愿强 结合上下两幅数据图，商品单价与销售金额呈现正相关，且配件类商品单价与订单数量都远超服装、球类商品，因此其销售额也最高；若需带动销售总额的增长，可初步考虑提高后两类商品订单量。 5.3 商品分析——服装、球类商品盈利性较高 数据统计，配件类商品利润仍占据第一，但从商品利润率来看，配件类商品利润率则较低，利润率低于40%，反之后两类商品的利润率则高于40%。因此，提高总利润的关键策略之一同样在于提高服装、球类商品的销量，从而逐步实现利润的最大化。 5.3 商品分析——个别商品出现“薄利多销”现象 在订单量前10的小类商品中，包含个别低利润率商品，该类商品能带来较高销售额，但很难赚取高额利润。此时，可考虑调整销售方向，重点关注高利润率（利润率均高于40%）商品的销售。同时，在销售中可考虑将这些高利润率商品搭配同类低利润率或低销商品进行销售，以搭配卖的形式进一步提高企业利润的增长。 5.3商品分析——配件类商品价格线偏多 除了关注商品利润率之外，商品的价格同样是销售过程的关注点。对于一个品类来讲,价格线不必过多。从上图可知，球类商品集中在低价格段，且仅有一个价格段，反之配件类商品则在各价格段中均有销售，因此，可适当减少个别价格段商品，消费者在选择中，也可以减少混肴，便于挑选。 5.3 商品分析——A类商品种数少，C类商品种数多 ABC 分类法全称应为 ABC 分类库存控制法，又称帕累托分析法，平常也称之为“二八法则”，是根据事物在技术或经济方面的主要特征，进行分类排队，分清重点和一般，从而有区别地确定管理方式。它把被分析的对象分成 A、B、C 三类，三类物品没有明确的划分数值界限。 A 类物品非常重要 数量占比少，价值占比大 B 类物品比较重要 没有A类物品那么重要，介于 A、C 之间 C 类物品一般重要 数量占比大但价值占比很小 据统计显示，该企业A类商品仅棒球手套1种商品，B类商品则包含球棒与球棒袋、头盔2种商品，其余14种商品均属于C类商品，需对C类商品进行重新评估,考虑是否可以降低库存量或淘汰一些不必要的商品。 5.4 客户分析——客户消费意愿与消费能力均较强 该企业客户只要来源于东南区，其余地区客户数差距较小。从18484位客户中筛选出订单量前10的客户进行分析，统计出前10位客户的平均订单量在61件，平均消费金额达到6.31万元，消费金额进一步反映出其消费能力和消费意愿。 5.4 客户分析——客户交易类型集中 从上图可知，客户喜好交易类型为1，使用该交易类型的销售金额达到2755.42万元，是其余两种交易类型销售金额的近5倍。 6. 仪表盘展示 公共链接：https://bisolutions.fanruan.com/webroot/decision/link/CPwX 三、参赛总结 1.FineBI工具 这是第一次使用Finebi6.0版本，往年参赛使用的是5.0版本，因此在使用过程中也察觉到部分区域位置有调整，对于数据处理模块也可能会相对陌生点，但也大同小异，能较快上手。另外就是对于字段类型的转换，6.0版本的字段类型会关联到其余图表，而不能独立分开实现操作，会有些不方便。 2.参赛总结 以往参赛均已团队形式参加，此次比赛初次尝试个人战，也许少了团队的协作，思考的方向没那么全面，但也锻炼了我独立思考的能力，整份作品完善下来，自己的收获也是颇多。在分析过程中，为使整个分析逻辑能够更通顺，分析思路的搭建花费的时间会较长，同时也会碰到思维卡顿的时候，但在攻克难题的过程中，也会觉得自己又学到了新的知识，老话说：“学习使人进步”，所以，我也享受自己每一个进步的过程。