1 学习初衷之前最早知道听别人说到过，大概的了解了一下，还没完全弄懂就没有使用了。后面一天，我看到关注的公众号上有一个冬季挑战赛，都可以参加，就想着要提升提升自己，也是打算以后从事相关的工作，多学习一点也是好的，正好增加一下我做数据分析报告的能力，于是报名了，并且坚持做完了，虽然效果不怎么好，后面得了个优秀参与奖，就把那个培训奖金拿来BI培训，很幸运有一个机会可以参加学习，也为了能够FCBP认证。2 学习经历按说作业的魔力真大，每次看完讲解视频，大部分时间一有空就想着去完成作业，在finebi里各种点点点，有时候跑到群里面看看大家的进度，看看大家的问题，问问自己的答案，能感受到大家一起共同学习进步。只要有问题老师们很认真的回答，尽量不漏过一个问题，仅有一点，fineBI版本使用上有一点小小的缺陷，安装了两个程序会显示两个，卸载了原来的程序，结果数据都没了，可惜了我的数据。3 学习成果3.1 个人成长l 掌握了FineBI仪表板所有的使用方法，了解了数据分析的基本流程。l 最印象深刻的是，通过数据加工，过滤期初期末的数据，那个图表真是花了些时间。l 目标达成：已经会用fineBI做一份数据分析报告了，完成了初衷l 我相信自己能够拿下FCBPl 几周自己坚持了下来，相信对我未来也是一个极大的鼓舞3.2 工作应用场景案例包括以下内容：l 业务分析场景应用介绍公司发布了上个月的销售报告，据统计发现8月份毛利率下滑，需分析8月份毛利率下滑的原因l 各个组件的业务含义从地区，门店，商品品类，具体的商品等维度分析毛利率下滑的原因地区分布地图：显示毛利率分布的区域，及最低毛利率所在的区域门店条形分布图：各门店毛利率的情况，定位哪个门店出现异常品类/商品想象分布图：突出哪一品类/商品出现异常。商品销售明细表：定位详细的销售异常订单。141823l 通过观测发现问题通过分析发现8月1日，长沙梅溪湖店零食品类的德芙巧克力的两笔订单出现异常。发现问题后，立即将相关数据交由审计部分进一步核查。l 对业务工作的指导意义/对企业发展决策的价值并且为了预防此类问题再次出现，我们考虑将以上的分析过程常规化，通过地区，门店以及品类商品来作为监测维度，通过毛利率与销量预警线的设置，设立每个品类商品的预警模型，监测监测高销量低毛利率的情况。4 小结感谢各个老师，助教让我能够深层的了解FineBI的结构，及使用，现在几乎能够熟练使用软件，能够独立完成数据分析报告。

1.选手简介 1.1.选手介绍帆软社区用户名：yaho职业简介：目前待业状态，之前是公司的数据分析师。 1.2.参赛初衷在参加BI可视化冬季挑战赛之前，了解到fineBI，自己试用了fineBI，很方便好用，这次参赛希望能够通过比赛考验下自己数据分析的能力，也想在挑战赛中得到帆软的一些老师的指导，向其他的大佬学习分析思维。 2.场景介绍 2.1.背景介绍&数据来源 业务背景：本次大赛的主要目的是分析某互联网用户行为，包括那种营销推广渠道更好，新老用户的停留时间以及用户的性别年龄水平等，为该公司总经理做明年的规划提供数据和决策思路。 数据来源：使用官方提供的参考数据：数据7：互联网公司用户行为分析。 2.2.分析思路拿到数据后，首先研究用户行为分析的三大主要分析方向及其延伸的分析主题，然后仔细观察相应数据及是否有异常，进行数据加工，最后制作仪表盘。 根据用户行为表现，可以分为三类指标：黏性指标、活跃指标和产出指标。 产出指标：主要衡量用户创造的直接价值输出，比如页面浏览量PV、独立访客数UV、点击次数、跳出次数、总停留时间、消费频次、用户数等。 活跃指标：主要考察的是用户访问的参与度，比如活跃用户、新增用户、平均停留时长等。 粘性指标：主要关注用户周期内持续访问的情况，比如新用户数与比例、活跃用户数与比例、用户转化率、用户留存率。 以下从几个角度对用户行为进行分析。 用户行为趋势分析：统计时间内用户浏览量趋势，每月用户的浏览量，每月成交频次。 用户性别年龄分析：用户年龄分布（哪个年龄段浏览量，用户数情况），用户性别分布。 用户渠道、地区分布：用户来源渠道分布情况，各渠道占比，各地区浏览分布，不同地区渠道分布各地区成交的用户来源于哪些渠道。 用户类型、访问平台分析：每月用户数变化趋势，新老用户分布占比，用户浏览分布情况（哪些用户浏览多，哪些少），不同用户类型各平台分布。 用户转化分析：页面各阶段转化情况，不同渠道、不同访问平台，各用户类型转化率 用户留存分析：当日留存率，月留存率等，用户活跃率。 2.3.数据整理2.3.1合并表格添加自助数据集，将两统计表合并，方便制作可视化仪表盘。 2.3.2空值处理 将一级渠道名，二级渠道名列新建列，将空值赋值为其他，并过滤掉原列 将年龄字段空值过滤掉 2.3.3异常值过滤将地区属性中错误字段过滤，包括：不详市，县，区等139008 2.3.4漏斗转化数据集 2.3.5过滤字段 过滤注册日期字段，此日期在统计日期之后，为问题字段，删除 2.3.6新增列 新增用户最早统计时间列，即将每个用户最早的统计时间作为时间起点分析留存率。此过程是在Excel中完成，再将字段与用户访问统计数据集合并。 新增时间统计差 139009 2.4.完成分析报告 2.4.1用户访问趋势分析从浏览趋势图上看，每日浏览量基本平稳，在平均值上下波动，但有三个时间段浏览量明显增加，分别为国庆节，圣诞节，情人节，或为节假日期间消费需求增加，或为这三个时间段进行了营销推广。10月，12月，2月用户浏览量较高，是节假日引起当月浏览量增加。138944138949 2.4.2用户性别年龄分析从用户年龄分布图看，网站用户年龄在20岁，21岁，23岁，30岁，31岁访问页面人数最多，浏览量/访问次数/跳出次数也相对高，年轻用户较活跃，说明平台主要用户为15-43岁年轻人群。根据用户性别分布图看，女性用户较男性活跃，女性用户浏览量占54.62%，访问次数占55.39%，跳出次数占53.95%，女性用户人数也较男性多，占53.85%，但网站男女用户分布差异不大。138951138954 2.4.3用户渠道、地区分布从访问用户渠道分布看，访问用户主要来源于线上渠道、新媒体渠道，来源于新媒体渠道的用户总浏览量最多，其中，线上渠道的基础上线工作浏览量最多，占总体的20.66%，新媒体渠道的轮台、贴吧推广，微信推广，品牌基础推广，微博推广浏览量也较多，这五个渠道占总体的77.8%，因此，营销推广可主要针对新媒体渠道和线上渠道。由各地区访问分布看，来自东莞市的用户浏览量最多。如上不同地区各渠道浏览量top10分布图，可以知道以上几个地区对应渠道的浏览最多。根据各地区成交用户渠道分布图，列出各地区成交用户的对应渠道来源，发现基本上每个地区成交的用户来源渠道唯一，其他的渠道可能只看不买。138971138972138973138974138975 2.4.4用户类型、访问平台分析根据每月新老用户变化趋势图，到2016.5新用户，老用户，VIP用户数急剧下降，返回原数据发现数据截止2016.5.2，并不能说明用户流失。看新老用户占比情况，新用户用户数最多，占47.35%，浏览量最多，占46.86%，近乎全用户的一半。VIP浏览量仅占16.29%，用户数仅占比15.15%，是用户数较少导致的浏览量少。从用户访问分布图显示呈现浏览量top10的用户及浏览量最少的10个用户，浏览量最多的10个用户为重点用户。从不同用户类型访问平台分布看，用户访问平台停留时间为IOS>Android>移动浏览器，数据显示主要访问平台为IOS和Android，移动浏览器访问较少，各访问平台停留时间均为新用户>老用户>VIP用户，与客户总体分布一致。138977138978138979138980 2.4.5用户转化分析用户转化漏斗图展示访问操作各阶段用户数及转化率，可以看出，从搜索阶段到添加购物车，用户转化率为51.22%，从下单到付款转化率为50%，用户成交率主要是这两个阶段转化减半导致的，增加这两个阶段的转化率，可增加成交量。从不同渠道搜索-交易成功转化率表格，可以看出，其他渠道虽访客数少，但成交转化率最高，手机厂商预装，行货店面，微博推广渠道成交转化率也高。从平台成交转化率看，IOS和Android Q平台成交转化率稍高。138982138983138984 2.4.6用户留存分析从用户留存率情况看，当日留存率高，第一月内及第五月内没有用户留存，其他情况均有用户留存，数据截止2016.5.2，第九月内因数据不完整导致，没有明显的用户流失情况。根据用户活跃分布图，用户在10月，12月，2月最活跃。138986138987 2.4.7完整仪表盘139006 2.5.总结带着目的去观察数据，发现异常，明确分析方向，分析内容，再去制作仪表盘，这一过程很重要，不然会做一些重复工作，浪费时间。 140362