【2023BI数据分析大赛】房地产寒冬中的破局之策（数据洞察与战略投资分析）
背景介绍：
当前是房地产的寒冬时刻，作为房地产公司DFDC的战略投资部门的经理，在公司刚刚召开的半年度工作总结上，财务部门数据表明上半年公司的销售额同比下降了50%，这引起了老板的极度担忧，老板让战略投资部门对公司的业务展开分析，深入了解房地产市场情况，并与标杆企业进行对比，找到公司经营状况不佳的原因，并给出公司未来的战略投资布局建议。
一、选手简介
1、团队介绍
⚫团队名称：爱数据社区-冉冉新星
⚫队长介绍：Evna,数据分析师，积极主动派，实践出真知，想借本次竞赛了解优秀的作品，向优秀的人学习，口头禅：干就完事。平日喜欢跑步、羽毛球、骑行、飞盘。
⚫成员介绍：
⚪Illiya-IT，项目经理，项目管理，将快要黄的项目力挽狂澜。
⚪via via，从事数字产业相关领域，岗位是数据产品经理，主要是做数据产品规划。喜欢旅行、剧本杀等游戏，希望通过参加数据分析比赛，多结识志同道合的小伙伴，相互学习，共同进步，成为更优秀的自己。
⚪李子，天然气行业，岗位市场部项目经理，经常做公文写作，项目管理，同时对天然气非居民客户做市场调研和分析，希望通过参加数据分析比赛，多结识志同道合的小伙伴，向伙伴及数据分析领域前辈学习。
⚫团队组成：因finebi数据分析线下讨论会结识。
2、参赛初衷
⚫掌握数据分析新思路、新方法。深入业务，指导业务，结合到日常工作中，增强个人的判断能力，提高工作效率。
⚫提升BI工具的使用技巧和熟练度。带着增强自身创新能力的想法，通过看视频学习的数据分析技能，需要实践的机会。参加比赛真实参与一个数据分析项目，在项目分析探索的路上发现问题，查找原因，解决问题。
⚫学习前辈的数据分析思路、数据处理方法、可视化技巧。多学习以往参赛的优秀作品，有助于系统梳理数据分析的知识体系、技能要点。
二、作品介绍
前言
以房地产行业的数据分析作为团队的选题，主要原因是团队中有成员此前服务过一些头部的房地产开发商，帮助其投研部门进行数据分析产品的规划。深刻理解传统行业也在积极寻求新的数据分析工具，并且具有较强的付费意愿。房地产开发商希望通过数据分析，结合内外部的数据，更好地了解业务经营现状、市场供需、市场趋势和竞争状况，理解和掌握房地产市场规律，为房地产开发商提供更科学的投资和经营决策参考，进而改变“拍脑袋”和“经验判断”的投资和经营决策习惯。
1、业务背景/需求痛点
1.1 业务背景介绍
在过去的几十年中，房地产行业成为了中国经济增长的主要推动力之一，从高速发展到全民投资热潮，再到疫情低谷，房地产行业的变化引人注目。
在房地产的高速发展期，购置房产成为很多市民的一种相对保值风险较低的的投资方式。但是，随着疫情的爆发和持续，房地产市场遭受了巨大的冲击，房地产开发商陷入困境。疫情过后，原以为会恢复活力的房地产行业，DFDC企业却增长复苏乏力，DFDC企业房地产开发商仍然面临经营困境和市场的不确定性。
在如此严峻的形势下，房地产开发商相关部门，尤其是战略投资部门，需要进行全面、深入、动态、科学的数据洞察，定期对内外部数据进行收集、分析和挖掘，发现数据中隐藏的价值和规律，以帮助企业更好地了解公司经营现状、市场环境、客户需求、竞争对手情况，进而帮助企业找到市场空白、优化资产配置、规划业务布局，为企业的战略投资提供决策支持。
1.2 需求痛点分析
房地产开放商的战略投资部门进行经营和投资决策分析，需要定期动态的进行数据处理、数据分析，出具分析报告。由于涉及的数据维度比较多，往往出具一份报告需要花费大量的时间进行数据整合、清洗、绘制图表，并且一些数据分析需要专业的数据处理技能，不会代码的业务人员很难完成，所以急需简单、方便、易上手的BI工具帮助进行数据整合和清洗，配置动态可视化的报表，避免大量重复性的基础劳动，快速进行数据更新，呈现复杂的业务分析结论。
1.3 主要问题分析
根据对房地产企业客户的调研发现，战略投资部门不仅要关注公司本身的经营现状，深入分析公司的业务区域布局、产品布局等，还需要对市场环境、竞争对手进行全面的分析，把握市场供需变化，洞察区域投资潜力，对比竞争对手，找出自身的优势和不足，进而制定科学有效的投资策略。因此，本选题主要从寻找公司销售业绩下滑切入，一步步寻根溯源，找出内外部原因，给出行之有效的决策建议。
因此，本选题重点解决以下问题：
⚫了解公司经营的现状情况，拆解销售业绩相关指标，分析时间趋势上和空间维度上的变化规律；
⚫分析公司内部业务经营情况，找出其拿地面积、项目数和年销售总面积在城市等级维度、城市维度、空间维度、土地用途类别、产品类别占比分析；
⚫了解市场大环境行业发展趋势，从市场供需分析中，找出产品、区域市场的投资潜力；对比竞争对手，看看公司的劣势在哪里？
⚫对公司的未来业务的区域城市布局、产品布局、经营策略、成本管理等方面，提供合理的建议策略。
2、数据来源
⚫企业数据：根据分析框架，梳理企业相关数据，包括企业销售数据、开发项目数据、拿地数据及成本利润数据、业内标杆企业销售业绩成本数据等。企业名称已经脱敏处理，关键字段if函数替换。
⚫自选数据：对公开数据资源进行整理，主要包括城市常住人口、城镇居民可支配收入、土地挂牌均价、房地产供给数据等。
3、分析思路
3.1 分析方向思考
⚫报告对象：公司领导
⚫报告对象需求：找到公司销售业绩不佳的原因，并对公司未来战略投资布局给出合理建议。
⚫报告使用场景：
⚪支撑公司战略布局规划调整；
⚪支撑公司领导重大决策；
⚪支撑公司内控管理制度制定。
⚫报告框架构思：
⚪现状困境：了解销售额下降具体表现是销售量下降还是销售均价下降，通过时间趋势分析，看清指标变化走势；通过空间布局分析，了解公司的区域业绩变化情况。
⚪寻根问源：由内及外，利用因果分析法，层层剖析。内部业务运营分析围绕“空间-产品-客群”（即“人货场”）的分析维度展开；外部分析从宏观大环境的供需关系分析到微观竞争对手的对标分析，全面深入的找出销售业绩不佳的背后原因。
⚪出谋划策：综合内外部原因，从市场定位、产品定位、经营策略等方面给出合理建议，以实现公司的长期发展和盈利目标。
DFDC房地产寒冬中的破局之策-数据洞察与战略投资分析.pdf (10.03 M)
3.2 指标口径确定
3.3 分析方法选择
⚫因果分析法：从结果推导原因，找出销售业绩影响因素；
⚫趋势分析法：看数据指标趋势变化；
⚫对比分析法：横向对比看同比变化；纵向对比同行业竞争对手，看差异；
⚫交叉分析法：对数据从多个维度进行交叉展现，比如分析不同产品时间变化趋势、不同项目空间布局变化趋势；
⚫象限分析法：分区域潜力分析，找出城市进入价值洼地；
⚫TOP分析：找到重点布局城市；
4、数据处理
4.1 相关标签界定
4.2 数据处理逻辑
所有数据采集自数据平台，直接从平台导出的数据为不规范二维表，格式为.xlsx。为便于后续BI可视化分析，按照数据处理通常做法，对数据进行了以下处理。
⚫数据清洗，包括转一维表，统一字段名称，并表，去重，填充缺失值及清除异常值等步骤；
⚫数据建模，在所有事实表清洗完成后，建立维度表，并在BI中建立表关系，方便后续调用多表分析，避免同表一直增加表宽；
⚫新建度量值，增加进一步分析所需指标。
4.2.1 数据清洗
⚫将多为表行列转置一维表，操作步骤如下：
①下载数据为二维表，如下表“可支配收入”数值处于透视状态。
②行列转置，对被透视的“湖北 荆门”字段选择逆透视列，完成行到列的转变，将二维表处理为一维表。
③拆分列，调整列，修改字段名称即可得到规范的一维表格。
⚫if函数打标签，将均价值根据产品定位进行分类，标签代码逻辑如下：
IF(
${收入房价比}<=1,"奢华"
,IF(${收入房价比}<=2,"高档"
,IF(${收入房价比}<=3,"中档"
,IF(${收入房价比}<=8,"普通"
,"其他"
))))
⚫右并表
在FineBI 6.0.0中FACT_事实表已与DIM_城市维度表相关联，无法与新建的DIM_日期维度表相关联，期待FineBI能早日上线事实表与多张维度表建立N:1关系。故利用右表合并，将主表维度表与多个事实表合并，以确保日期字段数据齐全。
操作步骤如下，具体操作步骤及原因可跳转详情查看https://help.fanruan.com/finebi/doc-view-512.html#ebb0c54ff4d3ebc7
①点击其中要合并的表的其中一张表，来合并FACT_DFDC拿地明细表和DIM_时间维度表。
②点击“左右合并”。
③点击另一张要合并的表。
④勾选要合并的字段，因为事实表需要合并时间维度，故为拓宽时间值，只选择一个和事实表__时间格式一致的Date字段。
⑤点击“确认”，告诉FineBI需要的值已勾选。
⑥此表关联时间表是缺失部分时间数据，故选择在右边位置的时间表，点击合并方式为右合并。
⚫ 去重、缺失值、异常值处理
对所有表格或者数据使用描述统计，观测异常值，可以平均值填充缺失值或异常值。如下图所述表格（4032条数据）为例，描述统计结果正常，无缺失值，但存在明显异常值。
常住人口最大值为8980000万，明显错误。查询原始数据表格如下图，发现赣州字段的常住人口单位为人而非统一的万人。
同时，原始数据表中存在不少数值与其单位不一致造成异常值的情况，逐表检查后逐一更正。
4.2.2 数据建模
本次数据采集虽然维度及指标较多，但是数据量并不大，表关系并不复杂。所有经过上述清洗过程的表格作为FACT_事实表，为关联DIM_省份维度，方便后续DIM_省份维度分析，建立DIM_省份-城市维度表，与事实表的关系为1：N。
在FineBI中FACT_事实表已与DIM_城市维度表相关联，无法与新建的DIM_日期维度表相关联，故利用右表合并，将主表维度表与多个事实表合并，以确保日期字段数据齐全，右并表具体操作已在上部分4.2.1 数据清洗处详细描述，这里不多赘述。
使用FineBI建立的数据模型如图所示：
4.2.3 新增度量值
5、可视化报告
5.1 数据含义表达和图表排版布局：
5.2 报告内容
5.2.1：Part1-现状困境:DFDC销售业绩现状
展示DFDC销售业绩结果，帮助报告对象了解销售业绩现状，从时间和空间两个视角，了解销售业绩相关指标的时间变化趋势以及城市空间分布情况。
5.2.2：Part2.1-寻根问源:
⚪DFDC业务运营现状分析
通过Part1的分析得知，销售面积大幅下降，需要进一步从DFDC内部经营情况去分析原因。通过对DFDC业务城市布局和产品布局的深入剖析，发现城市布局主要集中在华北等经济发展水平相对较低的城市，产品布局主要集中在住宅和酒店领域，产品客群定位主要是价格亲民的普通产品。
⚪对标企业分析
通过与行业标杆企业进行对比分析，从销售业绩、经营成本、城市布局、产品布局等维度，进一步发现DFDC与标杆企业的差距。
⚪全国市场环境分析
市场供需关系分析：分析全国市场房地产市场供给侧和需求侧情况，构建购买意愿和购买力的分析模型，找出DFDC未来进行城市布局的拿地建议和风险提示。
政策分析
分析全国及各地政府对房地产行业的政策扶持力度，从房贷利率趋势、利好政策类型及不同等级城市利好政策支持力度进行分析，帮助DFDC进行城市布局考量，有效利用各地政策。
5.2.3：Part3-出谋划策:DFDC战略投资建议
根据DFDC现状分析、对标企业分析、全国市场环境分析的结论，从市场定位、产品定位、经营策略三方面给出合理化建议，帮助企业实现逆势增长。
5.3 最终结果呈现的页面布局
DFDC房地产寒冬中的破局之策-数据洞察与战略投资分析.pdf (10.03 M)
三、参赛总结
1、FineBI工具
1.1 优点
⚫自动合并同字段表。在不同表中字段名称和数量一致时，可以直接在FINEBI中合并所有表格。在FINEBI中合并结果与Python合并结果一致，4032条数据。
⚫经纬度区域地图：区域维度匹配准确性高，颜色可选范围较广。
⚫自定义排序、自定义筛选：与EXCEL表格排序操作相似，易上手，能将有序等级划分，让图例依次排列。与PowerBI函数调用相比，直接拖拉拽，降低了使用门槛。
⚫交叉表维度数据对比：与excel透视表相似，以便检查数据异常值。
1.2 小建议
⚫样式添加模板格式化：同一个分析主题里的颜色逻辑一致，使用的组件样式颜色搭配含义一致，如绿色正面信息、红色负面信息，如果颜色样式对应的数值模式能够保存可以节省编辑者一个一个编辑样式的时间，提高工作效率。
⚫组件编辑页字段列“双击重命名”。
⚫悬浮组件组合，以防悬浮组件上方添加组件，悬浮组件与筛选组件各自乱窜。
⚫增加时间下拉筛选组件，可单选/多选，获取年同比截面数据。年同比=（今年年总值-期年年总值）/期年年总值。如下图所示：
⚫折线图标签图例有“延伸线”能出现在标记点或线旁边，目前标签错位显示，没有延伸线，无法直接观察到值与点的对应关系。
三、参赛总结
1、 仪表盘思路总结
通过描述性分析展现现状困境；带着问题，通过诊断性分析进行寻根问源；深入解剖深层次原因，给出指导性意见。
⚫描述性分析主要从时空对比的维度；
⚫诊断性分析从内部到外部，从微观到宏观；
⚫指导性分析从市场、产品、公司的维度。
2、 参赛心路总结
团队共4人，有3位都是第一次接触fineBI，大家都是边学边用，遇到困难，就去看文档，看百度。🤣🤣🤣
我已经把我遇到的都可克服了，只还记得自己把组件做好后的手舞足蹈，还有给自己的彩虹屁，“我就个天才”，有些臭不要脸，这些彩虹屁，是遇到下一个困难时，继续解决问题的动力，要不然越弄越沮丧，因为困难太多了，呜呜呜呜呜😭😭😭😭~下面有我淌过的最大水坑--计算求和出上半年的总值，然后对比去年上半年的总值，求同比，看同比增长率。
⚫半年年同比率计算
销售额数据是截至到了2023年6月30日，组件需要看的都是上半年同比率值，用上半年同比值率看半年年同比，而finebi没有半年维度。
方式一：复制指标、明细过滤（上半年时间）、聚合（求和或平均）、同比增长值/同比期值
目的：得到固定年份的截面半年年同比率值
半年年同比增长率=本期上半年年总值/同期上半年年总值*100%-1
逻辑确认好后，同样的操作落实到每需要的用的表中，为了得到上半年同比增长率，需要同时新建三个计算字段，固定年份的截面半年年同比率值搞定，如下图所示：
可是不行😭，因为需要看4年时间趋势同比图表，需要4年的半年年同比比值，系统里的本期年年总值，即12个月的求和总值，而半年的总值是计算前6个月的半年总值，矛盾点来了，趋势图表值与对应截断的半年年同比不一致，如下图所示：
方式二：另建数据集，整体数据筛选掉所有下半年的数据来展现，可向上翻阅数据原型图的part1现状困境图。
目的：得到时间趋势线上4年的半年维度年同比比率
⚫利用FineBI手册和搜索引擎，看FineBI官方教程
输入关键词进行搜索，如：地图角色直辖市匹配不上，去FineBI帮助手册6.0搜索关键词下载JSON数据包。
❤️感谢这些可爱的人，很幸运能遇到你们~~~
我要感恩的对象就是我的队友们和指导老师对我发出的邀请都接受的同时，还给我各种数据支持、数据分析思维讲解、数据开发流程规范化、数据美化颜色取值赋予意义的各个环节的安全感，我们下班后相聚对项目，回到家里凌晨1点时看群里数据洗出来了没有，李子刚好把表发出来。原预期觉得对方可能要明天弄出来，没想到对方在线正在弄，知道对方与自己统一战线，相互支持，在自己预期内能完成，极大地缓解了焦虑。还有陪Illiya通宵制作美化报表，和via via 一起语音对线了解分析思路……还有我的爱数据指导老师对我各个优化点的详细说明……
还有向我发出邀请的Suri老师，我参加finebi数据分析线下讨论才有了这次团队组建的开始……
特别感谢🎉🎉🎉，当我有对比赛项目进程内容什么疑问，都会及时回复的帆软比赛苏茜老师……哈哈哈就这么多吧，估计没什么人看到这，有的话，记得留下你的网络痕迹，评论点赞，让我知道网线的哪一端有你的存在~
路漫漫其修远兮，吾将上下而求索……
