1.选手简介 1.1.选手介绍 帆软社区用户名：uid273725 职业简介：现就职于某银行某业务部门，日常负责数据分析工作。 1.2.参赛初衷 平常工作经常会用FineBI来处理业务数据的展示，想尝试工作以外的一些主题，得出一些有趣的结论。 看看牛人的作品有什么可以学习的地方。 2.场景介绍 2.1.业务背景介绍&数据来源 背景：Netflix已经成为世界上大型的电视剧和电影制片公司之一，用户数量超过了美国所有有线电视频道的总和，我们也经常会追一些Netflix出品的美剧。通过分析Netflix近几年的影片数据，尝试得出一些结论。 数据来源：Kaggle，使用netflix关键字搜索。选择两个数据，netflix_with_ratings和NFLX_stock。 2.2.分析思路 维度和指标相结合思考： 138706 最终确定3个关键主题：公司自身发展，电影与电视比较，中国的情况。将其呈现在仪表盘中，其余舍弃。 2.3.数据整理netflix_with_ratings前期的数据处理包括： country字段的拆分。Country字段包含了若干国家，用逗号分隔。使用excel功能，将字段拆分成country1-country12. Country1字段翻译。百度找了一份国家中英文对照，用excel查找功能补充country_cn列。 duration格式整理。删除min，s这种字符。 2020年数据不够一整年，因此删除2020年。 NFLX_stock前期的数据处理包括：删除其他数据，只保留各年底最后一天的数据。 2.4.完成分析报告 第一部分：netflix自身的发展（1）因为要看随着时间维度的变化，因此选用折线图。以年为单位。数据标签不想展示太多，选择了最大/最小。138739（2）得出结论1：NetFlix的影片数量大增，同时也对应了股价的大涨。印证了公司发展伴随着片库的扩大。 第二部分：电视和电影的比较（1）电视和电影结构比较：使用饼图，调大字体。138757 （2）电视和电影质量的比较：选用平均值，最高值，和标准差三个指标。为了直观，使用表格。调高行高，适应排版。138756 （3）电视的剧集长度，和评分的关系：使用合并在一起的折线图。为了使趋势看起来明显，自定义了轴的最大最小值。138746 （4）结论2：NetFlix电视比电影数量少，但是口碑更好，质量也更稳定。能够续订多季的电视剧，评分整体上有稳定增长的趋势，但是有意思的是，曲线是波浪形的。 第三部分：中国的情况（1）全世界分布：使用地图。创建地理维度时发现，不能用数据中默认的英文，所以使用自定义的country_cn字段。数据方差较大，因此自定义分段。138747 （2）数量对比：因为有排名的意味，所以使用横的条形图。数据筛选时使用或条件，要求排名前5，或者country1包含china, hongkong的。自定义颜色，突出中国。138748 （3）时间趋势：使用并排的柱图，用颜色区分类型。138749 （4）评分排名：分为电影和电视两类，都使用圆点图。使用平均值，并且限制了一定的数量起始基准，影片量过少的国家不参与对比。自定义颜色，突出展示美国、印度、日本、韩国以及中国，这些我们会关心国家的排名。138751 138753 （5）前5：使用词云，条件限制5个。颜色大小都根据评分来区分。因为源数据为英文片名，为了展示对应中文名字，使用自定义分组功能。138755 138752 （6）结论3：NetFlix引进的中国大陆的电影数量不如香港，但是电视剧评分都很突出，并且数量增长趋势也很好。 整体颜色使用了一个默认主题，尽量和NETFLIX颜色相近。排版从上到下，从左到右，自然阅读顺序。曾经考虑过顶栏使用一个nerflix网站的图片，不确定是否侵权，所以没有使用。 将所有小结论写在了每个组件的标题。 2.5.总结 和平常工作所用FB不太一样，工作中更注重筛选框、联动的运用，要监控不断变化的数据；此处更倾向于先分析数据形成一些结论，然后利用FB做成一份漂亮的结果报告。 图谱、关系这种可视化，希望FB以后能支持。 所用的技术没有超出工作中学会的，希望能学习他人作品，有所拓展。 2.6.整体效果图 138853 140336