我已经学完报表工程师从入门到精通课程，详情请看：报表工程师从入门到精通·实战班 1.学习初衷 很喜欢跟数据打交道，但是自己的数据思维还是很缺失，需要不断学习和提高自己的能力。 2.学习经历 （1）通过两个多月的学习，从最开始做作业需要花很长的时间，到慢慢的掌握边看视频，边查帮助文档，不断试错的做题，完成作业越来越变得得心应手，虽然还是会有错误，但是通过老师直播的讲解作业都不是问题； （2）课程建议：一开始作业太难了，还好自己坚持了下来，竟然有后面的越来越容易的感觉，做作业的速度也逐渐提交了，就是班上大神太多了，这个排名啊，很难提升； 3.学习成果 l  对FR从完全不会到已经可以自己制作一个大屏了，从建库到导入表到制作大屏，建立图表联动，还是很有成就感的，虽然JS相关的都不太会。 l  课程里印象最深刻的部分还是大家都觉得难的层次坐标内容，还需要多做做题； l  当然最最希望通过培训可以顺利的通过FCP考试；   4.小结 通过这次培训，很喜欢帆软的生态体系，接下来也会要求自己去更多的学习。

一、选手简介   1、选手介绍 帆软社区用户名youyoudewo，个人感兴趣的方向和领域-数据分析。   2、参赛初衷 希望通过比赛实践提升BI工具的使用方法和技巧，去年只得了个参与奖，希望今年比去年有进步！   二、作品介绍   1、业务背景/需求痛点 天津建设工程信息网的数据公开透明，可以通过对其的数据分析去探讨整个工程建设市场的趋势。   2、数据来源 自选数据：通过采集器获取“天津建设工程信息网”网站上公开的施工类型项目招投标信息（数据截止到2023年7月20日）和企信通上的企业部分工商信息。   3、分析思路 拿到数据后的分析思考过程（详见思维导图）：       · 通过项目总概况、RFM模型、企业画像和帕累托模型，主要是围绕中标企业的角度对招投标项目进行了探讨。   3、数据处理 拿到数据后，首先是对整个数据进行了初步的了解，对数据的每个指标内容进行了思考。 鉴于数据的时间跨度比较大，有部分建筑企业已经更名，所有有更新匹配最新的企业名称便于后期统计分析和对项目所在区域和企业所在省份的更新。 数据导入自助分析场景库后，首先是对数据进行了左右合并，将企业的工商信息表和招投标数据表进行了一对多的合并；   表合并后因为只有项目工期开始和结束的日期，所以新增了时间差列计算出项目工期（工期 = 时间差【中标工期-结束-中标工期-开始】，天）；   通过直播课上老师教的各种数据处理方法对各个指标维度进行了设置；   用分组汇总的方式按最新的企业名称把需要的三个维度单拎出来制作RFM模型，对于工程项目来说把企业划分为中标金额高的A类，中标金额低需要关注的C类和需要保持的B类。   在RFM模型的基础上分组汇总把企业所在省份和中标金额制作帕累托模型所需内容。   5、可视化报告 （1）数据含义表达和图表排版布局： 第一部分的数据总概况，按年份把项目数量和项目中标金额做了分区折线图；     第二部分的PFM模型，用了五个KPI指标卡展示了项目数量、项目的中标金额、项目平均中标金额、企业的平均中标金额和去重的企业数量，     用漏斗图制作了企业类别展示，用分组表展示了明细的企业名称、企业成立年限和企业类别相关数据，     用散点图制作了以企业最近中标距离现在的天数为数据展示、项目数量和项目平均中标金额为数据维度的企业所在省份的波士顿矩阵图（为便于查看相关数据，模型内数据均可联动）；     第三部分的企业画像，用矩形树图制作了项目所在区域的项目数量和中标金额占比，     用2个对比柱状图展示了项目数量排名前10和项目金额排名前10的企业，     用8个饼图制作了不同中标金额区间占比、不同工期区间、不同企业注册资本区间占比和不同参加企业数量区间的数量&中标金额占比（为便于查看相关数据，模型内数据均可联动，并设置了不同年份的查询按钮）；     第四部分帕累托模型，通过自定义图表组合柱形图和折线图，设置了80%和90%两条累计占比线。     整体大屏采用的是科幻大屏仪表板样式，每个独立组件内都设置了和科幻大屏匹配的背景，因为设置了部分的数据联动，所以在相应区域设置了数据重置按钮。   （2）通过分析得出的结论：   通过天津建设工程网施工项目信息数据大屏的展示，可看出整体上天津的项目数量和中标金额自2020年起在逐年递减，2022年开始在缓慢增长；   客户类型中占比最多的是C类企业（中标金额低），有很多企业最新中标项目都是一年前的项目了。占比最少的是A类企业（中标金额高），大部分企业都是国企性质，中标项目比较大。湖北、上海、湖南、北京这些地区企业平均中标金额较大，但除北京市以外企业流失情况比较严重，需要重点关注；天津当地建筑企业以小额项目为主，但中标次数多。   滨海新区项目数量和金额都是最高的，项目以中标金额500万金额以内、工期一年内和20个以下企业参与招投标为主，1亿元以上注册资本的企业是中标企业的主力军。   天津市、北京市、上海市、湖北省、河北省、江苏省这几个省份的企业贡献的企业中标金额占比达80%。   通过数据大屏的图表展示和数据的联动观察，天津的工程项目类招投标市场自疫情开始严重下降，参与施工项目招投标的建筑企业数量80%以上都是20个以内且在疫情后数量逐年下降，中标企业也集中在天津本土企业，外省企业参与较少，中标也较集中在实力雄厚的国企背景企业（成立年限长、注册资金高），但观察到自放开疫情后数据在缓慢增长中，可期待2023年全年的发展情况。   （3）最终结果呈现的页面布局  https://bisolutions.fanruan.com/webroot/decision/link/EGXd     三、参赛总结   1、FineBI工具 自助分析场景库的功能更多也更方便使用了，如果说还可以设置不同参数的切换展示就更完美了。   2、参赛总结 不断尝试不断学习，通过大赛让我知道了自己在数据分析上的不足，还需要更多的思考和总结。

一、选手简介 1、选手介绍 个人介绍：帆软社区用户名youyoudewo，待业人士，对数据分析感兴趣，喜欢学习新知识，尝试新工具。   2、参赛初衷 希望通过比赛实践提升BI工具的使用方法和技巧 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 大赛奖励真的很诱人   二、作品介绍 1、业务背景/需求痛点 简述业务背景， 根据大赛提供的数据下载渠道，从和鲸社区的房地产业务相关数据集里下载大赛所用数据，链家网上2019年在售房源项目，根据不同维度找出杭州房价的差异原因。 简述需求痛点， 杭州房价高低差价很大，找出差异原因。   2、数据来源 自选数据：链家2019年在售房源项目,共3万+数据量，14个字段。   3、分析思路 拿到数据后根据所获得的字段打算从多个维度出发 4、数据处理 可视化分析之前在FINE BI 上对数据进行了简单的处理，区分开了装修，楼层，面积等内容 自助数据集的新增列很方便，只要使用很简单的函数公式就可以完成数据的分列内容，还有转换数据的类型也很便利   5、可视化报告 （1）数据含义表达和图表排版布局，如 总数据看板体现了杭州2019年整体的情况，是用数量、平均单价和平均房屋总价三个指标卡体现； 各区域看板通过数量、平均单价和平均房屋总价三个指标制作散点图展示； 房屋年限看板通过房屋年限的分类区间和房屋总价通过多系列折现图展示； 装修看板体现房屋类型和装修类型的多层饼图展示； 关注人数看板通过平均关注人数和平均单价的漏斗图展示； 房屋面积看板通过单位面积的分类区间和房屋数量、平均单价的多系列折线图展示； 通过总价前20区域的对比柱状图下钻区域和小区的均价、总价和房屋数量； 整体看板用的是星空仪表板展示。 （2）通过分析得出的结论，如 2019年杭州共有30771套房，平均350万左右一套的价格，均价3.46万每平方。 其中以板楼、50-100㎡面积为主，2000-2010年间建的房子最多，其中杭州的西湖区域是关注数最多、每平米单价和房屋总数都较多区域，最热门区域。 余杭区域房屋数量最多，均价较便宜，上城区域房屋数量不多但均价最高，房屋比较新。 90年前建的房子平均单价最高。 整体杭州2019年房价差价高，不同区域差异比较明显。 （3）最终结果呈现的页面布局 使用公共账号的选手 http://localhost:37799/webroot/decision/link/pRl0     三、参赛总结 1、FineBI工具 BI工具的自助数据集功能很强大，模板也很多很漂亮大气的。 因为数据的局限性，只能从不同维度去看数据，无法同比环比。   2、参赛总结 通过大赛的准备和制作内容，观看直播的学习，都让我学会了很多。 哪里有了思路就要赶快去做，说不准能带来新的方向。 学习，永无止境，加油！