前些日子和一位物流行業(yè)的朋友聊天，談到他們企業(yè)的數據信息化建設。作為一家物流運輸行業(yè)的老牌龍頭企業(yè)，他們公司梳理報表有3、4個年頭了，數據報表建設也已經取得了一些成果，先后做了財務報表，營收分析、月營收報表，細分到200多家分點以及2000多名員工的數據匯總，可以生成周期性的結算報表。
但是盡管如此，在應對一些業(yè)務部門突發(fā)性、即時性的數據分析需求時，之前做的那些數據報表還是有些捉襟見肘，無法進行深入的業(yè)務數據分析，導致IT部門對業(yè)務部門的需求無法及時做出響應。
就比如，最近集團物流經營分析毛利率異常下滑，領導關注到了這個事，從業(yè)務部門和相關領導開始提出該問題，然后IT部門進行問題分析、數據收集、數據加工建模、數據報表制作、數據分析、分析報告總結、業(yè)務部門驗證。前前后后花了半個月時間，業(yè)務部門和相關領導才得到了最終的分析結果。
作為一名在數據領域打拼多年的分析師，聽到這一段，心里想，這公司心得多大，這半個月得虧多少？內心已經按捺不住想獻計獻策了。
對于這種及時性的數據分析，如果有分析師，可以直接拉來數據，用R分析一通，找出問題所在，最多也就三兩天。
但是最方便的還是用BI來分析業(yè)務。直連數據，各種維度探索分析一番，自然就找出眉目了。
朋友聽完很詫異，我給他做個演示，嘗試用FineBI進行該物流運輸背景下的毛利率異常分析，找出毛利率異常下滑的真兇。
借助FineBI，原本我朋友在企業(yè)數據應用的工作流程中前前后后花了半個多月的時間的才分析出來的業(yè)務結論，我這邊在我以一個非常熟練的BI分析師的前提下，大概花了2個小時，就得出了毛利率異常的分析結論和相應的數據可視化分析報告，于是乎這邊來給大家做一個分享。
關于FineBI（），之前也給大家介紹過很多遍，作為一款自助式的數據分析軟件，它的特點就是操作簡單上手快，即使是不懂SQL不懂代碼的業(yè)務人員，花上一天學習，也能上手操作數據，做分析，出可視化。
具體大家可以去官網下載，學習參考他的幫助文檔
下面主要講講我的操作過程。
一、數據建模
拿到他們物流運輸的相關數據（為了簡單方便，直接導出為excel文件）之后，我這邊將要用到的客戶信息表和貨運明細表這兩個excel數據表文件，上傳導入到FineBI業(yè)務包中。
然后根據客戶編號建立好1：N的關聯關系：
簡單介紹一下FineBI中的數據關聯邏輯，為了方便對維度表和事實表進行關聯管理（1端一般是維度表，N端是事實表），FineBI可以對基礎表直接建立對應關聯關系，方便通過自助數據集對基礎表的相關數據靈活地進行調用和加工建模，這邊我們只需要直接調用選擇客戶信息表和貨運明細表的相關數據即可。
另外一方面，通過可視化操作數據集，可以直接處理數據，例如過濾、分組匯總、新增列、排序、左右合并等等，避免寫SQL。
在完成數據建模部分的工作之后，開始正式分析。
首先從整體上，分析每個月的毛利率總體情況。為了方便大家理解操作和原理，我這邊在下面錄制了一個GIF動圖，我們只需要把時間字段拖拽到橫軸，然后把相關毛利率指標（添加計算指標，毛利率=sum_agg(毛利)/sum_agg(收入)）拖拽到縱軸，即可生成每個月的毛利趨勢分析折線圖。
綜合比較2017,2018的毛利，毛利率，我們可以輕松發(fā)現2018年3月毛利率下降明顯，進而尋找毛利下降的原因。因此，我們依次從下屬分公司>分公司的客戶>客戶運輸目的地>線路目的地來挖掘導致2018年3月毛利率下降的原因。以下，主要分享分析邏輯和業(yè)務分析結論，具體操作步驟和上面類似。
1、分公司
分析2018年3月，下屬分公司的所有的毛利及毛利率，我們可以發(fā)現可以南京分公司的毛利率從2017年3月到2018年3月的增幅較其他分公司小很多。
2、客戶分析
繼續(xù)進行客戶分析，查看南京分公司2018年3月的毛率及毛利率變化，發(fā)現南京分公司的客戶：寶瑞吉在該月份的毛利，毛利率較其他客戶低很多。
3、目的地線路分析
查看該寶瑞吉客戶的目的地線路收入，2017年3月毛利率，2018年3月毛利率數據，發(fā)現目的地為四川省的2018毛利率明顯低于2017年，判斷該目的地線路存在問題。
查看對應分公司，客戶，線路的明細數據，名單最終發(fā)現福建-四川，山東-四川線路該月毛利數據異常，需要找到相關責任人尋找原因。
經過我們從下屬分公司>分公司的客戶>客戶運輸目的地>線路目的地，一層層來分析導致2018年3月毛利率下降的原因，最終定位到名單福建-四川，山東-四川線路該月毛利數據異常，需要找到相關責任人尋找原因。
最終成功分析出由于福建-四川，山東-四川線路問題導致2018年3月毛利率數據異常的結論之后，我將完整的物流經營分析的數據可視化過程制作整理成了儀表板，方便朋友查看和分享。
大功告成~
總體而言，相較于傳統的企業(yè)數據工作流程：從業(yè)務部門和相關領導開始提出該問題之后，再到IT部門去進行問題分析、數據收集、數據加工建模、數據報表制作、數據分析、分析報告總結、業(yè)務部門驗證。用BI平臺分析能大大提高了業(yè)務的數據分析效率和應用效率。
聯系客服
