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(shù)據(jù)信息化建設(shè)。作為一家物流運(yùn)輸行業(yè)的老牌龍頭企業(yè)，他們公司梳理報(bào)表有3、4個(gè)年頭了，數(shù)據(jù)報(bào)表建設(shè)也已經(jīng)取得了一些成果，先后做了財(cái)務(wù)報(bào)表，營收分析、月營收報(bào)表，細(xì)分到200多家分點(diǎn)以及2000多名員工的數(shù)據(jù)匯總，可以生成周期性的結(jié)算報(bào)表。

但是盡管如此，在應(yīng)對一些業(yè)務(wù)部門突發(fā)性、即時(shí)性的數(shù)據(jù)分析需求時(shí)，之前做的那些數(shù)據(jù)報(bào)表還是有些捉襟見肘，無法進(jìn)行深入的業(yè)務(wù)數(shù)據(jù)分析，導(dǎo)致IT部門對業(yè)務(wù)部門的需求無法及時(shí)做出響應(yīng)。

就比如，最近集團(tuán)物流經(jīng)營分析毛利率異常下滑，領(lǐng)導(dǎo)關(guān)注到了這個(gè)事，從業(yè)務(wù)部門和相關(guān)領(lǐng)導(dǎo)開始提出該問題，然后IT部門進(jìn)行問題分析、數(shù)據(jù)收集、數(shù)據(jù)加工建模、數(shù)據(jù)報(bào)表制作、數(shù)據(jù)分析、分析報(bào)告總結(jié)、業(yè)務(wù)部門驗(yàn)證。前前后后花了半個(gè)月時(shí)間，業(yè)務(wù)部門和相關(guān)領(lǐng)導(dǎo)才得到了最終的分析結(jié)果。

作為一名在數(shù)據(jù)領(lǐng)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(gè)月得虧多少？內(nèi)心已經(jīng)按捺不住想獻(xiàn)計(jì)獻(xiàn)策了。

對于這種及時(shí)性的數(shù)據(jù)分析，如果有分析師，可以直接拉來數(shù)據(jù)，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(wù)。直連數(shù)據(jù)，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(gè)演示，嘗試用FineBI進(jìn)行該物流運(yùn)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(shù)據(jù)應(yīng)用的工作流程中前前后后花了半個(gè)多月的時(shí)間的才分析出來的業(yè)務(wù)結(jié)論，我這邊在我以一個(gè)非常熟練的BI分析師的前提下，大概花了2個(gè)小時(shí)，就得出了毛利率異常的分析結(jié)論和相應(yīng)的數(shù)據(jù)可視化分析報(bào)告，于是乎這邊來給大家做一個(gè)分享。

關(guān)于FineBI（），之前也給大家介紹過很多遍，作為一款自助式的數(shù)據(jù)分析軟件，它的特點(diǎn)就是操作簡單上手快，即使是不懂SQL不懂代碼的業(yè)務(wù)人員，花上一天學(xué)習(xí)，也能上手操作數(shù)據(jù)，做分析，出可視化。

具體大家可以去官網(wǎng)下載，學(xué)習(xí)參考他的幫助文檔

下面主要講講我的操作過程。

一、數(shù)據(jù)建模

拿到他們物流運(yùn)輸?shù)南嚓P(guān)數(shù)據(jù)（為了簡單方便，直接導(dǎo)出為excel文件）之后，我這邊將要用到的客戶信息表和貨運(yùn)明細(xì)表這兩個(gè)excel數(shù)據(jù)表文件，上傳導(dǎo)入到FineBI業(yè)務(wù)包中。

然后根據(jù)客戶編號(hào)建立好1：N的關(guān)聯(lián)關(guān)系：

簡單介紹一下FineBI中的數(shù)據(jù)關(guān)聯(lián)邏輯，為了方便對維度表和事實(shí)表進(jìn)行關(guān)聯(lián)管理（1端一般是維度表，N端是事實(shí)表），F(xiàn)ineBI可以對基礎(chǔ)表直接建立對應(yīng)關(guān)聯(lián)關(guān)系，方便通過自助數(shù)據(jù)集對基礎(chǔ)表的相關(guān)數(shù)據(jù)靈活地進(jìn)行調(diào)用和加工建模，這邊我們只需要直接調(diào)用選擇客戶信息表和貨運(yùn)明細(xì)表的相關(guān)數(shù)據(jù)即可。

另外一方面，通過可視化操作數(shù)據(jù)集，可以直接處理數(shù)據(jù)，例如過濾、分組匯總、新增列、排序、左右合并等等，避免寫SQL。

二、數(shù)據(jù)可視化分析

在完成數(shù)據(jù)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(gè)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(gè)GIF動(dòng)圖，我們只需要把時(shí)間字段拖拽到橫軸，然后把相關(guān)毛利率指標(biāo)（添加計(jì)算指標(biāo)，毛利率=sum_agg(毛利)/sum_agg(收入)）拖拽到縱軸，即可生成每個(gè)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(xiàn)2018年3月毛利率下降明顯，進(jìn)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(yùn)輸目的地>線路目的地來挖掘?qū)е?018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(wù)分析結(jié)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(xiàn)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(jìn)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(xiàn)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(shù)據(jù)，發(fā)現(xiàn)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(yīng)分公司，客戶，線路的明細(xì)數(shù)據(jù)，名單最終發(fā)現(xiàn)福建-四川，山東-四川線路該月毛利數(shù)據(jù)異常，需要找到相關(guān)責(zé)任人尋找原因。

經(jīng)過我們從下屬分公司>分公司的客戶>客戶運(yùn)輸目的地>線路目的地，一層層來分析導(dǎo)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(shù)據(jù)異常，需要找到相關(guān)責(zé)任人尋找原因。

四、數(shù)據(jù)可視化分析報(bào)告整理

最終成功分析出由于福建-四川，山東-四川線路問題導(dǎo)致2018年3月毛利率數(shù)據(jù)異常的結(jié)論之后，我將完整的物流經(jīng)營分析的數(shù)據(jù)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(tǒng)的企業(yè)數(shù)據(jù)工作流程：從業(yè)務(wù)部門和相關(guān)領(lǐng)導(dǎo)開始提出該問題之后，再到IT部門去進(jìn)行問題分析、數(shù)據(jù)收集、數(shù)據(jù)加工建模、數(shù)據(jù)報(bào)表制作、數(shù)據(jù)分析、分析報(bào)告總結(jié)、業(yè)務(wù)部門驗(yàn)證。用BI平臺(tái)分析能大大提高了業(yè)務(wù)的數(shù)據(jù)分析效率和應(yīng)用效率。