当前位置: 首页>后端>正文

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比

在我们的理想化构想中,数据分析师如同诸葛亮一般,运筹帷幄之中,决策千里之外。他们似乎拥有无尽的资源,可以随心所欲地运用各种方法和模型。在这样的前提下,数据分析师理应能轻松驾驭复杂的数据,通过精湛的分析技巧揭示出潜藏在数据背后的深刻洞见。

然而,现实中的数据分析工作远非如此简单。优秀的数据分析报告并不是简单地套用模型和方法就能得出的。相反,它需要分析师具备深厚的专业知识、敏锐的洞察力和灵活的思维方式。他们必须能够根据实际情况选择最合适的分析方法,而不是盲目地套用模板

此外,数据分析师还需要与企业内部各个部门紧密合作,确保所收集的数据准确、完整且具有代表性。他们的工作成果不仅仅是一份报告,更是对企业未来发展的有力支撑。通过精准的数据分析,他们可以帮助企业识别市场趋势、优化运营策略、提升竞争力。

难道真的没有一个BI软件可以实现数据分析零门槛吗?

当然不是,近期了解到一款DeepBI数据分析软件,它就已经实现了让数据分析面向大众。今天我们一起来看一下DeepBI 与 FineBI 对9行数据做一篇分析报告的对比。

数据来源

数据来源于美国某连锁零售超市的2010-2018年的经营数据,共9行11列

数据介绍:

总收入=商品销售收入+会员费收入

总成本=商品成本+运营费用+税

商品毛利=商品销售收入-商品成本

净利润=总收入-总成本

全部会员为总会员人数,付费会员是贡献会员费的会员人数

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第1张


FineBI分析报告过程

看到这个数据是不是很震惊,总共9*11列的数据,就这么点数据能分析出啥,还想要一份详尽的数据分析报告,简直就是天方夜谭!!

但是数据分析还是要做的,既然没有头绪,那就先来套数据分析模型吧!是否可以将数据按照用户群体划分,使用RFM模型来完成呢?然而,想象是美好的,现实是骨感的,第一步就给Pass了,因为当前拿到的都是按照年度汇总的数据,并没有具体的商品和用户的信息,此法不通。

后来围绕分析主题和已有的数据,打算先从整体上对超市的经营情况进行分析,然后根据每个指标对应的关系进行拆解,先总后分,也就是使用的多维度拆解的分析方法。把握北极星指标,也就是针对净利润展开分析。

首先是净利润本身,通过对比不同年份的数据,对公司的整体情况进行评价,了解企业的发展趋势和变化。而净利润=收入-成本,再对收入、成本进行多维度的分析,在分析收入的过程中,还对会员数据进行了分析,层层拆解以分析超市的整体盈亏情况,如下图所示。

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第2张

主要分以下四个部分:

1.总体分析:展示总体的利润、收入以及成本的数据趋势,了解企业的盈亏情况。

2.收入分析:比较总收入、商品销售收入和会员费收入的趋势和占比,了解各类收入的变化情况和贡献比例。

3.成本分析:比较总成本、商品成本、税和运营费用的占比和趋势,了解各类成本的构成比例以及比例的变化趋势。

4.会员分析:分析全部会员人数和付费会员数的趋势,以及会员费及客单价的情况,了解会员结构和贡献比例。

总体分析

在对数据进行总体分析版块,需要对超市的整体发展做一个初步评价,从整体上来看超市的发展状况,因此将净利润、总收入、总成本以及会员费收入这四个关键指标进行了增率计算。即:(本年的数据-上年的数据)/上年的数据。

接着合并本年和去年数据,由于数据集中没有展示上年的数据,故增加一个辅助列,通过公式:去年年份=年份-1来计算去年年份,然后通过左右合并的形式把去年的数据加入数据集当中。

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第3张

字段设置,为了让今年数据与去年数据作区分,使用字段设置功能对字段作区分。

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第4张

计算核心指标环比增长率,考虑到第一年的数据为null,遂用if语句将其环比增长率设置为null,防止出现分母为空计算错误的情况。具体公式见下图,并按此方法完成总成本、总收入、净利润的环比计算。

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第5张

这样我们就完成了经营分析信息的初步整理了,并把这个数据集命名为经营分析数据表。

总收入分析

涉及到总收入的数据分别是会员费收入、商品销售,对于分类的展示需要再新建一个数据集

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第6张

我们使用了Fine BI列转行功能,发现把对应字段名字放到列字段了,并分别给出对应的数值,以前在sql上要用case when,完了之后还要用union all上下合并。

还用了条件标签列,把收入和成本的指标分的清清楚楚,最后还计算了每一项的占比。这个分类数据集就做好了,命名为经营分析收支占比表。

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第7张

总成本分析

总成本由商品成本、运营费用以及税收3大类组成,同上,需要明确各类在总成本中所占的比例,因此先需要计算各类在总收入中所占的比例,这里与收入分析使用同样的数据集。

商品分析

让我们回到一开始做的经营分析数据表。为商品分析增加一些计算指标吧,作为零售企业,商品的分析尤为重要,商品成本控制很大程度上代表了利润空间,于是用商品成本/商品销售收入计算商品成本控制率。

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第8张

会员分析

最大的收入来源不就来源于会员么,会员分为付费会员和普通会员,注意这里的普通会员并不是不付费,而只是没有给会员费,两者都是提供消费的群体。

首先对会员平均消费金额进行计算,等于每一个会员平均购买商品的金额,计算公式是:商品总收入/全部会员数,但是注意这里的单位不同,需要进行转化处理。

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第9张

即使是只有两个层次的用户,也得进行分层管理和分析!!先计算了会员数量的占比,发现每一年基本都是一样一样的,都是55%,推断出付费用户占比基本保持不变。

FineBI可视化报告

看一下仪表板内的报告可视化吧

总体分析

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第10张

通过观察后得出以下结论:

1.净利润从2010年的13.0亿美元增至2018年的31.3亿美元,反映超市的盈利能力较好,经营状况良好,但净利润浮动较大,仍需控制好成本;

2.总成本从2010年的766.5亿美元,到2018年的1384.4亿美元,说明超市在发展的同时,其成本也在逐年增高,但增速放缓,说明超市能够有效地控制成本。

3.总收入也从2010年的779.5亿美元,增至2018年的1415.7亿美元,上涨近一倍,说明超市的业务规模扩大,可能占据了相对较大份额。

总收入分析

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第11张

结论:总收入由商品销售、会员费收入构成

1.商品销售占总收入的98%,会员费收入占比2%,意味着超市的主要盈利来源是其销售的商品,且商品销售一直处于稳步增长的状态,表示超市售卖情况良好;

2.会员费收入虽然仅占比2%,比例并不高,也并非可以忽视,虽然不是总收入的较大贡献角色,但与商品销售几乎是相同的增长趋势,未来应该着重于提高会员消费力度,以增加会员费收入。

3.尽管会员费收入在整体营收中所占份额相对较小,但其增长趋势却持续而稳定。从2010年的16.9亿美元增长至2018年的31.4亿美元,这一增长不仅证明了会员业务的稳健发展,更凸显了其潜力。尤其是自2015年以来,会员费收入的增速明显加快,这为进一步拓展会员业务提供了有力支撑。

总成本分析

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第12张

结论:总成本由商品成本、运营费用、税构成,商品成本所占比重最大,为88%,运营费用次之,占比10.1%,税的占比最小1.1%

1.总成本从2010的766.5亿美元到2018年的1384.4亿美元,有明显的增长;

2.商品成本由2010年的680.0亿美元到2018年的1231.8亿美元,随着超市的发展,商品成本也在不断增加;

3.运营成本随着超市的发展,虽然增长不是很明显,但也在逐年发生变化;

4.税收虽占比最小,但增速较快,不过自2017年开始下降,说明超市在合理合法的情况下,明显优化了税务结构;

5.虽然运营成本、税收总额相对商品成本较小,但若加以调整,总成本或有所下降。

商品毛利分析

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第13张

结论:商品毛利 = 商品销售收入-商品成本,随着年份的增长,商品销售收入和商品成本在逐步增长,其中,

1.尽管商品成本从2010年的680.0亿美元增加到2018年的1231.8亿美元,但商品销售收入的增长更为显著,从726.6亿美元跃升至1384.3亿美元。这表明在这一时期内,商品销售收入的增长速度超过了商品成本的变化;

2.商品毛利也在随着时间在日益增长,说明超市除了做好销售以外,也很好地控制了成本。

3.尽管商品成本从2010年的680.0亿美元增加到2018年的1231.8亿美元,但零售行业在成本控制方面仍然保持有效的内部控制策略,使得商品成本控制率基本保持稳定。理想的成本控制目标是将商品成本占商品销售收入的比重维持在85%至95%的范围内。为实现这一目标,零售企业可以进一步实施有效的成本控制措施,例如选择提供更高质量且价格合理的供应商,以优化采购渠道和降低成本。通过持续的成本控制努力,零售企业可以在保持竞争力的同时,提高盈利能力。

会员分析

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第14张

结论:

1.会员人数与付费会员人数随着年份的变化在增加,说明超市一直在办理会员制活动,通过会员制对用户进行挽留和刺激多次消费;

2.超市的付费会员在整体会员人数中占据了约55%的比例,这一数字超过了半数,显著体现了超市提供的会员福利具有较好的吸引力。这可能意味着超市为会员提供了如积分兑换、折扣优惠、赠品等多种增值服务,从而激励了更多消费者选择成为付费会员,并享受这些独特的福利

?3.但自2011年开始,付费用户占比基本保持不变,会员转化率也处于下跌状态,超市需要加大在会员方面的经营力度。

?4.客单价近两年有所提升,建议继续保持优势,如增加产品种类、提高产品质量、优化产品价格、提供更好的服务。

FineBI最终的结论

超市经营表现良好

1.净利润、总收入从2010年开始到2018年间,基本保持增长趋势;

2.总成本虽也在逐年增高,但增速放缓;

3.会员费收入一直在保持增长的趋势,比较稳定,且自2015年增速较快。

值得借鉴点

1.总收入从2010-2018年,几乎翻了一番,说明超市的业务规模扩大,可能占据了相对较大份额;

2.会员费收入虽然仅占比总收入2%,但一直保持稳步增长的状态,且付费会员人数也基本保持总会员人数的55%,超过一半,这表明会员服务较好;

3.商品毛利也在随着时间在日益增长,说明超市除了做好商品销售以外,也很好地控制了成本;

4.税收虽占比最小,但增速较快,不过自2017年开始下降,说明超市在合理合法的情况下,明显优化了税务结构。

建议

1.2012年开始,会员转化率基本处于下跌状态,需要加大力度对现有用户进行维系并吸引更多新用户加入,可以考虑提升会员福利的质量和多样性,例如定制化产品推荐、专属折扣券等,也可以通过数据分析和用户反馈来了解会员的需求和行为习惯,从而针对性地改进会员服务;

2.运营成本、税收在总成本中占比共12.2%,虽份额较小,但也一直处于增长的状态,还需要对运营费用和税收结构进行优化,尽可能降低总成本。

使用FineBI总结

太不容易了,拖拖拽拽,数据集在一起的时候,字段很容易拖错,有时候一不小心有可能使之前的操作也功亏一篑。再有根据可视化图表进行总结得出结论。

DeepBI分析报告过程

上传数据集后,我们可以把任何问题直接抛给DeepBI,让它为我们工作:

总体分析及可视化

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第15张

这个图表呈现了某连锁零售超市从2010年至2018年的净利润、总收入以及总成本数据。从这些数据可以看出以下几点:

净利润Net Profit):随着时间的推移,净利润持续上升,这表明公司的盈利能力在增强。

总收入(Total Revenue):随着每年的增加而增加,反映了公司销售收入的增长趋势。

总成本Total Cost):总成本与总收入增长相似,说明了公司在扩大业务规模的同时,能够有效地控制成本。

怎么样?是不是不敢相信?不但数据可视化展示出来,而且分析报告也不需要我们自己编写了。

为了不啰嗦,后面的截图就不再把报告复制出来了

总收入分析及可视化

总收入分析可视化需要从收入占比、商品销售及会员费收入变化、收入占比趋势着手,我们不用仪表板了,来看一下分别可视化到底有多简单:

收入占比:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第16张

没错就是简单提需求就可以。

商品销售及会员费收入变化:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第17张

收入占比趋势:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第18张

我们再让DeepBI总结一下:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第19张


总成本分析及可视化

成本占比:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第20张

税和运营费用成本变化:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第21张

年度成本占比趋势:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第22张


商品毛利分析及可视化

商品成本以及销售收入变化趋势:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第23张

商品毛利趋势:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第24张

商品成本控制率:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第25张

会员分析及可视化

会员人数变化趋势:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第26张
FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第27张

DeepBI最终结论

我们还是把问题丢给DeepBI,让它进一步得出结论,看截图:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第28张
FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第29张

让我们再来看一下DeepBI能在这9行数据中给出什么建议:

FineBI与DeepBI针对用9行数据分析一篇完整的数据报告的速度对比,第30张

有这样的提问就能出结果的BI工具,你还会选择传统的BI工具自己绞尽脑汁去思考数据关系、再拖拖拽拽以及组织语言编写报告吗?

使用DeepBI总结

有了DeepBI真的不需要再费脑筋组织语言编写报告了,数据可视化也不需要自己拖拖拽拽和自己学习如何运用函数了,简直太方便了,一句话实现数据可视化。

最后总结


https://www.xamrdz.com/backend/3hj1938439.html

相关文章: