摘要

前些日子和一位物流行业的朋友聊天，谈到他们企业的数据信息化建设。作为一家物流运输行业的老牌龙头企业，他们公司梳理报表有3、4个年头了，数据报表建设也已经取得了一些成果，先后做了财务报表，营收分析、月营收报表，细分到200多家分点以及2000多名员工的数据汇总，可以生成周期性的结算报表。但是

前些日子和一位物流行业的朋友聊天，谈到他们企业的数据信息化建设。作为一家物流运输行业的老牌龙头企业，他们公司梳理报表有3、4个年头了，数据报表建设也已经取得了一些成果，先后做了财务报表，营收分析、月营收报表，细分到200多家分点以及2000多名员工的数据汇总，可以生成周期性的结算报表。

但是尽管如此，在应对一些业务部门突发性、即时性的数据分析需求时，之前做的那些数据报表还是有些捉襟见肘，无法进行深入的业务数据分析，导致IT部门对业务部门的需求无法及时做出响应。

就比如，最近集团物流经营分析毛利率异常下滑，领导关注到了这个事，从业务部门和相关领导开始提出该问题，然后IT部门进行问题分析、数据收集、数据加工建模、数据报表 *** 、数据分析、分析报告总结、业务部门验证。前前后后花了半个月时间，业务部门和相关领导才得到了最终的分析结果。

作为一名在数据领域打拼多年的分析师，听到这一段，心里想，这公司心得多大，这半个月得亏多少？内心已经按捺不住想献计献策了。

对于这种及时性的数据分析，如果有分析师，可以直接拉来数据，用R分析一通，找出问题所在，最多也就三两天。

但是最方便的还是用BI来分析业务。直连数据，各种维度探索分析一番，自然就找出眉目了。

朋友听完很诧异，我给他做个演示，尝试用FineBI进行该物流运输背景下的毛利率异常分析，找出毛利率异常下滑的真凶。

借助FineBI，原本我朋友在企业数据应用的工作流程中前前后后花了半个多月的时间的才分析出来的业务结论，我这边在我以一个非常熟练的BI分析师的前提下，大概花了2个小时，就得出了毛利率异常的分析结论和相应的数据可视化分析报告，于是乎这边来给大家做一个分享。

关于FineBI（），之前也给大家介绍过很多遍，作为一款自助式的数据分析软件，它的特点就是操作简单上手快，即使是不懂SQL不懂代码的业务人员，花上一天学习，也能上手操作数据，做分析，出可视化。

具体大家可以去官网下载，学习参考他的帮助文档

下面主要讲讲我的操作过程。

一、数据建模

拿到他们物流运输的相关数据（为了简单方便，直接导出为excel文件）之后，我这边将要用到的客户信息表和货运明细表这两个excel数据表文件，上传导入到FineBI业务包中。

然后根据客户编号建立好1：N的关联关系：

简单介绍一下FineBI中的数据关联逻辑，为了方便对维度表和事实表进行关联管理（1端一般是维度表，N端是事实表），FineBI可以对基础表直接建立对应关联关系，方便通过自助数据集对基础表的相关数据灵活地进行调用和加工建模，这边我们只需要直接调用选择客户信息表和货运明细表的相关数据即可。

另外一方面，通过可视化操作数据集，可以直接处理数据，例如过滤、分组汇总、新增列、排序、左右合并等等，避免写SQL。

在完成数据建模部分的工作之后，开始正式分析。

首先从整体上，分析每个月的毛利率总体情况。为了方便大家理解操作和原理，我这边在下面录制了一个GIF动图，我们只需要把时间字段拖拽到横轴，然后把相关毛利率指标（添加计算指标，毛利率=sum_agg(毛利)/sum_agg(收入)）拖拽到纵轴，即可生成每个月的毛利趋势分析折线图。

综合比较2017,2018的毛利，毛利率，我们可以轻松发现2018年3月毛利率下降明显，进而寻找毛利下降的原因。因此，我们依次从下属分公司>分公司的客户>客户运输目的地>线路目的地来挖掘导致2018年3月毛利率下降的原因。以下，主要分享分析逻辑和业务分析结论，具体操作步骤和上面类似。

1、分公司

分析2018年3月，下属分公司的所有的毛利及毛利率，我们可以发现可以南京分公司的毛利率从2017年3月到2018年3月的增幅较其他分公司小很多。

2、客户分析

继续进行客户分析，查看南京分公司2018年3月的毛率及毛利率变化，发现南京分公司的客户：宝瑞吉在该月份的毛利，毛利率较其他客户低很多。

3、目的地线路分析

查看该宝瑞吉客户的目的地线路收入，2017年3月毛利率，2018年3月毛利率数据，发现目的地为四川省的2018毛利率明显低于2017年，判断该目的地线路存在问题。

查看对应分公司，客户，线路的明细数据，名单最终发现福建-四川，山东-四川线路该月毛利数据异常，需要找到相关责任人寻找原因。

经过我们从下属分公司>分公司的客户>客户运输目的地>线路目的地，一层层来分析导致2018年3月毛利率下降的原因，最终定位到名单福建-四川，山东-四川线路该月毛利数据异常，需要找到相关责任人寻找原因。

最终成功分析出由于福建-四川，山东-四川线路问题导致2018年3月毛利率数据异常的结论之后，我将完整的物流经营分析的数据可视化过程 *** 整理成了仪表板，方便朋友查看和分享。

大功告成~

总体而言，相较于传统的企业数据工作流程：从业务部门和相关领导开始提出该问题之后，再到IT部门去进行问题分析、数据收集、数据加工建模、数据报表 *** 、数据分析、分析报告总结、业务部门验证。用BI平台分析能大大提高了业务的数据分析效率和应用效率。