1. 概述
提供一些企业场景实战案例和一些场景数据，帮助用户完成从入门到应用的过渡。
2. 场景课程
2.1 零售电商人货场分析
分析背景
作为一家主营服饰的公司。3月有女神节专场活动，夏天有运动季，8、9月有开学季，双十一，双十二.......每年活动的档期都是排满的。所有对应的新品都要提前很久进行规划，方便提前打样进入生产。
时间来到年底。老板要求我们着手准备明年3月的女神节活动，主要负责决定新品的方向。 为了合理确定新品的设计方向（价位、主色调等）我们找IT部门提供了历史的订单数据。
演示数据
分析步骤
| 1. 数据处理 | |
| 将数据上传，对数据进行清洗并使用「左右合并」或者「模型视图」关联多表数据，学习如何进行多表联合的数据处理方式 | 点击学习 |
| 2. 人找货 | |
| 使用饼图、折线图、柱形图-折线图分析并确定女性客群更倾向购买何类产品。 | 点击学习 |
| 3. 货找人 | |
| 在确定产品特性之后，进一步探索该类产品的消费者画像。 | 点击学习 |
| 4. 人货匹配 | |
| 结合树标签和时间过滤组件，用表格展示产品具体的销售情况。 | 点击学习 |
效果预览
通过「人找货」、「货找人」和「人货匹配」三个环节，我们大致确定了产品特性、人群画像以及市场空间。
1）人找货
大类销售情况
中分类销售趋势
主色带-销售分析
价格带-销售分析
2）货找人
会员分析
年龄段-销售分析
渠道-销售分析
销售网点情况
3）人货匹配
销售额top5分析
销售量top5分析
人找货
货找人
人货匹配
2.2 制造业毛利分析
分析背景
某公司的毛利率连年下滑，且在同行业中处于落后位置。因此，今年该公司把「优化企业综合毛利」设为重点项目之一。假设你是该公司的财务部门的数据分析师，请你负责这个项目。
演示数据
分析步骤
| 1. 总指标监控 | |
上传数据，制作指标和趋势图，对销售收入、销售成本、毛利额以及毛利率核心指标进行分析。 | 点击学习 |
| 2. 销售端方向分析 | |
通过帕累托分析验证公司的大部分贡献是否仅来自于一小部分的客户，进一步分析大客户的毛利率情况，以便发现潜在问题并做出相应调整。 | 点击学习 |
| 3. 成本端方向分析 | |
| 聚焦于发现可能存在问题的成本项，并通过对比计划成本与实际成本的差异，来审视是否存在成本管理上的问题。 | 点击学习 |
效果预览
通过总指标监控，我们注意到毛利率出现了波动下滑的情况，尤其是2023年相较于2022年表现更为糟糕。
经过销售端的分析，我们发现尽管我们的报价上涨，但毛利率仍在下跌。这表明我们需要深入探讨销售策略是否需要调整以提升盈利能力。
同时，通过成本端的分析，我们发现2022年的实际成本高于计划成本，而2023年则相反。这暗示着公司在成本控制方面可能存在问题，需要进一步优化管理流程以确保成本管控的有效性。
3. 场景数据实操
学习上面场景案例后，下面提供两个分析场景和数据，方便用户使用数据进行实战，建议如下：
1、首先借助思维导图或其他工具梳理分析思路，对指标进行拆解。
2、完成一张仪表板。样式、分析角度等均自由发挥，不做限制。分析场景最好有一定复杂度，组件数量至少8个，组件类型至少3种。
3.1 场景1：（对应某服装零售销售数据）
某服装零售公司提供了全国十座城市下64家店铺的销售数据。老板要求我们从人、货、场三个维度对销售情况进行数据分析和可视化报告。
提示：分析服装零售销售数据时可以按照题意从人、货、场这三个维度出发，探究客户特征、产品类别与价格、销售地区与渠道等因素对销售额、销售量等指标的影响。同时重点关注各维度下销售表现最好与最差的类别特征，就不同的销售表现作出简要说明及后续改进意见。
数据下载：某服装零售销售数据.xlsx
3.2 场景2：（对应空调零售数据）
我们公司主营业务是空调的销售。现在有一张18年上半年的销售的明细数据。老板希望我们对销售额和销量进行整体分析，为我们空调销售找准潜力市场，以方便18年下半年销售人员冲刺目标。
提示：分析空调零售数据时可以从客户画像、销售渠道、产品类别这三个角度入手，探究不同维度对于销售金额、销售量、利润率等指标的影响情况。根据图表呈现出的各维度销售表现，逐步缩小范围锁定潜力市场、目标客户与冲刺目标，并给出自己的建议及总结。
数据下载：空调零售数据.xlsx
3.3 参考资料
可参考一些优秀作品分享
https://bbs.fanruan.com/thread-149477-1-1.html
https://bbs.fanruan.com/thread-149444-1-1.html
https://bbs.fanruan.com/thread-149442-1-1.html
https://bbs.fanruan.com/thread-149139-1-1.html
