数据可视化 | 如何通过分析商品数据，得出企业经营优化点
公司主要做toB业务（经销商销售模式）。因属于定制家居行业，合适的ERP系统不多。因此过去为找到合适的系统，公司平均每2年更换一次系统。
系统更换频繁，系统之间的业务流程和底层结构不同，导致历史数据之间存在严重的信息壁垒，数据提取和处理困难。业务部门人员难以获取完整的历史数据来做业商品分析。
️数据来源
数据来源为企业数据（已脱敏）。
源表有2张：返修订单明细表、订单基础信息表。
返修订单明细表：包含了所有返修订单的必备信息，因字段拆分技行列转换原因，该表存在数据重复情况。
订单基础信息表：包含所有正单订单的必备信息。
️商品分析分析思路
核心指标，包括返修费用、返修单价等；
商品发布分析，包括返修单价分布和返修单产生周期分布；
商品趋势分析，包括一次性达交率商品趋势分析、订单量商品趋势分析以及费用费率商品趋势分析；
问题诊断，包括对内影响因素与对外影响因素。
–
数据处理
主要通过自助数据集来处理。
因数据内容不规范，脏数据较多，在此基础上做数据脱敏，工作繁琐。因此为了提高工作效率，也为了方便数据脱敏，我们先对数据进行清洗，最后数据脱敏使用。
–
可视化分析商品数据
借助FineBI，团队进行了如下可视化分析商品数据：
趋势分析；
分布探索；
经销商分析。
–
结论和建议
返修订单大多在交付期出现；
公司费用下降主要来自客户责任、NTF、物流费用下降；
需要重点关注公司承担费率高和近半年返修道数高的经销商，在品控管理上，对经销商分级管理。
立即沟通
