*本文为2022中国数据生产力大赛铜奖获奖案例，未经授权禁止转载！1企业介绍中南大学坐落在中国历史文化名城──湖南省长沙市，占地面积317万平方米，是国家“211工程”首部省重点共建高水平大学和国家“2011计划”首批牵头高校。2017年9月入选世界一流大学A类建设高校。学校设有30个二级学院，拥有享“南湘雅”美誉的湘雅医院、湘雅二医院、湘雅三医院3所大型三级甲等综合性医院及湘雅口腔医院。2业务问题为实现“数字校园”的目标，十三五期间学校建设了大量的信息系统以支撑业务管理。虽然信息化建设成果显著，但许多数据问题也随之而来，如数据共享不畅、数据质量堪忧、全校协同乏力、数据权责不清、数据应用急缺等。因此，为满足“用数据说话、用数据管理、用数据决策、用数据创新”的诉求，自2019年开始，学校启动了数据共享和治理工作，但学校仍然面临如下问题：问题1：如何统一管理和规范学校数据分析应用成果？十四五期间学校将对业务系统进行升级改造，要求其在满足事务处理要求的同时规范数据生产、重视分析应用。问题2：如何建立学校统一的数据指标体系？学校在使用数据进行管理和决策的过程中，发现了指标命名不规范、指标存在多头定义现象、指标逻辑不一致、指标统计口径不统一等问题，这些问题导致各业务部门出具的关键指标，例如教职工、学生人数等不一致，影响管理和决策的科学性和严谨性。问题3：如何实现数据赋能教育评价？为贯彻落实《深化新时代教育评价改革总体方案》，业务部门希望能通过数据建立模型、形成报告以支撑评价改革，但缺乏便捷易上手的数据分析软件工具和专业的技术支持。问题4：如何快速响应业务的数据分析诉求？学校传统的信息系统建设模式无法快速响应临时、紧急的数据应用诉求。例如在疫情防控过程中数据统计、分析等应用。问题5：如何形成多维、全面、综合的校情数据分析？由于各业务部门的信息系统数据集成不完整、数据质量不佳、数据可视能力薄弱等，很多业务域都缺乏数据可视化呈现和深入的数据分析，特别是校级层面的综合数据应用十分缺乏，领导层想通过数据统观全貌尤为困难。3解决方案为解决上述难点，唤醒数据价值，学校建设了一个数据分析平台——综合校情分析平台，以数据的应用促数据的建设，助力学校决策科学化、治理精准化和服务高效化。1）建设思路数据分析必须从业务现状出发，着眼于找出业务面临的主要问题，然后根据业务数据的分析形成数据结果支撑管理和决策，推进业务问题的解决。第一步是深入到业务单位进行详细数据需求调研，对现状和预期有一个较好的把握。第二步弄清现状和预期之间的差距并调查导致差距产生的关键因素，即发现问题。第三步根据需求形成数据分析目标，针对目标实施数据的收集和加工。第四步根据业务管理和决策需要而定制数据可视化的图表和报表，形成数据分析成果辅助业务部门的管理和决策。2）平台架构综合校情分析平台基于学校数据仓库，围绕学生和教师这两条主线，构建数据分析体系。平台主要功能分为3部分：数据门户统一管理、呈现数据应用成果，包括移动端APP和PC端系统；提供FineReport和FineBI两款数据分析工具；数据系统管理后台允许数据应用的归属单位自助、自主管理本单位数据成果。在数据应用开发过程中，我们同时梳理业务关键指标，确认其统计规则、业务逻辑，实现关键指标在学校唯一、准确、可信。4业务应用场景场景一：本科生招生随着高考综合改革的不断深化，高校招生录取工作的难度日益加大。有的放矢地开展招生工作，有利于整体生源质量的提高，而生源质量将直接影响高校的人才培养。鉴于此，每年学校招生期间、招生工作总结阶段，都需要对招生数据进行整理和分析。通过建设招生实况驾驶舱，按照专业大类、生源地省份、性别、应往届生和分数结构等维度呈现招生录取情况及时把握招生进度，并在招生结束后，将本年度招生情况进行分数段、志愿填报、与历年对比等分析，形成招生工作总结报告为后续更好、更专业的开展招生提供数据支撑。场景二：人事管理人事现状驾驶舱关注学校人事队伍情况，梳理学校人员数据，形成关键指标定义及计算，并从单位、人事结构、年龄分布、职称职级、学历多维度分析学校人员队伍情况，为学校优化人员队伍结构提供数据支撑。近五年人事变化驾驶舱通过对新进教职工人事结构、职称职级等维度进行分析，为学校拟定人才招聘计划提供数据支撑。场景三：学生管理学生管理驾驶舱对学生基本状态数据指标进行了分析，便于及时了解校内学生基本情况，为学生管理工作的精准化和个性化提供数据支撑。迎新返校主题分为迎新和返校，通过对学生报到数据从校区、学院、学生类型、时间、生源省份等多个维度进行分析，让学校领导、学生工作处、各学院领导能够实时了解学生到校情况，更好地服务每一位学生。5价值总结我们立足于大数据时代背景，围绕学校智慧校园建设中遇到数据分析应用的难点和痛点，根据学校战略、组织、人才、信息化等校情形成因地制宜的数据分析体系。在实践中，信息部门与业务部门密集对接、谈思路、明现状、定路径，分主题、分期推进，建设成效逐渐凸显，充分调动了各部门参与数据共建、共享、共治的积极性，大幅度提升了学校对智慧校园的满意度。通过项目的建设，我们总结经验如下：数据分析是强业务驱动，必须由业务部门与信息部门通力合作，在创新中不断积累，才能为管理、决策和预测赋予新能力并在此过程中发现数据问题、找出业务短板、推动业务重构、完善信息系统，在反复迭代中使数据质量更高、应用更丰富。数据分析是定制开发，其中数据收集、清洗、验证工作量占比高，因此存在一定的失败率。为尽量降低失败率，在实施之前需根据业务部门参与意愿、数据集成情况、数据质量报告等因素评估可行性。由于数据供给和业务需求本身就是没有尽头的，在数据赋能业务的过程也是慢慢找到焦点、逐渐落地、形成方法论的过程。综上而言，数据分析是一个开拓创新、持续调优和迭代的过程，需在创新中总结经验逐步深入，并不断加深与业务部门的合作默契。注：为了便于在手机端阅读，本文对材料内容做了删改，感兴趣的朋友可以点此查看原帖。

还在苦恼上手使用FineReport无从下手？学习内容复杂繁琐，学习效率低？学习内容零散，学习难度高？......为此，FineReport

移动应用时代，办公移动化已经成为了企业经营的一大发展趋势，在企业数据管理领域，移动端报表也成为了现代企业运营管理的迫切需要。通过移动数据分析，可以帮助管理者实时了解业务状态，及时获取企业营运状况。随着移动端的发展，这种影响力得以扩大。无论是管理者还是一线业务人员，都可以通过「FineMobile」随时随地地基于数据进行沟通和分析。但是在移动端数据报表开发的过程中，开发者经常会遇到以下几个问题：在PC上设计手机报表，总觉得差距有点大如何在有限的屏幕内把数据展现地更有层次？厌倦了流式布局？想要让数据拥有更多交互？C端的APP越做越好看，领导的审美需求被无限放大？为了帮助大家解决移动端报表开发难题，大师兄特地呈上史上最全的移动端驾驶舱开发教程，教大家掌握更多的移动端报表开发技能：移动驾驶舱开发流程如下：1开启手机画布在PC端设计器中设计移动端模板，由于屏幕尺寸的较大差异，在组件布局、组件大小的设置上可能会存在很多的问题。因此，利用手机画布的功能，在设计报表之前，就将画布设置为适应手机尺寸的大小，让模板内容在设计器上的样式与手机上的最终效果更为接近，减少不必要的调整。具体操作：打开FineReport设计器，点击「模板>移动端属性」，勾选设置为手机模板画布大小，设计器会自动将画布调整为适配4.7寸手机屏幕的画布大小。向右滑动查看更多2布局设计一般来说，pc的明细表是不适用于移动端展示的，手机屏幕有限，管理者想要在密密麻麻的行列数据中找到重点极其不易，数据列一多，也会显得很拥挤，同时视觉效果会大打折扣。因此，需要一个合理的布局方式将数据融合在一起，让用户能够直观、迅速地获取所需数据。下面给大家提供常用的3种布局方式。1、流式布局流式布局需要遵循六字原则：先汇总再细分。首先需要一眼可以看到核心指标，然后再向下继续拆解，当然在细分的过程中，需要有一定的逻辑关系，比如说：整体走势、趋势分析——分类占比分析——分类明细数据。2、TAB式布局如果数据内容较多，则可以切分成若干个部分，切分的逻辑可以是同一层级，也可以是不同层级。这种布局适用于指标和内容较多的情况。举例1：先汇总，展示核心指标，然后再分为多个tab细分分析（如下左图）举例2：直接分tab分析不同业务模板的内容（如下右图）3、卡片式布局所有关键指标均以平铺的方式展开，一览无余。每个指标均呈现用户的完成情况，还可以在此基础上加上跳转。总的来说，移动端布局方式可以是复杂多样的，但核心依旧是需要让用户能够最直观地获取关注的数据，并且尽可能提供追本溯源的渠道（超链接、弹窗等形式）。3丰富组件1、多维度展示由于手机屏幕尺寸有限，如果模板仅单纯依照布局，一旦新增内容就往下堆砌，那么模板就会越来越长，管理者在阅读时需要耗费大量的下滑动作。对此，可以在某一组件上增加交互动作，让数据更加立体化。tab组件将不同维度数据的内容填充至不同的tab页内部，即可在一张模板内部预览不同维度的数据。共提供5种tab样式供选择：默认、上菜单式、下菜单式、滑动式、联排式。具体设置可参考帮助文档：点击查看详细操作上菜单式下菜单式滑动式联排式单选按钮组移动端模板中，单选按钮组可以帮助用户展示多维度数据，但是样式过于单一。可以通过「单选按钮组控件」，来设置多种移动端专属样式，共有4种样式供选择：默认、联排按钮、胶囊按钮、图文按钮。具体设置可参考帮助文档：点击查看详细操作侧边导航当移动端页面较长时，可以设置一个悬浮窗，点击后即可快速导航至本页面的指定位置，提高交互体验。当决策报表中body为重布局时，在body的移动端属性中可设置导航显示样式，导航可定位的组件有控件、报表块、图表块、tab-layout。具体设置可参考帮助文档：点击查看详细操作多图表切换当用户需要在模板局部切换查看不同组件时，可以利用图表切换功能，提高空间利用率和报表的美观度。提供2种切换方式：按钮、轮播。具体设置可参考帮助文档：点击查看详细操作按钮切换自动轮播折叠展开样式用户可自主控制报表块或图表块内容的折叠与展开，突出模板的主要信息，隐藏次要信息，提升模板的可读性和使用体验。可实现的场景有：表格默认只显示前

目的：解决数据同步性能问题，提高数据时效性。适用场景：业务库和分析库分离、数据仓库ODS实时同步、ETL增量数据处理、跨局域网加速、数据库实时备份、异构数据库迁移。前些日子和客户聊天，他们用FineReport报表工具5、6个年头了，先后做了财务报表、营收分析、生产分析等七八个模块，解决了企业信息化的不少难题。后续聊到，之前的4个报表开发，2个专门去做ETL了，但总是被业务追着要数据，明明定好的跑数时间，经常要手动去运行拿到当前的数据。但一个任务又不是马上能跑完的，经常出现“业务急、IT忙”的现象。然而时效性问题不是不想解决，种种原因，初期系统建设规范问题、实时技术限制或者是只能有部分数据支持实时等，所以体现业务上就是数据延迟T+1了。然后就问我们有什么解决方案。然后，就从数据的高时效、增量聊起......要做到数据的高时效，要做到两点：数据的增量获取：就是之前需要处理100w，现在增量只需要算1w，出结果的速度就快了。强大的计算能力：庞大的数据量，复杂的计算逻辑，最后的统计指标，都需要强大的计算能力支撑，即以前计算100w的数据需要10s，现在1s即可完成计算。*

国药控股山西有限公司（以下简称“国控山西”）是我国最大医药企业集团——中国医药集团下属的核心企业国药控股股份有限公司在山西设立的子公司，成立于2004年，经过十九年的跨越发展，已经形成了以药品纯销为主，涵盖器械、中药饮片等相关业态的全方位经营体系，成为了省内极具实力的医药健康产品分销商及领先的供应链服务提供商。2009年，国控山西就开始了数字化建设，在分子公司和总部之间建立数字化管控通道，首先着眼的是财务环节，通过建行资金管理平台，将分子公司资金集中归拢到总部进行统一的上划下拨。“当时我们是一体化管控的思路，还没有达到数字化转型的高度。”公司总经理助理吴超向我们介绍说。1搭建数据决策平台，落地数字化应用场景2014年，国控山西就与帆软合作搭建数据决策平台，累计开发报表近千张，覆盖全部业务部门，通过FineReport多数据源的对接，自动取数，解决跨系统数据汇总，常用统计分析等问题，通过与企业微信集成实现灵活数据推送预警。“我们是流通企业，融资和票据结算情况还是比较频繁的，以前采用手工台账的方式，银行逾期的风险增加，人员管理成本高和效率较低，令人头疼。”国控山西信息部总监徐云飞说道。因此公司通过FineReport填报功能登记台账，快到期时七天前就会进行频繁提醒推送，提醒相关员工操作，避免逾期。利用FineReport，公司还开发了返利管理系统，厘清采购、运营、财务等多部门账目，还有发票回执系统、对账单打印等等应用。通过这套系统的应用，公司看到了数字化给企业管理和客户服务带来的巨大提升空间。2引入FineBI，进一步挖掘数据价值随着医药市场不断变化，临时性的取数分析需求越来越多，时效要求高，工作量大，让信息部门疲于应对。“业务提出数据分析需求，信息部门按照他的理解去解读这些需求，然后再制作报表，中间比较模糊的需求，让开发效率变得很低，需要反复修改。”信息部总监徐云飞说道。因此经过多方面考虑，国控山西与帆软再度携手，引入FineBI，建立自助分析平台。1、效率提升国控山西下属单位70余家，以前做数据分析，需要对至少70多个账套下的报表进行合并删选分析，处理时间至少2~3天，且不能完全保证100%准确无误。引入BI工具后，数据直接从后台抓取，最快只需要3-5分钟就可以完成数据分析。“这个效果对员工来说是颠覆性的，他不用花时间处理重复低价值工作，可以参与到其他的管理工作中。”总经理助理吴超说道。这种效率的提升在公司的月度运营会上体现得非常明显，下属公司的所有总经理、财务总监、分管业务的副总都会参加运营会，这对风险运营管理部的数据分析提出很高要求。以前通过人工去计算分析，需要3~4天时间，如今半天就可以解决，部门精力可以更多放在数据呈现背后的风险和趋势，全心打磨汇报内容，提升运营会质量。2、业务赋能在采购部的采购数据大屏，可以直观展现公司的应收返利、供应商、采购员的任务完成进度等等，激励采购员加快跟进目标，供应商到公司后也可以清晰直观地看到自己的业务进度、排名，待处理事项等。在物流仓库内，也放置着两个BI数据看板，呈现待收货、待上架的数量和等待时长等数据，通过大屏指标指导仓库作业。根据集货数量，调整分拣人员工作，优化工作效率。国控山西目前有17,000多家客户，对客户进行合理的资信管控尤为重要。以前公司的的资信管控不够系统化、统一化。各个分子公司自行管理，还存在本部与分子公司多头授信的情况。公司引入BI工具后，将所有资信数据进行统一汇总，与OA数据打通，抓取员工为客户调整资信的工作记录，可视化呈现，全省一体化管控。2021年年末，国控山西利用BI实现全省销售数据实时刷新统计，帮助决策层及时掌控现金流指标。“其余商业公司到年末，基本都是和供应商商讨当年款项不能付，明年再付；发货暂时停止，避免库存增加。国控山西最后一天付出去一个多亿。”吴超介绍说，“我们对于指标的精确把控，让我们能够在完成总部任务的同时还能在关键时间点支撑客户，支撑供应商。BI给我们年末高强度的工作给予了非常大的帮助。”3、内部推广针对如何高效推广BI工具，国控山西采取“重点突破、以点带面”的思路。一方面在运营部门、财务部门进行试点，这两个部门具有强烈的日常数据加工管理需求。另一方面在去年七、八月份，国控山西组织了一场内部的BI大赛，吸引各部门参赛。通过专业培训、兴趣培养和需求解决三大路径，形成组织内部BI使用的共识。“医药行业是健康守卫行业，对于药品质量和合规经营要求非常严格。通过数字化转型能让整体业务运行过程的环节透明化、管理精细化、风控智能化，提升效率，让运营更加安全。另一方面我们也是传统的药品流通行业，通过数字化转型，通过类似BI工具的引入，让我们看到了行业改革的方向，通过有效的数字化工具抓手，更直接更有效地服务客户。”总经理助理吴超在最后说道。

大数据时代，几乎每一个企业都对数据分析平台趋之若鹜，尤其是在经历过疫情爆发之后，更多企业主意识到了数据所具有的极大商业价值，以及其作为支撑企业信息智能化的无形资产。通常来说，企业内部的运营和业务系统每天会积累下大量历史数据，一些企业最多是对一些零散的数据进行浅层次的分析，真正的海量数据其实并没有得到真正有效的分析利用。同时，随着系统的不断增加和积累，沉淀在系统深处的数据也更加难以提取和整合，后期的报表展示和可视化分析也就成了空壳应用。所以数据分析平台的建设就十分必要了，一方面它可以汇通企业的各个业务系统，从源头打通数据资源，另一方面也可以实现从数据提取、集成到数据清洗、加工、可视化的一站式分析，帮助企业真正从数据中提取价值，提高企业的经营能力。1神秘的数据分析平台究竟是什么？通俗一点说，数据分析平台就是将公司所有的数据进行进行收集整理，包括系统数据、业务数据等等，在统一的数据框架下实现对数据的挖掘和分析，最后通过可视化的手段进行数据展示。因为数据分析平台涉及的组件众多、功能复杂，如何将其有机的结合起来是其建设过程中最关键的核心。我们不妨以某集团的数据分析平台为例，来看一下具体的数据分析平台架构是什么样的：在搭建数据分析平台之前，要先明确业务需求场景以及用户的需求，通过大数据分析平台，想要得到哪些有价值的信息，需要接入的数据有哪些，明确基于场景业务需求的数据平台要具备的基本的功能，以上图为例从下至上可分为四个层次：数据采集层：底层就是各种数据源，主要是对企业底层数据的采集和解析，将零散的数据整合起来，包括企业的核心业务数据、用户数据、日志数据、集团数据等等，通常有传统的ETL离线采集和实时采集两种方式。数据储存和处理层：有了数据底层的数据，然后根据需求和场景的不同进行数据预处理，储存到一个合适的持久化储存层中，比如说OLAP、机器学习、数据库等等。数据分析层：这里就要用到BI分析系统，比如FineBI，如果是传统的数据挖掘还有SPSS，这一层主要是对数据进行加工，然后进行深层次的分析和挖掘。数据应用层：根据业务需求不同划分出不同类别的应用，主要是对最终的数据进行展示和可视化，如上图的数据报表、仪表板、数字大屏、及时查询等等。总结来说，企业对数据、效率要求的逐步提高，也给大数据提供了展现能力的平台，企业构建大数据平台，归根到底是构建企业的数据资产运营中心，发挥数据的价值，支撑企业的发展。2数据分析平台真的有必要吗？在企业在进行数据分析平台建设之前，经常会有一个疑问：企业数据系统每天都在正常跑数据，业务系统也都正常稳定，那我们还需要数据分析平台吗？答案是当然需要，在实际的企业数据管理中，业务系统往往不是单一的，而是多源的。业务人员看似每天都在用业务数据，但实际上彼此的数据都是相互割裂、不打通的，如果想要实现数据分析，就要从多系统中取数，然后手动整合分析，这个显然是不能靠人力就能做到的。这就叫做数据孤岛，这个问题的难点在于需要跨数据源进行分析，不同数据源之间的对接很难打通；其次，企业的数据一定是海量的，有的还需要二次加工，如果没有数据分析平台的支撑很难实现。另外从企业业务系统的角度看，我们如果把数据分析的工作直接单独放在业务系统上，一来系统的性能支撑不了这么耗费资源的事情，系统压力会很大，二来随着数据的积累，单独的业务系统很难承受大数据量的处理，所以重新构建一个大数据处理平台就是必须的了。所以，一个数据分析平台的出现，不仅可以承担数据分析的压力，还可以对业务数据进行整合，更可以不同程度地提高数据处理的性能，基于数据平台实现更丰富的功能需求。3数据分析平台建设流程数据分析平台的建设流程基本上可以从数据分析流程来理解，比如数据采集、数据整合、数据加工、数据可视化等等，一般的大数据平台都会包括这些流程，叫做一站式大数据平台。这里要注意一点，很多企业通常把基础数据平台建设错以为是一站式数据平台，二者最大的区别就在于架构上有没有实现业务探索式分析。一站式数据平台架构有很多类型，现在比较流行的是自助式分析，也就是主动式的企业数据分析平台，让业务人员直接参与数据分析，借助于BI平台充分探索分析数据，并能将庞大的任务分解为小任务处理。下面就以FineBI为例，简单梳理一下自助式数据分析平台的具体建设流程：1、数据采集企业数据从产生到应用依次经过了数据产生、数据存储与处理、数据应用三个阶段，由业务系统产生的数据经过ETL加载到数据仓库，并在数据仓库中进一步加工处理后进入BI工具，最后通过BI工具实现数据分析与可视化展示。要想顶层应用良好，那么底层的数据建设就相当重要，所以自助式数据分析平台建设的第一步就是要搭建数据仓库。如上图所示，一般来说，数仓在技术上采用三层架构设计：ODS、DW、DM。ODS全称是Operational

对于生产制造型企业，随着企业规模逐渐扩大，容易出现经营效率放缓，甚至后退的现象。究其原因，是因为传统制造企业多采用定期汇报的方式管控日常事务，这会使得关键目标进度不透明、复盘效率低，管理者不能及时掌握目标和执行情况。我们经过走访企业，梳理出了以下6大生产管理难题，并给出方案逐一击破：1解决思路为了摆脱以上困境，实现生产过程的精益化管理，帆软行业解决方案顾问提出：通过数据驱动，实现工厂准时生产、全员积极参与改善！推出的这套精益生产管控方案，包含了1个控制塔+6个模块，通过1个精益管理控制塔总揽全局，加上6大关键生产模块支撑，对生产管理中的痛点问题各个击破。2方案内容1.

可视化的作用在于帮助人们更直观地获取信息。而一个冗杂、噪音大、没有重点的图表，会让人读起来晦涩难懂。所以我们在使用可视化图表时，应该去除非必要的干扰信息、突出重点部分，简明有效地传达数据价值，给用户更好的体验。1降低认知负荷1、降低噪音信息干扰隐藏：去除不必要的背景填充去除无意义的颜色变化去除不必要的边框去除不必要的数据标签弱化：坐标轴淡色或隐藏网格线淡色或隐藏强调：使用简短有力的标题和文本，以最少的字数传达最有价值的观点、信息或故事。不建议建议去除不必要的噪音干扰不建议不建议去除不必要的颜色变化不建议不建议线条粗细、留白应适当2、常见的错误表达（1）不要为了简化或美化图表而删除基本数据。不建议建议（2）分组很多时不推荐用柱形图展示数据。不建议建议（3）多个饼图之间不能做对比。（4）慎用3D立体图。2如何突出重点？1、图表突出视觉反差（1）特殊显示

Demo查看，或者通过帆软小程序>FineBI商业智能>demo演示进入查看，养成刷Demo日常吧！/

说到数据过滤，想必大家最熟悉的就是Excel表头过滤，像这样：可见，我们对数据进行过滤，其实是希望能聚焦分析，去掉无用数据，将需要查看或分析的数据筛选出来。然而过滤操作过程看似很简单，但在具体做数据分析时，会发现在各类分析场景下要高效地筛选出数据还是比较难。为此，【玩转FIneBI】专题第四期来为大家盘点FineBI强大且多场景的过滤功能，分别有：1、分析区域过滤；2、明细过滤；3、结果过滤器；4、过滤组件过滤（符号对应下图）。1、分析区域过滤分析区域过滤等同于Excel的表头过滤效果。比如，现在我们有一张门店销售数据统计数据表，想要展示东南区的毛利额，可以对维度栏上的所属大区字段添加过滤条件，选择销售大区为东南区，即可得到过滤结果。2、明细过滤适用于当过滤后的字段需要参与到运算过程中时。举个例子，我们要计算2020年8月的毛利额相比于7月毛利额的环比增长值，但我们只有一个毛利额字段，该怎么办？现在，我们可以使用字段明细过滤，选择日期范围后，得到7月的毛利额，再复制一个毛利额字段，同理得到8月毛利额，将8月毛利额减去7月毛利额，即可得到环比增长值。区别于分析区域过滤（对计算后产生的结果进行过滤），明细过滤是对原始数据进行过滤（即先过滤再计算），支持对同一个字段，选择不同过滤条件后进行运算。3、结果过滤器过滤当我们想要使用某个字段进行筛选，但是又不想要这个字段展示出来时，我们可以使用结果过滤器进行过滤。例如这张表格中，我们不希望展示日期字段，但是又希望筛选出销售日期为2017年9月的数据，这时，我们可以把销售日期字段拖入结果过滤器中，设置销售日期为2017年9月。4、过滤组件过滤在查看仪表板时，经常要切换过滤条件，而在字段上进行过滤操作，步骤多，耗时长，当要过滤的相同内容过多时，还带来了额外手动设置的工作量。此时，我们可以通过添加过滤组件的方式，快速过滤单个或多个有关联关系的分析组件。比如下面这个库存周转率分析仪表板，在添加了文本下拉过滤组件后，选择绑定产品名称字段，即可快速筛出不同产品库存余量、库存周转率、存销比等。通过本期分享的内容，相信大家对过滤功能都有了一定的了解，更多详情可点击查看可视化过滤帮助文档、过滤demo。《玩转FineBI》往期回顾：【第三期】掌握这3个突出显示技巧，帮你一秒锁定图表关键信息！【第二期】同环比计算效率低？有了这款工具，事半功倍！【第一期】5分钟入门，10分钟精通，这份「FineBI函数宝典」请查收！/

我叫小张，我现在又很慌~上次老板布置的任务因为有了报表调试助手插件的帮助，完成的很不错，得到了老板的夸奖。没过两天，老板又找到我，说要根据公司的业务需求做一份填报报表模板，并要让用户能够将文件通过这个模板上传到服务器。FineReport

近年来，为推动企业数据分析模式变革，“由IT主导的报表开发模式”逐渐向“由业务主导的自服务分析模式”

做数据分析时，你是否有过这样的经历：查看图表时，数据繁杂，难以发现数据差异及洞察信息？每次打开自己做的分析报告，感觉熟悉又陌生，无法在短时间内回忆起当时的分析思路？数据报告分享给领导或同事后，还得依赖人工讲解演示，费时又费力？像这样的：别急，【玩转FineBI】专题第三期来给大家分享3个图表突出显示小技巧，帮你一秒锁定关键信息！技巧1、设置颜色，形成视觉反差FineBI支持根据维度/指标值设置显示颜色。以下面这张展示各年合同金额情况的柱形图为例，我们想看年合同金额在0.5亿元以下的年份有哪些，即可将“合同金额”拖到颜色栏，并设置显示条件，年合同金额在0.5亿元以下的年份显示为红色。如果数据中没有现成的维度/指标字段作为颜色区分依据，怎么办？可以通过添加计算指标，使用逻辑判断来设置颜色。比如我们想看分类下3个数据数值是否相同，突出显示不相同的类目，而我们没有现成的字段判断3个数值是否相同。这时，我们可以添加一个新的计算指标，作为判断依据，输入公式

我叫小张，我现在很慌。昨天老板让我给他做一份数据报表模板，我宵衣旰食，夜以继日，勤勤恳恳......终于按照老板的要求做出来了。就在我意得志满地把做出来的模板进行预览的时候，桥豆麻袋，这位报表你哪位啊？我辣么辛苦做出来的报表崽崽呢？怎么说变样就变样了？想着核实一下报表运行的

在日常工作中，业务人员经常要基于同环期做各种类型的对比统计，以考察本期业务运营情况。一般情况下，业务会先从IT处获取数据，再使用excel进行分析，这样的过程不仅耗费时间，而且还需要反复沟通取数逻辑、口径等，拿到数据后，还可能出现数据量大操作卡顿的问题，辛辛苦苦做完一通分析后，数据一更新，分析的时效性就没了。那么如何能一劳永逸，做完一次分析操作后，数据能保持自动更新呢？今天，《玩转FineBI》专题第二期来给大家盘一下如何使用FineBI快速实现各种场景同环比计算。在分析前，需要IT同事提前准备好数据，使用FineBI连接数据库，将源数据加载到FineBI中，设置定时更新，这样后续做好的分析看板就能做到自动更新数据；使用“自助数据集”功能对数据做简单的加工，比如选择分布在各个表中且需要参与分析的字段；以这张加工好的合同分析表为例，创建分析组件；使用表格，以签约时间为维度，使用字段“快速计算”；而当表格数据行数较多时，希望快速定位到指定日期同环比计算结果，怎么办？使用【日期】过滤组件，指定日期计算所在月的合同金额同环比。比如选择2020年4月1日，计算4月的合同金额同环比。这只支持一次性看1个月的同环比结果，如果我希望一次性看多个月的同环比情况，怎么办？使用【年月区间】过滤组件，指定日期区间计算同环比，比如2017年1月到12月合同金额同环比。以上是以自然月为周期进行计算，当自然月天数对合同金额对比产生影响时，比如4月有30天，3月有31天，如何排除天数影响，计算4月（30天）对比3月（30天）的环比增长率？使用【年月日区间】过滤组件指定具体时间段，计算2020年4月（30天）合同金额相比于2020年3月同一时间段（30天）的合同金额增长率；同环比计算结果非常重要，比如可能是业务人员每月的主要工作指标，需要突出显示时，怎么办？使用指标卡组件展示同环比计算结果；以上是本期分享的主要内容，更多详情请点击查看：同环比demo、同环比帮助文档！本篇是《玩转FineBI》专题第二期，上期回顾：5分钟入门，10分钟精通，这份「FineBI函数宝典」请查收！

FineBI函数复杂，不会用？不想用？拒绝用？莫慌！今天《玩转FineBI》专题第一期，大师兄给大家带来这份「函数宝典」，5分钟入门，10分钟精通，一通百通，快速掌握FineBI高级函数，分析计算更加高效！《玩转FineBI》专题预计以每两周一篇发文频率，帮助大家了解FineBI的各大功能亮点，快速上手使用，并应用于实际分析工作。在讲函数前，先按功能给大家盘一下函数的类型：明细级别函数：支持计算明细级别数据，根据固有的「分析维度」，得出计算结果；聚合函数：比明细级别函数灵活，支持根据「分析维度」的任意切换，动态调整计算结果，只在仪表板中使用；控制计算粒度函数：最灵活，支持根据指定的「分析维度」，计算分析结果，只能在实时数据的仪表板中使用；自定义函数：无法掌控的灵活，详见自定义函数简介及自定义函数实现字符串拼接，本文不细述；点击下方按钮，可快速查看各类函数demo实例：查看各类函数demo如何理解以上几种函数？举个例子：现有一张门店商品销售明细表，需要计算毛利率。明细级别函数，可以在仪表板明细表中计算每个订单下商品的毛利率。公式：毛利率=(销售额-成本额)

在“数据人才”专场，针对企业存在的数据人才痛点。帆软顾问将从“组织定位”、“数据文化”、“需求运营”等几个话题讲解企业如何从知识框架、业务思维、实践能力三个维度提高数据工作人员的业务水平。

去年8月，首届智数大会如期在南京举行，据会后数据统计，有来自银行，地产，医药，化工，零售，时尚，电子电气这7大行业，共700家企业，总计1400人，来到骄阳似火的南京，现场出席首届智数大会。

该公司现如今有2000多人，但公司的信息化还处于原始的数据库阶段，数据分布混乱，也没有所谓数据治理的概念。车间操作工的生产业绩都是通过人工审核统计到Excel表，耗时耗力，并且存在人为篡改的可能。

小编端茶倒水、揉肩捶背，费劲九牛二虎之力，终于得知一个利器：打开设计器>服务器>插件管理，安装插件扩展图表，你会发现众多让人赞叹的炫酷图表，诸多为数据大屏特别优化的酷炫动效！

和女朋友谈恋爱一年多了，年纪也都老大不小了，令人紧张又害怕的环节终究还是来了，素未蒙面的准丈母娘前几天提出来要见见我，这一下让我慌乱了阵脚，不怕天，不怕地，就怕丈母娘突如其来的关心......

客户群3——17392人，重要挽留客户：C（平均折扣率高，舱位较高）、F（乘坐次数）、M（里程数）较高，但是较长时间没有乘坐（R）小。增加与这类客户的互动，了解情况，采取一定手段，延长客户生命周期。

正月里来是新年，朋友圈，好友群里到处都是新年快乐，元宵节快乐的祝福.....大师兄我也是收到了很多新年祝福，然而前两天一个不常联系的老同学给我发了一段祝福，还有一个红包，点开一看5块2.....

BI在5.0使用了全新的Spider引擎，原FineIndex插件不再适用。通过安装【Spider数据集】的插件，可对接FineBI的Spider引擎取数，共享BI的表数据及数据权限。

如上图所示，简而言之电影票房预测思路就是先根据历史票房变化预测出春节档总票房，然后根据各导演、演员制作的历史电影质量、票房情况、SEO情况等预测出各电影票房占比，之后综合预测出各电影的实际票房。

这里是帆软官方服务号，提供在线技术支持服务，海量产品学习资料！上BI选帆软，专注BI十五年！

除此之外，FineBI还提供了基于业务主题的业务包形式，一次性构建数据之间的关联关系，高可复用性的元数据管理模式，为数据分析师或者是有数据分析需求的业务人员进行可视化数据探索分析提供了无限可能。

从图中不难看出，践行阿米巴的行业中，制造业占据相当的比重，或许这与这几年实体经济所面临的成本增高、企业竞争力逐渐下降等问题有关，急需找到解决企业当下问题的良药。

5.0将直接对接数据库的实时数据引擎与抽取数据的引擎整合统一为spider计算引擎。可以支撑10亿级别大数据量分析，并且支持实时数据与存储数据之间的切换；此外，FineBI

个人学习与部门计划的融合能力，通过针对性更强的训练营，把个人学习的期望和部门的数据计划进行结合，解决个人价值低，部门能力难以增强的问题，让个人目标和企业收益实现良性循环是数据团队成熟的重要标志。