01
业务包搭建
|
——本文所使用数据分析工具为FineBI V4.1 01 业务包搭建
在进行搭建数据可视化分析之前，我们先来熟悉下我们需要分析的底层业务数据模型表（FineBI内置互联网行业业务包，大家如果需要边学边练，可直接到FineBI官网下载使用）。本次数据可视化分析所需要涉及的相关数据表主要是地区维度表、推广渠道维度表、用户维度表、访问统计事实表、访问阶段统计事实表这五张表，我们通过FineBI工具可快速进行这些数据表之间的关联关系自动建模，在前端分析时则可以自由进行多数据表之间的维度指标组合，实现任意角度的上卷下钻多维透视分析。 地区维度表 其中地区维度表主要包含地区的位置信息，可用于和访问统计事实表关联以获取具体的地区数据。 用户信息维度表 用户信息维度表主要包含用户的相关个人信息，如用户名称、年龄、性别等，可用于和访问统计事实表、访问统计阶段事实表进行数据关联以获取用户的相关基本信息。 推广渠道维度表 推广渠道维度表主要包含三级推广渠道名称，可用于可访问统计事实表进行关联以获取访问用户的推广渠道来源信息，便于进行用户的回源追踪和推广渠道的完善。 访问统计事实表 访问统计事实表主要包含平台在对应统计日期下的用户停留时间、浏览量、访问次数、跳出次数等指标信息，同时可与推广渠道维度表、用户信息维度表、地区维度表进行关联以获取相关维度信息。 访问阶段统计事实表 访问阶段统计事实表主要包含用户每个访问阶段的平台总停留时间，可与用户信息维度表进行关联以获取访问用户的相关信息。 02 各区域用户浏览量统计 首先对于互联网行业的企业来说，其用户往往是遍布全国的，比如我们在南京搭建的网络服务器，其平台访问用户可能是来自全国各地的。像这样包含地理信息位置等方面数据的分析统计情况，使用FineBI工具中所提供给的地图组件再合适不过了。接下来我们希望能够使用地图统计出各区域用户的浏览量分布情况，我们可以看到业务包中的地图维度表原始数据仅包含地区以及地区ID和父ID三个字段，那么如果我们需要做出如最终效果图所示按照省-市的地区分层进行地图数据统计又该如何实现呢？ 在FineBI工具中提供了强大且易用的自循环列功能可供用户对带有层级级别的数据进行分层使用，如下图所示，我们可以对地区维度表进行两列的数据分层，分层依据的ID列选择地区ID，父ID列选择地区父ID，然后直接构建自循环列保存进行地区表的数据分层即可。 如下图所示即为我们通过FineBI工具自循环列分层得出来的结果。 通过FineBI工具的自循环列简单处理，得到具有层级关系的省-市数据之后，我们把地区维度表分层之后的层级1、层级2拖拽到地图组件的分类框中，字段命名分别修改为省份和城市，指标框中拖入访问统计事实表中的浏览量。然后进入地图组件属性设置界面将分组方式修改为自定义分组，按照0~500，500~1000，1000~2000，2000~3000，3000~无限制区间进行浏览量的数据对应显示颜色进行分组即可实现如图所示从全国省份钻取到城市之间进行用户浏览量数据分析统计。
03 关键直播统计 对于互联网平台来说，平台最重要的流量关键指标莫过于浏览量、访问次数等用户浏览关键信息了。对于这一类关键信息指标，我们可以通过FineBI的仪表盘进行直接的数据指标汇总统计，直观展示各个平台关键指标的达成进展等情况。如下图所示，我们可以选择访问统计事实表中的浏览量、跳出次数、访问次数字段，拖拽至仪表盘的指标框中，然后在样式属性中选择刻度漕型仪表盘。
如此，我们便轻松实现了平台浏览量、跳出次数、访问次数这三大关键指标的汇总监控统计，可以看到它们的指标统计结果分别为23917、8267、9175，跳出次数较访问次数而言相差不大，跳失率较高，说明平台内容建设有待优化。 04 用户类型跳失率分析
接下来我们希望进行平台不同用户等级群体之间的访问跳失率数据计算统计，观察和分析不同用户群体之间的访问次数、跳出次数和跳失率之间的指标差异。首先我们选择用户维度信息表中的用户类型字段作为我们组合图的分类轴，然后左值轴拖拽选择访问次数以及跳出次数指标，右值轴新增计算指标跳失率=跳出次数/访问次。同时指标的图表类型方面，左值轴的指标都设置为柱状图，右值轴的指标设置为折线图，并且将单位数量级修改为百分比格式进行数据图表的分析展现。
如上图所示我们可以看到，该平台的VIP用户、老用户、新用户这三大类型的用户平台访问跳失率分别为97.15%、91.00%、87.37%，这严重说明了平台的用户黏性做得不够好，大多数用户都是以一次性消费为主，回头客较少。对于这种类型的互联网平台，则可考虑针对老用户以及VIP用户多做一些平台商品优惠推送活动，同时多做一些老用户调研和老用户回访，增强平台和用户之间的互动沟通，提高用户和平台之间的黏性。 05 用户浏览量访问TOP10 通常对于互联网平台来说，我们需要进行用户活跃度数据指标统计。以用户的平台浏览量统计为例，我们往往会比较关注平台较为活跃的用户然后进行有针对性的激励或者用户拉新共创运营。首先我们选择用户信息维度表中的用户名称作为分类轴，然后值轴放置访问统计事实表中的浏览量指标，统计每个用户在平台所产生的总浏览量。接下来我们对用户名称字段进行过滤，过滤条件设置为浏览量属于前10个用户，然后按照浏览量进行降序排列，即可得到如下图所示的用户浏览量访问TOP10统计图。
可以看到，Blanche、Henry、Christina这三个用户平台的浏览量非常高，排名前三，平台需要重点关注进行活跃用户运营，例如采取一些以老带新的激励形式的制度对平台产生新用户引流效果，同时实现平台和用户之间的共赢。 06 平台用户年龄段流量统计 对于互联网平台而言，用户是我们的衣食父母，所以对于用户画像方面的特征统计对于我们渠道推广来说具有指导意义。下面我们进行平台的用户年龄段流量统计，首先拖拽用户信息维度表中的年龄字段（内置业务包中，用户信息维度表的年龄字段为字符串类型，此处我们可以在ETL处先新增列转化为数值类型）到分类轴中，然后左值轴中选择访问统计事实表中的浏览量字段作为统计指标。
此时我们会发现FineBI会自动按照用户年龄进行步长为10的分组统计，也就是按照10~20、20~30、30~40、40~50之间进行各个年龄段的平台访问量区间统计。从上图数据中可以看出，该平台的主要用户群体为20~30岁之间的年轻人，这也符合当代互联网人员年龄群体分布。针对于此，平台在做一些渠道线上或者线下营销引流推广的话，可以针对与20~30岁之间的年轻用户群体进行定向营销。 07 各渠道浏览量分部 对于平台引流推广来说，我们通常需要进行各个渠道的定向推广以达成新用户引流的效果。所以针对于各个营销推广渠道，我们需要及时进行效果监测。该平台推广渠道分为三个层级，对于这类多层级的数据分析统计，选择多层饼图进行统计计算再合适不过了。我们将推广渠道维度表中的一级渠道名、二级渠道名、三级渠道名分别拖拽到多层饼图组件中的分类轴中，然后指标框中放置访问统计事实表中的浏览量字段，进入到样式属性设置界面，将多层饼图的内径大小调节为60即可。
如上图所示我们不难发现，目前平台的浏览量推广渠道来源大多数都是新媒体营销渠道，占据64.59%，但是线下来源所带来的用户产生的平台浏览量却仅为14.43，具有较大提升空间。除此之外，我们还可以通过多层饼图便捷地查看其他渠道的一些推广引流效果，即时监测以便及早发现问题、解决问题。 08 用户行为阶段统计雷达图
接下来我们再来研究一下平台的用户在各个行为阶段的停留时间分析，以便了解用户在各个阶段所耗费的时间。比如浏览商品时间过长，就可以考虑平台的搜索引擎以及商品推荐机制是否完善；如果付款阶段稿费时间较长，是否可以是因为平台的付费渠道不够丰富，可以考虑增加一些更为通用其他支付渠道等。像这一类长短板对比数据分析的统计，我们常常可以使用雷达图进行相关数据的图表展现。首先我们分类轴选择访问阶段统计事实表中的最后访问阶段字段，同时系列轴选择访问平台字段，指标轴选择总停留时间字段，然后再新增计算指标将原来的总停留时间单位换算小时（原来为秒，除以3600即可）。
如上图所示，我们便成功统计出了用户在各个行为阶段总共所停留的时间情况，不难发现从访问平台用户在每个阶段的停留时间总体上IOS>安卓>移动浏览器，这说明对于平台来说IOS用户还是占据主流群体。另外用户在下单和添加购物车环节所占据的时间都不算短，这块可以考虑平台用户在下单和添加购物车环节流程上是否有优化空间。 09 布局和配色
接着我们给整个仪表板添加文本组件作为标题，同时在两侧放置图片组件以增强仪表板整体细腻感。仪表板背景方面（R，G，B）为（0，0，0），标题栏背景（R，G，B）为（36，38，64），其他颜色参考下图FineBI中的全局样式配色即可。
最后调整各个组件之间的布局和大小即可达到最终的互联网流量监控作战指挥室的驾驶舱效果，还是很简单吧~希望小伙伴们都能快速上手，根据企业的实际数据分析业务需求情况，给自己的老板打造一款类似的管理驾驶舱呢~升职加薪，指日可待！
FineBI 新一代自助大数据分析的BI工具 |
|
|
来自： KyunraWang > 《大数据》
