| Tableau 实战案例：企业经营分析看板 | 您所在的位置：网站首页 › 经营分析月报 › Tableau 实战案例：企业经营分析看板 |
Tableau 实战案例：企业经营分析看板
|
1. 案例背景
1.1 背景介绍
某在线职业教育公司，目前开设有大数据、软件开发、设计、Python四大学院，主打数据分析、 大数据开发、大前端、java工程师、UI设计、PS、Python数据挖掘等课程，覆盖当今互联网企业多个主流热门岗位的职业培训。 该公司是通过 “站内 + 站外广告投放” 的形式获取对课程有需求的潜在学员线索，然后统一由销售顾问团队跟进线索，逐步引导线索学员对体验课进行试听，实现第一步转化，之后再对有大课需求的试听学员做进一步的转化，让其购买平台内的综合大课，成为平台正式学员。 随着该公司业务规模不断壮大，CEO每天都需要看各部门（市场部、教学部、运营部、产品部、研发部……）几十甚至上百张报表才能掌握公司的日常经营情况，占用了他大量时间，而且数据分析人员每天都需要拉数据、做报表，效率非常低，为了解决公司这个问题，数据分析团队搭建了一套BI智能分析的看板，通过该看板能实时掌握公司整体以及各部门的经营现状，能够随时发现、定位问题并及时采取策略进行调整。 三个核心环节：获客 + 试听 + 大课转化 相关技术应用：数据分析思维和方法论 + MySQL + Tableau 目标成果展示：
其中： 板块 1：本月业绩目标达成情况。例如这里本月以 100.42% 的业绩超额达成目标。 板块 2：课程业绩排名。反映了哪些课程对公司的业绩贡献比较大。板块 3：课程分类。通过月环比增长率和每月目标达成率这两个指标将课程分为 4 个象限：右上角表示当月达成率超过 100% 并且月环比为正增长，说明位于该象限的都是优质课程；左上角表示当月达成率低于 100%（没有达成既定目标）但是月环比为正增长，说明下个月这些课程需要更加努力完成既定目标；左下角表示相比上月呈现环比下降趋势，并且也没有达成目标，说明这些课程质量较低，需要进行课程改革；右下角表示课业绩程已经达到目标，但是月环比为负增长，说明我们对其目标定的有点低，下个月可以将目标适当调高。 板块 4：看板的 核心 内容：成单量对应大课转化环节；新增试听用户对应试听环节；新增用户数对应获客环节。 板块 5：本月业绩走势。反映了每天的业绩波动情况，如果出现波动剧烈的情况，我们就可以及时采取相应的干预措施。 板块 6：付费用户地域分布。可以看出客户主要分布在哪些地区。 板块 7：新增用户渠道来源。反映各渠道对于新增用户的贡献占比，例如这里百度、微信公众号和头条是对线索贡献最大的三个渠道。 板块 8：各渠道试听率。我们不仅关心各渠道获得的线索量，同时也关系这些线索的质量，而质量则是通过这些线索的后续行为反映，例如后续试听率和转化率。 板块 9：各环节转化情况。转化漏斗：新增 $\Longrightarrow$ 试听 $\Longrightarrow$ 付费。注意：这里不仅是 CEO 需要每天关注该看板，其他部门同样需要关注该看板的数据。例如：业务部门需要重点关注板块 1（业绩目标达成情况）和板块 5（本月业绩走势）；教研部门则需要重点关注板块 2（课程业绩排名）和板块 3（课程分类）；市场运营部门需要重点关注板块 7、8、9（新增用户渠道来源、各渠道试听率、各环节转化情况）；产品部门则需要重点关注板块 4和板块 6（新增用户情况）。 1.2 主要工作流程
工作流程主要分为 5 个步骤： 分析老板需求：老板主要存在两方面需求：掌握公司经营情况；避免查看大量报表（会花费过多时间）。因此我们需要搭建一个经营分析看板。 确定看板指标：接下来，我们需要确定将哪些指标放进看板中。例如，新增用户、新增试听用户、成单量都是比较核心的数据指标。 提取并连接数据源：根据确定的看板指标，从 MySQL 数据库中提取数据，然后连接到 BI 软件 Tableau。 制作并设计看板：通过 Tableau 对数据指标进行可视化展示，并设计制作数据看板。 发布共享看板：将成果发布出来，共享给老板和各部门同事。 2. 分析老板需求这里，我们采用常见的 5W2H 分析法 来对老板的需求进行分析：
在分析完老板的需求之后，接下来我们就需要确定看板上展示哪些指标和内容。为此，我们首先需要梳理一下公司的业务流，根据业务流，我们才能具体确定在每个业务环节需要采用哪些主要的数据指标。 本案例中的在线教育公司的业务流：
在线教育业务模式包含三个主要环节： 获客：获取线索量。主要有两种方式： 站内广告：在自己的 App 产品内投放站内广告。 站外投放：百度搜索、微信公众号、头条、知乎、抖音等。试听：对线索量进行追踪，引导他们去进行试听。 当客户看到我们的投放广告后，如果感兴趣就可以通过点击跳转到我们的产品落地页上，里面包含了详细的课程介绍。有些用户看完课程介绍后可能会非常感兴趣并且直接报名大课。另外一些用户可能想先体验一下小课，如果感觉不错可能就会直接报名大课。另外一些用户可能会反复试听一些不同类型的小课，然后可能会再报名大课。 转化：试听之后，我们还需要做进一步的付费转化。 在报名大课的用户群体当中，有些用户可能会觉得课程内容不错，然后推荐给其他潜在客户来报名大课，从而形成口碑。或者，可能后面有其他需求时，会选择复购其他大课。 在了解了业务模式之后，我们就可以更加清晰地确定看板数据指标了。 3.2 确定数据指标
在提取数据之前，我们先到数据库中看一下数据源的情况：
这里我们主要用到了 3 张表： dw_kpi：第一张是 KPI 表，包含 3 个字段： course：课程名称（主键） college：课程所属学院 kpi：课程月度目标其中，course 为主键，同时作为表 dw_order 中的外键在两表之间建立了一个连接关系。 dw_order：第二张是订单表，包含 7 个字段： order_id：订单 ID（主键） user_id：用户 ID college：课程所属学院 course：课程名称 area：用户所在地区 pay_dt：订单支付日期 money：订单支付金额dw_user：第三张是用户表，包含 5 个字段： register_dt：用户注册日期（即用户新增的日期） channel：新增用户的渠道来源 new_user：当天新增用户数 listen_user：当天试听用户数 apply_user：当天报名用户数 4.2 搭建数据源 4.2.1 创建在线教育数据库打开 Navicat，新建一个 MySQL 连接：
创建数据库 online_edu： 1 CREATE DATABASE online_edu; 4.2.2 业绩目标表 dw_kpi创建业绩目标表 dw_kpi： 1 2 3 4 5 6 7 8 USE online_edu; DROP TABLE IF EXISTS dw_kpi; CREATE TABLE dw_kpi( course VARCHAR(10) PRIMARY KEY, college VARCHAR(10), kpi INT );导入数据： 1 2 3 4 5 6 7 INSERT INTO dw_kpi VALUES ('Python数据挖掘','Python学院',500000); INSERT INTO dw_kpi VALUES ('大数据开发','大数据学院',9000000); INSERT INTO dw_kpi VALUES ('数据分析','大数据学院',9000000); INSERT INTO dw_kpi VALUES ('java工程师','软件开发学院',8000000); INSERT INTO dw_kpi VALUES ('大前端','软件开发学院',2000000); INSERT INTO dw_kpi VALUES ('PS','设计学院',800000); INSERT INTO dw_kpi VALUES ('UI设计','设计学院',800000);预览数据： 1 SELECT * FROM dw_kpi LIMIT 10;
创建订单记录表 dw_order： 1 2 3 4 5 6 7 8 9 10 11 12 13 USE online_edu; DROP TABLE IF EXISTS dw_order; CREATE TABLE dw_order( order_id VARCHAR(10) PRIMARY KEY, user_id VARCHAR(10), college VARCHAR(10), course VARCHAR(10), area VARCHAR(6), pay_dt DATE, money DOUBLE, CONSTRAINT emp_course FOREIGN KEY(course) REFERENCES dw_kpi(course) );导入数据： 1 2 3 4 5 6 7 8 9 10 11 12 13 INSERT INTO dw_order VALUES ('D000001','u000001','软件开发学院','java工程师','沈阳','2020-09-01',2900); INSERT INTO dw_order VALUES ('D000002','u000002','大数据学院','大数据开发','合肥','2020-09-01',2900); INSERT INTO dw_order VALUES ('D000003','u000003','大数据学院','数据分析','合肥','2020-09-01',4200); INSERT INTO dw_order VALUES ('D000004','u000004','大数据学院','大数据开发','大连','2020-09-01',4400); INSERT INTO dw_order VALUES ('D000005','u000005','软件开发学院','java工程师','沈阳','2020-09-01',3400); INSERT INTO dw_order VALUES ('D000006','u000006','软件开发学院','java工程师','南昌','2020-09-01',3900); INSERT INTO dw_order VALUES ('D000007','u000007','软件开发学院','java工程师','沈阳','2020-09-01',3400); INSERT INTO dw_order VALUES ('D000008','u000008','软件开发学院','java工程师','西安','2020-09-01',3900); INSERT INTO dw_order VALUES ('D000009','u000009','设计学院','UI设计','合肥','2020-09-01',2700); INSERT INTO dw_order VALUES ('D000010','u000010','软件开发学院','java工程师','沈阳','2020-09-01',3400); INSERT INTO dw_order VALUES ('D000011','u000011','大数据学院','数据分析','合肥','2020-09-01',2500); INSERT INTO dw_order VALUES ('D000012','u000012','软件开发学院','java工程师','西安','2020-09-01',2900); ...预览数据： 1 SELECT * FROM dw_order LIMIT 10;
创建用户表 dw_user： 1 2 3 4 5 6 7 8 9 10 USE online_edu; DROP TABLE IF EXISTS dw_user; CREATE TABLE dw_user( register_dt DATE, channel VARCHAR(10), new_user INT, listen_user INT, apply_user INT );导入数据： 1 2 3 4 5 6 7 8 9 10 11 12 13 INSERT INTO dw_user VALUES ('2020-10-01','百度',1615,985,30); INSERT INTO dw_user VALUES ('2020-10-01','微信公众号',1411,975,33); INSERT INTO dw_user VALUES ('2020-10-01','头条',1349,1055,40); INSERT INTO dw_user VALUES ('2020-10-01','知乎',971,809,33); INSERT INTO dw_user VALUES ('2020-10-01','合作渠道1',630,538,22); INSERT INTO dw_user VALUES ('2020-10-01','合作渠道2',466,407,17); INSERT INTO dw_user VALUES ('2020-10-01','抖音',400,253,7); INSERT INTO dw_user VALUES ('2020-10-01','快手',219,120,3); INSERT INTO dw_user VALUES ('2020-10-01','搜狗',84,42,1); INSERT INTO dw_user VALUES ('2020-10-02','百度',2033,1252,38); INSERT INTO dw_user VALUES ('2020-10-02','微信公众号',1688,1170,40); INSERT INTO dw_user VALUES ('2020-10-02','头条',1520,1169,45); ...预览数据： 1 SELECT * FROM dw_user LIMIT 10;
使用 Tableau 中的自定义 SQL 功能查询 9 月份的所有订单记录： 1 2 3 SELECT * FROM dw_order WHERE pay_dt >= '2020-09-01' AND pay_dt |
【本文地址】