本文介绍如何利用fine BI商业智能软件制作可视化报告，数据表已提前做了初步清洗，由于本文重点在可视化，因此不对数据的选取和清洗做详细介绍。本次数据集主要针对某商场某一段时间内针对该商场会员的分析，主要涉及会员RFM模型分析、会员流失检测和会员消费偏好分析三部分。

全文分析思路

分析模型详细构成

一、导入数据

1.1、导入数据

添加文件夹

点击数据准备，点击添加业务包，点击数据列表，业务包相当于新建文件夹，用于储存数据分析所需要的数据表，根据分析目的对业务包进行重命名。

业务包重命名

点击业务包，进入业务包后，点击添加表，本次分析数据均导出为excel表，因此点击excel数据表添加数据表

在跳出的选择框中，选择目标数据表，点击打开：

读取数据表后：1、观察数据是否完整，2、数据格式是否满足分析需求，若需调整数据列的格式，右侧点击对应的数据列，下拉列表选择目标格式即可。数据完整及格式确认无误后，点击右上角确定，录入数据表。

录入数据表后，业务包中会出现录入的数据表。

以此流程录取此次数据分析所需的全部数据表。

1.2、源数据集准备

由于目标数据分散在各个数据表中，因此需要对数据表进行整合生成分析目标所需的表格。为便于后续重复使用，我们添加自主数据集，将所需要的数据表进行整合，作为源数据表重复使用。

制作源数据集

我们以销售明细表作为主表，在数据列表中选择销售明细表，表右侧出现该表详细数据构成，勾选目标数据列，不勾选则不选中，如本次分析收款方式暂时不用，我们取消勾选则数据集中则没有收款方式一列。

选择主表数据

主表数据准备好后，我们点击下方➕号，选择左右合并，依次将所需要的数据表合并进主表，在跳出的数据框中选择目标数据表所在的文件夹。

合并数据表

进入文件包选中目标数据表，勾选所需数据列，点击确定。

合并数据表

选择左合并，这时右侧报错提醒合并依据，合并依据等同于mySQL合并数据集的连接键，这里报红提醒是由于两个表中合并的连接键列名称不同所致。需要手动选择合并连接键。

合并依据

选择合并的连接键后，数据合并成功，合并后的数据集会用不同颜色区分连接键、主表和合并表，观察数据合并的列是否完整。

合并数据表

依次合并其他几个数据表，合并表时，合并依据也可以添加多个同时作为合并依据。

两个合并依据

数据合并完毕后，将源数据重命名并保存，保存成功后点击❌号关闭页面回到业务包中；

合并完成保存源数据表

在业务包的数据列表中出现合并完成的数据表，点击右侧刷新数据，加载出合并完成后的源数据表。

加载源数据

加载完成：

源数据表

1.3、根据分析需求准备目标数据

1.3.1、RFM模型数据准备

选中源数据，点击添加表，选择自助数据集

选择自助数据集准备数据

根据RFM模型分析所需数据选择目标数据，根据RFM模型数据分析需求，需根据已选的数据进行计算处理获取目标数据。RFM模型详见：孙宁远：数据分析师必备的分析方法论

选择RFM模型所需数据

1、计算用户平均消费金额

点击➕号，选择：新增列，在跳出的新增列窗口中，命名新增列列名：用户平均消费金额，选择：所有值/组内，选择目标数据：销售金额，统计方式选择平均，点击确定即可获取用户平均消费金额。

计算用户平均消费金额

2、根据会员画像对数据进行分组汇总

点击➕号，选择：分组汇总，在分组汇总列表中，将分组项依次拖入对应的分组方框中，将汇总数据拖入对应的汇总方框中，我们根据会员类型、会员卡编码、会员卡ID对用户进行分组，由于用户平均消费金额已算出，我们也将用户平均消费金额拖入分组项中，对汇总数据，我们对用户销售金额进行求和计算，作为会员个人消费金额，对销售数量进行计数作为会员消费频次，对卡折扣率进行求平均计算得出会员相应的折扣率。

分组汇总

对消费时间，我们取用户最近消费时间，作为用户最近消费时间计算依据。

选择最近消费时间

3、对数据进行过滤

分组完毕后，我们对数据进行过滤留下我们需要的数据，点击添加条件，选择且条件

过滤

此次我们针对商场会员进行分析，因此剔除非会员数据，我们选择会员卡类型字段

选择过滤依据

设置过滤条件，只选择会员相关的数据

输入过滤条件

4、计算用户最近消费天数

新增列，命名为客户最近消费天数，选择时间差，计算依据为当前时间至用户最近一次消费日期的时间，我们以天数为单位计算

计算用户最近消费天数

4-1、计算用户平均最近消费天数

新增列，命名为客户平均最近消费天数，选择所有值/组内，数值来自选择用户最近消费天数，统计方式选择平均。

用户平均最近消费天数

5、客户平均消费频率（次数）

我们所截取时间内用户消费次数作为用户消费频率，用户消费计数以通过对销售数量这一列进行计数获取，因此只需计算出客户平均消费次数即可。新增列，命名为客户平均消费次数，选择所有值/组内，数值来自选择销售数量，统计方式选择平均。

客户平均消费频率

6、计算R值、F值、M值

新增列，命名为R值，我们以客户最近消费天数小于客户平均最近消费天数记为1，否则记为0，使用if(判断条件，ture,false)函数。

R值

同理，我们使用IF函数计算数F值和M值：F值以销售数量大于客户平均消费天数记为1，否则记为0。

F值

M值以销售金额大于用户平均消费金额记为1否则记为0。

M值

新增列，将R值、F值、M值合并为RFM值，使用concatenate()函数进行合并：

R值、F值、M值合并

7、根据RFM值分别赋予用户RFM分类属性

根据RFM模型，对应数据中，高为1，低为0

RFM分类依据

添加列，选择分组赋值，根据RFM值为会员确定类别属性：

根据RFM赋值

对RFM值分别赋值：

RFM赋值

赋值结果：

赋值结果

8、新增计数列

为了便于绘图时程序统计，我们增加一个计数列

新增计数列

9、查看数据集保存

查看数据集是否完成，若无点击保存，再关闭返回业务包中。

1.3.2、会员流失状态数据

在源数据中选择目标数据

选择数据

过滤数据，只选择会员相关数据

过滤数据

根据卡状态对会员流失状态进行分类：正常使用、即将流失和已流失三种状态；

状态分类

我们将注销和自动冻结不可解冻规定为已流失状态，正常使用为正常使用状态，冻结可解冻为即将流失状态。

分类依据

保存数据。

保存数据

1.3.3、有效会员数

数据集中所有有记录的会员皆为有消费记录的会员，均为有效会员。选择目标数据：

选择数据

对会员类型和会员ID进行分组汇总，去除重复数据：

去重

过滤非会员数据：

去除非会员数据

添加计数列：

添加计数列

1.3.4、会员消费偏好

新建自助数据集，选中源数据集，选择所需目标数据列

选择目标数据列

过滤数据，其中会员类型选择会员，品类名、品牌名选择非空，销售金额和销售数量选择非空且大于0。

过滤数据过滤数据

设置价格消费区间，新增列并命名为消费价格区间，点击分组赋值，赋值依据选择销售金额，分组方式选择自定义。我们分组类别为0-500，500-1000，1000-2000，2000-5000，5000-10000和10000以上，区间左闭右开。

分组价格区间

新增计数列便于后续统计

新增计数列

分组汇总，对会员按品类、品牌和消费价格区间进行汇总统计，分组依据我们将收银台小票号、会员卡类型、会员卡ID、品类名、品牌名和消费价格区间拖入分组框中，将销售金额和计数列拖入汇总框中，并对销售金额和计数列进行求和计算，数据确认无误后，保存数据。

分组汇总

二、数据可视化

fine BI中数据可视化在仪表板中绘制，进入仪表板，点击新建仪表板，输入仪表板名称，点击确定即可。

新建仪表板

2.1、RFM会员价值体系可视化

点击添加组件，进入数据表选择弹窗。

添加组件

选择目标数据表，点击确定进入绘图区。

选择目标数据表

1、绘制RFM矩形树图

选择矩形树图，将RFM客户价值类型拖入“颜色”一栏进行不同颜色区分，将计数列拖入“大小”一栏计算每一类型的面积。

绘制RFM矩形图

将RFM客户价值类型和计数列拖入“标签”一栏，显示每一个矩阵的名称和数量，点击标签可对标签内容进行编辑，点击编辑按钮进入编辑状态。

生成标签

选择文本，将颜色转为白色。

编辑标签格式

fine BI默认存在图例，由于图中已显示标签，可去除图例。

图例

勾选查看全部数据，点击进入仪表板。

勾选全部数据，取消图例

进入仪表板

进入仪表板

单机绘图，点击下拉条，选择：编辑标题，为绘图进行命名。

命名

图例命名为RFM会员价值类型分布

命名

2、绘制RFM会员销售额贡献分布

在仪表板中左侧栏目中，点击“组件”继续添加绘图，在弹窗中选择目标数据表，点击确定

继续添加绘图

选择饼图，将RFM客户价值类型拖入颜色一栏中，将销售金额拖入角度一栏中，饼图为了兼容环形图，在半径一栏中默认内径不为0，按半径的75%展示，可自行调节。

绘制环形图

添加图标签，将RFM客户价值类型和销售金额拖入标签，由于标签较多显示不全，点击标签进行编辑，将标签位置局外，并允许标签重叠时自动调整位置。

编辑标签

根据RFM各类别会员销售额贡献情况进行升序排序

升序排序

去除图例，进入仪表板并命名为RFM客户消费金额分布

去除图例

3、RFM会员价值分类表

继续添加组件，选择目标数据表

选择目标数据表

图表类型选择分组表，将会员卡类型、RFM客户价值类型、会员卡类型编码拖入维度一栏，将计数列拖入指标一栏

根据用户画像进行分类汇总

由于软件默认缩进，为了便于查看需要调整表格展现形式，选中组件样式，选择格式，将分页行数修改增大至40行，并勾选“展开行表头节点”，可看到分组表展开后的数据情况。

展开数据

组内汇总统计较为干扰，因此我们选择：合计行，在合计行中去除“显示组内合计行”勾选状态。

去除组内合计行

此外我们还想知道每个会员类型所对应的折扣率，因此将卡折扣率拖入指标一栏中，并对卡折扣率的汇总方式调整为平均

增加卡折扣率并调整统计方式为求平均

组内排序，为了便于迅速掌握每个会员类型中什么价值类型的会员较多，我们对每个会员类型中不同价值类型的会员数量进行降序排序。汇总表完成后，我们进入仪表板并将表格命名为RFM会员价值分类表。

排序并保存数据

2.2、会员监控分析可视化

1、有效会员数

继续添加组件，选择“有效会员数”目标数据表

选择数据

图片类型选择仪表盘，将计数列拖入指针值，选择上方目标展示类型，修改目标值，选择自定义，填入总体会员数。

绘制仪表盘

填入总的会员数为100000，将计数列拖入标签显示数量，并勾选查看数据，查看无误后进入仪表板。

添加标签，设置总数

2、各等级会员构成

继续添加组件，选择目标数据表：会员流失状态。

选择目标数据集

图表类型选择漏斗图，将会员卡类型拖入颜色一栏，记录数拖入大小一栏中。

填入数据

添加标签，将会员卡类型和记录数拖入标签一栏，勾选查看全部数据，并编辑标签，调整标签颜色为白色

查看全部数据，生成并编辑标签样式

去除图例，进入仪表板

去除图例

3、各会员类型流失状态

继续添加组件，选择目标数据集：会员流失状态。

添加组件，选择目标数据集

图表类型选择堆积柱状图，将会员卡类型拖入横轴，记录数拖入纵轴并对记录数做求和统计，将卡状态拖入颜色一栏进行区分

制作堆积柱状图

添加标签，并显示各状态会员的组织内占比情况

设置组内占比

去除图例，勾选全部数据，进入仪表板。

去除图例，选择全部数据

2.3、会员消费习惯分析可视化

1、各等级会员品类消费偏好

继续添加组件，选择目标数据表：会员消费偏好：

选择数据表

图表类型选择分区柱形图，将会员卡类型拖入横轴，品类名拖入纵轴，并将计数列拖入大小一栏，并勾选查看全部数据

生成图表

为了便于快速查看会员喜好的品类，我们对纵轴品类进行降序排序

降序排序

去除图例，进入仪表板

去除图例

2、各等级会员品牌消费偏好

继续添加组件，选择目标数据集

选择目标数据

图表类型选择分区柱状图，将会员卡类型、品牌名拖入横轴，计数列拖入纵轴，勾选查看全部数据，生成图形。

生成图形

为了便于快速查看会员最喜欢的品牌，我们对品牌名按计数汇总对其进行降序排序。

根据品牌名进行降序排序

品牌较多，每个会员类型消费偏好的品牌我们只选择前三个进行展示，因此对品牌名进行过滤，选择最靠前的前三个品牌

过滤选择前三名

选择计数列（求和）

选择过滤条件：计数列

选择最大的3个

最大的3个

选择前3个

选择前三个

将品牌名拖入颜色，不同品牌用不同颜色进行区分，确认无误进入仪表板。

颜色区分

3、各等级会员消费价格区间

继续添加组件，选择目标数据表。

选择数据表

图表类型选择分区柱状图，将会员卡类型、消费价格区间拖入横轴，将计数列拖入纵轴，并将消费价格区间拖入颜色一栏进行区分，并勾选查看所有数据，生成图片。

生成图片

为了便于快速查看各等级会员价格消费集中趋势，我们对消费价格区间按计数列进行降序排序。

排序

为了便于观察主要消费区间，我们每个会员等级只保留靠前的两个价格区间，我们根据消费价格区间进行过滤。

过滤

选择目标字段，根据计数列（求和）进行过滤筛选。

选择目标字段

选择最靠前的2个进行过滤筛选

选择前N个

去除图例，确保无误，进入仪表板并命名为会员消费价格区间分布。

去除图例

至此全部可视化图例全部绘制完成。

2.4、添加文本

图文并茂，快速准确传达我们想要传达意思最为重要，因此我们还需对报告添加必要的文字说明。

在仪表板中，右侧栏目选择“其他”，点击文本组件。

点击文本组件

弹出的文本编辑框中添加文本

文本编辑框

输入编辑文本，并调整至合适位置

编辑文本

2.5、选择模板

提高视觉效果，可选择一个模板进行美化，点击顶部“仪表板样式”，选择目标样式，点击确定。

选择模板

模板效果图，并可点击顶部“导出”，生成相应格式的报告文件

导出报告

2.6、最终可视化分析报告

最终可视化分析报告

三、分析结论

1、RFM检测模型

1.1、结果描述

①各分类价值用户分布较为合理，但是重要挽留客户和重要发展客户需要进一步占比较高；

②重要发展客户、重要挽留客户贡献了了近70%交易额，加上重要保持客户和重要价值客户贡献了商超95%以上收入，基本符合二八法则；

③高等级的钻石卡和黑钻卡重要客户占比靠前，比例构成较为健康，但是积分卡和贵宾卡一般发展客户和一般挽留客户排名靠前，需要针对贵宾卡会员展开针对性的营销活动。

1.2.客户分类措施

①重要价值客户：倾斜更多资源，VIP服务，附加销售稀缺性商品；②重要保持客户：分析该类顾客的往期消费情况，进行针对性推荐，同时通过打造爆款新产品重新赢回用户；③重要发展客户：开展会员忠诚计划，通过高等级会员卡、福利、个性化服务等作为激励，促进消费；④重要挽留客户：重点联系，提高留存率。；⑤一般价值客户：通过关联销售、捆绑套餐等活动，向上销售价格更高的产品；⑥一般发展客户：提供免费使用，提高客户兴趣，创建品牌知名度，以促进复购、增加消费金额；⑦一般保持客户和一般挽留客户：几乎流失，可尝试通过发放大额优惠券激活，仍无回应的话，可直接放弃。

二、会员监控分析

2.1结果描述

①***商场当前有效会员总数为41869人，占总会员数不足50%；

②会员漏斗结构不合理，贵宾卡人数多于积分卡人数，可针对这一情况做进一步原因分析；

③各个等级的会员用户流失普遍高于行业平均水平的10%（非真实，根据本案例数据的同比假设值）。

2.2、措施

①开展老会员维护计划；

②寻求新会员拓展计划，更新产品与时俱进。

三、会员消费偏好分析

3.1、结果描述

①品类偏好中，化妆品、国际精品和运动部排名前三，其中积分卡对化妆品消费占比明显高于其他品类。

②品牌方面，兰蔻广受欢迎。

③消费区间方面，积分卡、贵宾卡和钻石卡会员消费最高区间均为0-500元，黑钻卡消费最高区间为2000-5000。

3.2、简略营销方案

①根据不同会员的消费偏好，定向推送活动信息。比如针对积分卡用户重点以化妆品类中的兰蔻、香奈儿等品牌作为大促活动的主推点；

②积分卡和贵宾卡会员的消费区间主要落在0-500和500-1000的区间，建议每期大促可针对该二类会员定向推送500-xx元和100-xx元的满减优惠券；钻石卡会员建议大促推送500元和2000元的满减优惠券；黑钻卡会员建议大促推送500元和20000元的满减优惠券，其中满500元满减活动更具有普适性。