1 个回答
1、整理底层数据，单据、字段，例如物流：发货单、追踪单、签收时间……
2、整理数据指标，例如物流：签收率、时效、运费、发货数量……
3、整理统计维度，例如物流：国家地区、物流商、订单类型……
4、报表的设计，考虑使用场景和分析意义：例如怎么从一个发货数量趋势图，可以制定货物分发策略，物流资源调控
5、报表的可视化设计：维度组合切换、下钻、同环比、预警、分区分类、占比百分比……
6、注意用户的角度，同一份数据，管理层可能要看整体，业务侧可能只关注细节
7、报表是数据分析工具，是决策的依据，不是数据展现和数据提取工具，所以单纯的数据是没有任何意义的，只有数据的趋势才是有意义的
8、对数据指标可以进行深入思考，一些公式拆解和组合，存在不同的意义
例如：运费占比=运费/营收=重量*运费计价规则/营收
运费计价规则，即每g支出
营收/重量=每g营收
每g支出=平均运费/平均重量
运费占比=每g支出/每g营收