共计 3505 个字符，预计需要花费 9 分钟才能阅读完成。
市场营销是企业的命脉，肯定少不了营销数据分析和统计。跟着感觉走的营销策略时代已经一去不回。快速简单地区分多渠道 ROI 的营销行动，这似乎也已成为过眼云烟。随着商业大数据重要性的不断提升，通过对对客户、业务、营销、竞争方面的深入分析，挖掘数据背后的规律和隐含的信息已经成为大多数企业提升业绩的重要手段。
提升企业的科学管理和科学决策的水平，制订有针对性和便于实施的营销战略才能为企业发展奠定良好的基础。然而在企业的市场营销部门信息化推进中，往往会面临以下诸多 问题：
1. 无法存储历年累计形成的数据，几十万行已经是 Excel 的极限在这种情况下，IT 部门往往会将数据拆分为每月甚至每周提供给市场部门部门，导致数据连续性、可读性、扩展性差。
2. 市场分析往往需要来自销售、crm、erp 等多套业务系统中的多维度数据，需要一个统一的数据平台将这些数据整合在一期，破解“数据孤岛”带来的问题。
3.Excel 制作的透视分析，步骤繁杂，而且加载速度缓慢。往往修改几行数据都需要等待数十分钟的响应时间。
4. 制作的分析格式往往固定，面对快速变化的数据，不能及时得出想要的分析结果。
如何分析来自多种源的数据，从而全面掌握形势？如果只看到同一组单维数据，势必将错失许多关键信息。我们都知道，为数据增加额外的维数（如采购历史、客户资料信息、搜索行为和广告系列数据等等）将有助于更细致地分析市场推广工作，但是如何才能轻松实现呢？新的数据库技术可以有效分析大数据，但是一次分析多个数据库仍然很难做到。正是因为这样的需求，现代化商业智能（BI）工具营运而生。
本篇文章以一个真实的制造业公司 – VanArsdel 的市场营销数据分析为例，来看看 BI 工具如何帮助市场营销人员发现问题、提升业务~
1. 分析背景
VanArsdel 有许多竞争对手，但仍是业内的市场领导者。公司的市场营销部门想要增加市场份额，探索发展的商机。然而由于未知原因，VanArsdel 的市场份额在 6 月份已开始大幅滑落。
因此我们需要通过对业界及公司的市场份额、产品量、销售额和人气等信息进行联合分析，发现并解决公司存在的问题。
2. 工欲善其事，必先利其器
在前文中我们提到了许多企业进行市场精益化数据分析的痛点，为了解决上述问题，需要一款能够连接至多维数据库进行数据建模、让业务人员进行灵活的自助分析的软件。
以往业务人员想要进行数据分析，都需要找 IT 部门的同事要数据，费时费力。而 BI 产品就很好的解决了这一问题，直连多个数据库，让业务人员随时随地分析数据。
目前国内的 BI 厂商不少，但市场占有率第一的产品，当属帆软公司旗下的 FineBI 产品。我们抛开所获奖项，年销售额第一，客户口碑这些赞美，来看看这款软件是不是真的这么厉害。
3. 多源数据整合
3.1 连接到数据库与数据平台
使用自主研发的直连 +spider 计算引擎，让 FineBI 可以通过直连与抽取两种模式，连接至多达数十种数据源。
无论企业的数据存储在传统的关系型数据库 Oracle、DB2、Mysql，还是大数据平台 Kylin、Impala、Hive，FineBI 都可轻松读取，并使用业务包进行分类。
首先我们添加一个连接到数据库的数据连接，在系统管理 – 数据连接中，或在首页选择创建 – 数据连接，进入数据连接配置页面。
a. 填写数据连接 URL
以 SQL Server 的 URL 为例
jdbc:sqlserver://localhost:1433;databaseName=xxx
其中需要将“localhost:1433″ 替换为数据库对应的 IP 地址和端口，如 ”192.168.1.1:1433″
在“databaseName=”后补充连接的库名称，如数据库名称为 BIdemo，则填写”databaseName=BIdemo“
b. 填写用户密码
填写入您数据库的账户密码，并进行连接测试
ps：如果连接测试不通过，请按照以下步骤进行排查
- 数据库服务是否在运行中
- 数据库所在服务器防火墙是否开放对应端口
- 数据连接配置是否正确（IP、端口、实例名、用户密码等）
c. 数据连接模式选择
部分数据源需要进行模式选择，即用户选择。SQL Server 选择 dbo（datebaseOwner，默认用户），其余数据源选择登录用户名即可。
测试通过后，保存连接即可。
3.2 连接到 Excel、CSV 等文件
本例中我们提供给各位业务人员的数据是 csv 文件，csv 文件不需要添加数据连接，直接在业务包中添加数据表即可。
4. 数据关联配置
在配置好数据连接，将数据添加进业务包的基础上，FineBI 可以给这些来自不同数据源的数据数据建立对应的关联，将这些数据整合在在一起。对于 IT 管理员而言：只需要配置基础的数据关联和权限，分析用户无论如何进行数据处理，都一定是在其权限范围内操作，而且自助数据集的关联也可以自动继承，不需要管理员再进行配置。而对于业务分析人员来说：分析用户可以拿到自己权限范围内所需要的数据，进行无限次处理和分析。
如下图中的 ER 图中显示的关联关系，我们以 SalesFact 事实表和 Product 产品维度表的关联为例：首先点击 SalesFact 表，选择 关联视图，之后被关联表选择 Product 表。从下图的 ER 图可知，两者的关联字段为 ProductID，关联关系为 N：1，设置好点击确定就可以了。
5. 自助数据处理
在设置好数据连接，添加好需要的数据表并设置了表间关联后，我们可能还需要对数据进行一些处理，比如过滤掉一些不需要的数据，或者进行一些计算等等。这时候就可以使用 FineBI 的自助数据集进行数据的二次加工。
多种的数据化处理功能，并结合可视化页面操作，让不懂代码的业务人员也可以快速上手，轻松搭建各类分析模型，充分发挥数据和模型的价值，帮助业务洞察。
这里我们不需要做什么复杂的操作，只需要利用自主数据集将建立过关联的多表数据整合在一起就可以。
6. 数据可视化分析
数据治理这些后台的底层工作完成后，业务人员就可以针对数据进行探索式分析了。直观的拖放式页面，降低业务人员学习的成本。而联动、钻取等 OLAP 分析功能，更帮助业务人员从多个角度探索，深入挖掘数据背后的价值。
图为 FineBI 的数据分析组件页面，只需要鼠标点点，便可完成复杂的可视化分析。
首先我们来制作观察一下市场占有率、同比市场占有率按照时间的走势，将 date 字段拖入横轴，并将粒度从年月日切换成月份，之后将市场占有率指标拖入纵轴进行观察。
接下来，只需要将关键的指标进行拖拽，就可以制作各个维度的多种分析组件了~
7. 仪表板告诉我们什么
7.1 VanArsdel – 市场份额分析
通过简单的 拖拽，市场部门的同事制作了出了这张市场份额分析报告，从中可以看到我们的市场份额、销售和人气的相关信息。数据按地区、时间和竞争对手细分。
仪表板底部的“按月份划分的 VanArsdel 单位总量”柱形图。黑色的列代表 VanArsdel（我们的产品），绿色的列代表我们的竞争对手。2014 年 6 月 VanArsdel 的下滑情况并未发生在竞争对手身上。
我们将右侧的“按细分市场划分的类别总量”条形图筛选为显示 VanArsdel 的前两大主营细分市场（“便利性”和“适度性”）
查看“单位市场份额百分比与按月划分的 R12M 单位市场份额百分比”折线图。它显示我们的每月市场份额和循环 12 个月的市场份额。循环月的数据可缓和每个月的波动并显示长期趋势。在“按细分市场划分的类别总量”条形图中，选择“便利性”，然后选择“适度性”，以查看每个细分市场的市场份额波动情况。请注意，“适度性”细分市场显示的市场份额波动更大。
我们仍需找出市场份额在 6 月份下滑的原因，接下来我们需要关注市场情绪、类别趋势、增长机会的影响。
7.2 市场人气分析
微博、头条、博客和文章都会影响使用者情绪，这从页面左侧的两个折线图中可以反映出来。左上方的“VanArsdel – 人气（按月份）”图表显示我们的产品人气在 2 月以前还算高。从 2 月开始到 6 月，就开始大幅下滑至低点，是什么原因导致这种人气下滑的情况？
让我们来查看外部来源 2 月份，有几篇文章和博客将 VanArsdel 的客户服务评为业内最差。这种负面媒体报导对客户人气和销售产生直接关联。VanArsdel 努力改善客户服务，客户与业界皆有目共睹。7 月份，正面的人气开始攀升，然后达到 60 年代以来的高峰。报表第一页和第二页上的“按月份划分的单位总量”图表中反映出情绪的微升，或许这可以说明我们的市场份额在 6 月下滑的部分原因。
7.3 连接到你自己的数据，并得出结论
上面的内容简单的为大家展示了一个分析案例。现在轮到你了，使用 FineBI 连接到自己的数据并开始分析，发现数据背后的价值。
