目录
1 项目背景
2 数据处理
3 业务需求确定
4 需求分解
5 线索分析
5.1 不同年份线索来源数量分析
5.2 不同状态的线索数量占比分布
6 商机分析
6.1 不同年份，商机转化情况分析
6.2 不同客户类型，可跟进商机分析
7 客户分析
7.1 不同类型，客户量的月变动趋势
7.2 不同年份、月份，客户数量变动趋势
8 产品分析
8.1 不同产品的年订单量及订单金额分析
8.2 不同类型客户的产品偏好分析
9 员工分析
9.1 不同年份、季度，不同事业部，员工订单金额及排名
9.2 不同教育程度、性别，员工订单金额对比分析
10 员工分析
10.1 不同事业部，订单数量及月订单金额分析
11 总结
版本：1.0
工具：预处理：Excel
可视化：MicroStrategy
1 项目背景
D公司是一家专注于数据分析领域产品销售和服务的中小型企业，专注于提供专业的BI平台和实施服务。公司设有北京、上海、台北3个分公司，其中人力资源部，市场部，商务部，财务部设在北京总部统一管理。各地分公司设有售前咨询部，专业服务部。技术支持部门设在北京总部。D 公司提供了员工、客户、线索、商机、订单等数据。其主要经营范围为销售产品、业务培训、售后维护。主要客户类型有集成商、其他、最终用户三类。其主要业务流程是客户咨询解决方案，市场部在接到咨询后，会在CRM系统记录线索信息。销售会跟进线索信息，更新线索状态，如果有机会成单，会在CRM系统中将线索转成商机。经过售前技术和销售的努力，赢得项目后会将商机转成订单，并准备相关合同。财务在合同签订后，会根据付款条件开出发票。客户在收到发票后一段时间付款。
2 数据预处理
1.缺失值处理：商机状态ID部分缺失，根据其名称，将其补充完整
2.格式：调整订单金额、商机金额以及日期格式，金额字段保留2位小数
3.重复值处理：删除重复的订单记录
4.无效数据处理：删除合计
3 业务需求确定
做项目首先需要站在企业管理者的角度理解需求，我们根据数据拟定了以下业务需求：
（1）哪种线索来源提供的线索最多？
（2）哪些线索需要及时跟进？
（3）整体业绩怎么样？
（4）哪些商机需要及时跟进？
（5）商机转化是否正常？
（6）哪些产品更受欢迎？
（7）哪个事业部业绩最好？
（8）哪些员工为公司贡献最多？
4 需求分解
（1）不同年份，线索来源数量分析
（2）不同状态的线索数量占比分布
（3）不同年份，商机转化情况分析
（4）不同客户类型，可跟进商机分析
（5）不同类型，客户的总体分布情况
（6）不同类型，客户量的月变动趋势
（7）不同产品的年订单量及订单金额分析
（8）不同类型客户的产品偏好分析
（9）不同年份、季度，不同事业部，员工订单金额及排名
（10）不同教育程度、性别，员工订单金额对比分析
5 线索分析
5.1 不同年份线索来源数量分析
由2016年线索来源分析图可知，线索来源位于前三位的是老客户介绍、网络推广和朋友介绍，且线索数量都在8900条以上，其中线索来源数量最多的是老客户介绍，这说明公司的口碑和信誉较好，老客户留存率比较高，同时也为公司赢得了许多优质新客户，该公司今后可以在客户关系管理方面继续加强，增加线索数量。而邮件营销线索数量最少，为8700多，这表明邮件营销方式的效果不太理想，今后可以在营销方式上推陈出新。
与2016年的线索来源数量相比，各线索来源的数量有明显的下降趋势，线索来源数量最多的反而是邮件营销，线索来源数量仅有8070条，线索来源数量最少的是网络推广和朋友介绍，约为7830条。
5.2 不同状态的线索数量占比分布
从不同状态的线索数量占比的饼图可以看出，处于由线索转商机的线索状态比例最高，有23700多条，将近45%，跟进的商机占了约27%，这说明目前公司经营状态良好，为转订单提供了大量商机来源。
从不同状态的线索数量占比的饼图可以看出，处于由线索转商机的线索状态比例最高，有21000多条，占比与2016年差不多，约为45%，这说明转商机的线索还是占了主导地位，但与2016年比，转商机的线索数量有所下降。公司应该引起重视，对于处于跟进中和未跟进的线索采取措施，推进转化。
6 商机分析
6.1 不同年份，商机转化情况分析
从上图看出，16 -18三年的总商机数为80000，其中处于转订单状态的商机数为13324，年商机转化率平均值是16.49%。17年商机转化率比较高，18年商机转化率最低，且低于平均值。
单独来看2016年，1季度转化率最低，2季度商机转化率有所上升，3 季度下降，4季度回升。总体上，2、3、4 季度转化率较为平稳。上面数据表明 2016年的 1 季度的订单转化率低于平均值，经营者需要进一步分析，明年多加注意。
18年商机转化率最低，我们需要分析问题出在哪里。从上图我们可以得出结论，18年商机转化率低是2、3、4季度数据的缺失所导致的，并非其他原因。
6.2 不同客户类型，可跟进商机分析
从不同类型客户数量分布来看，总体上，该公司的客户分布较为均匀，最终客户、集成商客户数量较多，其他业务客户低，需要进一步扩展其他业务客户市场。
从可跟进商机的产品分析来看，德昂us UM类型产品的商机最多，受到各类型客户的欢迎，市场潜力很大，管理者需要对这类产品的商机进一步跟进。其次，德昂MA和UC这两类产品的可跟进商机数量较少，这可能与客户偏好、线索转商机量不多等因素有关，需要进一步分析。
总体分析：各商机的转化情况以及可跟进商机量，关系到企业后期的发展趋势，有的商机需要进一步挖掘，有的则不再需要跟进，因此应当关注不同阶段的客户，注重各个阶段客户关系的维持，提高对可跟进商机量，从而进一步提高商机转化率，增加公司收入。
7 客户分析
7.1 不同类型，客户量的月变动趋势
通过对比三种类型任意组合的客户月变动趋势，三种类型同时比较，可以看出每种客户的月增长趋势都大致相同，且保持每种客户每月都在增加，变动量即增长量。每月就增长数量来说，最终客户的增长量较为落后。
如图10，由平均值基准线可以看出，客户数量具体月增长量平均值为562，低于总体平均值572，需要公司进一步挖掘最终客户。
7.2 不同年份、月份，客户数量变动趋势
从客户数量逐月变动趋势整体可以看出来，每年4-6月份客户数量的增长量是最繁荣的，而从7月开始直至次年2月，客户的增长量较为萧条，均低于平均值1717。这一时间段也是天气逐渐转冷的时间段，这意味着客户的线索在秋冬季节更难以被发掘。
从不同年份的角度出发，还可以从筛选器中单独筛出单位年的客户数量月变动趋势，平均值为1752，相应更容易看出，极值分别为1月的1390和4月的1998，由此得知每月客户增长量差异较大增长量波动较大。
总体分析：这一板块可从客户角度出发，把握住不同年份、不同类型的客户每年每月的数量变动趋势，可以更好的把握客户行为，提前预测产品的线索金额。
8 产品分析
8.1 不同产品的年订单量及订单金额分析
从不同产品的订单量及订单金额中可知各产品的受欢迎程度。德昂 us UM在订单量和订单金额上遥遥领先其它产品，这意味着由于此产品的优势或其它原因导致其客户需求一马当先，抓住这一优势点可以有效地扩大市场竞争力。其次，对此产品的优化迭代也要优先于其它产品，抓住重点产品的客户体验感提升，可以更有效地促使客户资源转利润。
2017年的金额相较2016年上涨了约21%，原因是相较去年，2017年前三个产品都销售额均高于去年，再加上2017年销售了51单德昂 us RS，这些变化使销售额和订单量有所增长，2018年的销售额较少。
8.2 不同类型客户的产品偏好分析
从不同产品对应不同客户的气泡图中也可以看出，其他类型的客户订单金额和订单量较高，具体数值在上方明细有所展示；德昂 us UM系列产品依旧很受欢迎，气泡图聚类可以说明，产品对订单的影响要高于客户类型对订单的影响。
从单个产品的筛选中可以看出，客户类型不同，订单量和订单金额的差异，差异数额明细于上方表格展示。从而把握具体客户类型对具体产品的需求如何，如集成商和其他客户对产品德昂 us UM的需求更高。
9 员工分析
9.1 不同年份、季度，不同事业部，员工订单金额及排名
为了对各事业部员工绩效进行考核，我们选取了员工的订单额这个指标，分季度对员工进行考核。订单额越大，可以说明对公司的订单贡献率越高。由于该公司的四个事业部（北京、上海、广州、深圳）的员工较多，为了考核绩效最优的员工，我们评选出季度订单额最多的前10名员工作为优秀绩效员工，给予表彰和奖励。
以上是我们抽选了2016年第一季度深圳事业部的订单额数据，通过条形图对比知道，韩博、杨欣等在内的10名员工在2016年第一季度订单额贡献最大，订单额最高的达到14400多元。
9.2 不同教育程度、性别，员工订单金额对比分析
为了分析引起员工订单金额大小差异的原因，我们选取了2016年-2018年员工总订单金额，对比不同教育程度、不同性别的员工订单金额，发现学历上，博士和硕士学历的员工订单普遍比本科和专科员工订单金额要高，其中博士订单金额最高，为86万多元，订单金额最低的反而是本科学历的员工，为57万元。这些对于人力资源管理方面，起了一定的借鉴作用。该公司可以在招聘时，对于博硕士等高学历人才可以优待一些，适当增加，对于专科人才不应歧视，应进行严格的选拔，层层筛选，择优录取。
而对于性别差异上，女员工的订单金额占比高于男员工，为64%左右，说明女员工较之于男员工贡献率更高。
10 事业部分析
10.1 不同事业部，订单数量及月订单金额分析
从各事业部的订单量及订单金额对比得出，近三年，北京、广州、上海、深圳4个事业部中，上海的订单数量最多，订单金额也是最高的。而北京、深圳事业部的订单金额低于平均值，北京最低。企业上层管理者在进行事业部绩效考核的时候可以参考以上数据。
从图18得出，北京事业部的业绩在4个事业部中最不好，我们可以通过图19具体分析哪些时间段业绩不好。从北京事业部的各月份订单金额趋势图中可以看出，2016年年底至2017年年初这段时间北京事业部的订单金额较低，2017年4-9月订单金额回升，但是2017年9月份后，订单金额逐月下降，管理者需要特别注意北京事业部整体的运营情况。
11 总结
经过收集数据、整合数据，再基于商业理解，我们用数据可视化的方式分析指标，找到问题所在，辅助决策，有助于企业形成一个“数据驱动业务”的良性闭环。我们认为，企业应该有效利用数据可视化分析工具，针对需求合理分析并展示数据结果，以辅助决策。企业管理人员在决策时，需综合考虑线索、商机、产品、客户、员工、事业部等各方面，也可以根据数据分析结果对未来市场做出合理的预测。在企业运营过程中，必须注重客户细分，关注不同阶段的客户，注重各个阶段客户关系的维持，提高对可跟进商机量，从而进一步增加订单量，增加公司收入。
