活动背景:
PandaBI v1.0发布在即,为了更好的展示产品特点,需要有“专业”的Demo案例支撑。于是召开团队会议,本着“众人拾材火焰高”的想法,最后决定由大家伙分头行动,每个人挑选一个“主题”进行Demo的制作。制作完成后,制作人逐一面向大家展示与解说其作品,最后大家伙投票评选,前三名可以获得来自“金主”倾情赞助“不菲”的奖励。
@ 曹婷(专业) @何文霞(专业) @特约记者–王静静(以及肥肠不专业)
以下就是来自各位参赛选手们的成果展示:
作品主题:《2011 ~ 2012 华盛顿特区共享单车使用数据》
这张图体现的是华盛顿特区2011年至2012年共享单车的使用情况,整体以中间为分界线分为左右两部分,从两个角度对数据进行了分析。
左上角展现的是用户总数随月份变化的折线图。可以看出2012年用户数量比2011年整体有了大幅增长,但是这两年的曲线都呈现出中间高两边低的奇怪形态,为什么?
下面四幅图表揭示了原因。左上折线柱状图和左下折线图结合可以看出,随着月份的增长,用户总数/租车数量和温度的走势大体是一致的,且用户数高峰的5~9月对应温度处于20~27度,是一个适宜骑车出行的温度区间。再结合另外两幅图,可以得知该地区用户对温度比较敏感,夏秋两季是骑车出行高峰。
再看右边的三幅图,左上的饼图表明工作日租车数量略多于非工作日,但大体相当。为什么两种不同性质的日期对租车数量几乎没有影响?右边的堆叠柱状图解释了这一现象:深绿色部分代表的临时用户在非工作日有大幅增长,与之相对的则是注册用户的减少。推测原因是节假日游玩出行的临时用户增多,上班族减少。再看下面的折线图,该图展现了租车数量在一天24小时内的变化,可以看出非工作日/工作日的曲线差异明显,工作日高峰集中在7~9点以及17~19点,显然这和上下班高峰吻合,属于通勤需求;非工作日高峰集中在11~16点,大概率是娱乐/休闲出行。这里再次肯定了之前的结论。
综上所述,该地区对共享单车的需求有如下规律:对温度敏感,有明显的周期性,不同日期的出行目的差异明显。运营方可据此作出策略调整,如将车辆的保养维护放在冬春两季进行,在夏秋两季加大车辆投放量;针对注册用户推出工作日每天2小时的通勤月卡/季卡,同时在上下班高峰前保障重点通勤路段的车辆供应;针对临时用户退出单日不限时的日卡,或者与商业区/景点联合开展活动,等等。(画外音:干货,就是字数超多)
作品主题:《高考录取数据分析驾驶舱》
就最终做出的demo来讲,并不只是将数据简简单单以好看的方式展示出来,这其中还包含了我们对于数据的一个分析过程。当拿到一份数据,我们可以将这份数据通过一定的方式转化为各种好看、直观并富有含义的图形。
我印象中的数据大屏是“炫酷”的,所以选择了一张较为科技感的背景,力图提升整个数据大屏的格调;
同种类型的图表或者有关联性的图表可以排布在同一块区域,这样显得布局整齐;对于柱状图、折线图这一类型的图来说,图表的标题最好是靠左展示,而对于饼图、雷达图这一类型的图来说,图表最好是居中展示。通过一键化主题,快速统一图表色调。另外还可以通过标题、边框组件的组合使用,展示出需要的数据。(画外音:不错得使用讲解,很有宣传意义)
作品主题:《某项目组产品质量分析》
■ 产品质量分析模板主要关注的是一个版本中的BUG提交、修复等情况。展示成如图所示的四个模块;
■ 左侧半区展示版本bug分布情况,给所有研发成员一个清晰的版本测试反馈,用实打实的数据说话。
■ 对于测试人员的反馈在右上方主视角处,因为该项目更多由测试驱动,bug的提出数据也是对测试工作的最好衡量,所以选择了人员和bug优先级的维度进行展示。
■ 一定程度上,各负责人的Bug总数体现了其对应的贡献值,这里选择了漏斗图进行直观的展示。
■ 同样我们看到了一些不容易发现的数据,以bug发生模块为维度,产生bug总数为度量的矩形柱图更容易看出版本问题高发模块,为下个版本的迭代做指引。(画外音:该案例应该会对研发的拓友们有很大的吸引力了)
作品主题:《漠河中学2017年高考成果概览》
“比赛”当天恰逢高考开考第一天,为了紧跟实时热点,选取了2017年某东北地区高中的高考成绩及录取信息来制作数据大屏。
在地图中可以明显地看出,该校考生在选择大学的时候,有着明显的地域特征:东北三省成为最多人考虑的地区,其次为首都北京;上海,江苏等国内热门填报城市和省份,由于距离该地区较为遥远而居于第二梯队。
其他图表则展示了本次高考的整体情况,包括一本录取比例,文、理科分布,及报考的院校类型等。通过该数据大屏可以增强该校领导,老师和学生对此次高考考生表现的了解,也是所有教职员工自己的一份“高考试卷”,记录着所有人的成果,也激励着将来的一届又一届考生。(画外音:该选手心怀天下,忧国忧民,为祖国未来的花朵操碎了心)
作品主题:《上海链家二手房源总览》
数据源我选择是上海链家二手房,主题选择了更有科技感的“深空蓝”。接下来就是数据分析,对于用户来说,更关心是应当是价格,地区,朝向信息,所以展示了上海链家二手房覆盖的区域范围,地区与价格与面积间的联系,以及朝向,房型的选择等。让用户一眼能看到展示的内容以及相关性。居中的海报介绍了数据来源以及公司信息,增添真实感和可信度。(画外音:上海总部想买房子的童鞋可以私聊一下Panda BI的童鞋们了)
经过大家激烈的现场演讲,最终由三位评审官以及参赛人员评选出本次比赛的名次结果。
第二名:刘德治
第三名:朱浩
第四名:车春旭
第五名:赵媛琳
第一届“PandaBI–大伟杯”圆满结束,各位选手都拿出了自己的实力,成果也是相当可喜的!
感谢各位选手,还有此次的评考官@曹婷 @何文霞 @特约记者–王静静
另外要特别感谢省下了半个月的伙食费为本次比赛倾情冠名赞助的“金主” @陈大伟。
最后是来自非要出镜的PandaBI的自我介绍: