作者介紹

@西索

知乎：鄭小柒是西索啊

資深數據分析專家

故事很多，餘生慢慢分享

“數據人創作者聯盟” 成員

#1 我認為一個好的分析報告應該要的結構

#2所有的分析報告都有一個大前提 --- 了解報告的受衆

知道他們是誰，喜歡什麼樣的風格，怎樣的叙事過程，才好判斷報告的載體和形态。

是用excel，還是用word，或者PPT和key note ？

是喜歡鮮豔的對比色，還是穩重的商務色 ？

是總分，還是總分總，還是總分分 ？

是喜歡開門見山，還是喜歡先揚後抑 ?

是希望邏輯嚴整，還是喜歡單點突破按照模塊去拆解？

是喜歡專業的詞彙，還是通俗易懂的大白話？

根據受衆的數據理解能力，去判斷用哪種圖表進行呈現，做合适的解讀。

——如何了解？

在日常對接的瑣碎數據需求過程中，帶入以下幾個層面的理解：

① 需求的業務方是誰，他們為什麼需要這些數據，怎麼用這些數據（看 or 讀）；

② 通過周期性的需求對接，在哪些業務團隊内可以擁有話語權，在哪些場景下可以擁有數據的驅動決策權；

③ 摸清一個企業的組織架構，哪些高層會真正用數據，看數據的習慣和偏好。

#3 彙報的9大要素

1）背景

脫離了業務背景的分析過程，很容易被質疑，站不住腳。

為什麼要做這件事情？誰的需求？做完這個事情之後能幹什麼？資源分配如何？

2）目标

可以把目标拆解成為幾個階段，本期的目的是什麼，之後的計劃是什麼。

因為在實際業務過程中，分析的過程往往是循循漸進的，不可能一次性的就把一個問題剖析的特别清楚，分階段分步驟的完成某一個事情。

3）重要結論

按照寫議論文的方式，總分總，是最常見的結構，總的部分，就是結論了。通過哪些數據去抽象成為問題、異常、趨勢，站在業務側的角度進行具象，形成典型的案例，凝練語言和話術。

結論前置的好處，是幫助讀/看報告的人節省時間，快速聚焦到結論事項上。

如果本身的話語權足夠大的話，還能減少決策鍊路，直接進行策略抉擇，少了很多環節。

舉個例子：通過對各省用戶在客服部門的訴求信息分析，發現湖南和吉林兩省的用戶體量大（x），新用戶的占比高（x%），在平台入駐、協議簽訂、商品發布幾個環節的問題量，高于平台平均水準x%。

原因：經過對數據的拆解，在兩省的培訓材料少、知識庫覆蓋面比較低，語料素材匹配度不高；

策略：建議培訓部門加強對知識庫、語料的建設，并針對兩省用戶的問題，制定相應的策略；

價值：通過對知識體系的完善，能夠減少客服人員在基礎問題上的人力投入，加快問題響應解決率，從而提升用戶的使用滿意度。

4） 問題vs論點vs論據

大部分情況下，一般的數據分析到這裡就結束了，因為是總分的關系，隻需要暴露問題，至于問題的解決，是依賴于其他的團隊，或者部門的領導去拍闆。

針對前面的結論，對每一項分開進行闡述，支撐起重要結論的論點分别是什麼，以及對應的論據。

在這個環節過程裡面，所需要組織的内容就是一套标準的數據分析過程，即：

數據采集-數據處理-數據統計-數據可視化-數據結果

需要強調的是，在整個分析的過程裡面，最好能夠提前明确好統計的核心指标和維度。

看待問題的視角有很多，所以需要提前定下來一個框架，從主視角、第二視角去對指标進行剖析。

分析的方法，就不在報告層面上展開了，會在另外一個部分裡面體現。

5）小結

熟悉業務多一點的分析師，會看的更遠一些，從業務的視角嘗試進行數據解讀，即根因分析，先定義異常，然後去解釋異常，再之後去闡述異常。

針對重要結論中的其他次要結果進行歸納。如果說重要結論是給老闆看的，那小結的部分是給中高層的管理者看的，他們必須要明白數據的構成，前後的邏輯關系，以及數據之間的勾稽關系。

值得說的一個點在于，不管通過數據分析得出來的結果如何，都會對應一套說辭。如果數據呈現的結果是趨好的，那為什麼好，在哪些層面上做的比較好，為什麼？

是因為産品做了一部分改動，發了新的版本、優化了部分模塊、改善了用戶體驗？還是因為運營做了一部分活動，強化了用戶的感知。或者是因為市場環境發生了變化，促使了用戶不得不去使用。

如果數據呈現的結果是不好的，那為什麼不好，在哪些細節上可以體現出來，為什麼？

是因為産品做了一部分改動，發了新的版本、模塊改造、鍊路變化。還是因為運營做了一部分活動，但是活動的人群樣本選錯了。或者是因為市場環境發生了變化，用戶的選擇性更多了。

6）策略

大部分情況下，分析報告到小結部分就結束了。到決策這個層，本質上來說已經超出了普通分析師的職責。因為策略本身，應該是數據歸屬管理部門該去幹的事情，通過暴露出來的問題，判斷每個問題對問題的影響程度，做不同的決策，數據部門本身不具備決策權。

資深一些的分析，會根據自己對業務過程的理解，拟定各種差異化的策略，供業務團隊去選擇，增加解決問題的可能性，這個過程在企業裡面的落地，就是數據驅動業務的過程。

針對分析過程中發現的問題，能夠制定且落地的手段和方法。

策略的制定過程，很大程度上是需要依賴于多團隊協同的，所以這時候就需要去搞人際關系，尋找各個業務團隊的切入點，這樣才能拉到更多的資源支持。

人際關系的過程是一套腹黑管理學，也不在報告本身這個層面體現，後面會有單獨的環節去介紹。

7）需求和資源

不可否認，這是絕大多數數據分析從業人員都會忽略的一個主體。

花了大量的時間，去做需求的溝通對接，反複的拆解需求，找準數據來源，做繁瑣的清洗和處理，最後統計分析出核心的問題所在，彙報完就結束了。

這裡隻需要問幾個問題：

① 如果要評論這份報告的意義，誰可以給你做後盾；

② 如果要評價這份報告的影響，哪些人可以來支撐它的合理性；

③ 如果要評估這份報告的價值，它應該值多少錢。

意義、影響、價值，這三個層面分别對應了做這份報告的背景，即誰是需求方。

報告的協同部門，即誰參與方，無論是确定數據來源的部門，還是核對數據口徑的部門，或者是參與數據解讀的部門，都是協同方，應該事先去做好溝通确認的工作，避免數據結果被質疑。

做報告所花的人力、精力，即從有想法開始、到策劃框架、到數據采集、到報告發布，一共投入了多少人日，每個人一天大概多少錢，總體成本，就是這份報告的基礎價值體現；再對數據的應用範圍進行估值，大緻上就是報告的全部量化産出了。

8）跟進計劃表

做完彙報，常規來說，分析的事情就告一段落了，逐項的策略執行需要一段時間的沉澱。主動一點的人會去關注事後action的部分，誰在什麼時間節點應該要交付什麼内容，通過數據監控進行業務反饋。

做到這個部分，才是真正的數據閉環，雖然這個部分可能不是全權由自己負責，但是必須關注整個過程中，數據的流向，所做的策略，以及落地的方式。

9）價值評估

最後一層就是價值評估，前面說了報告本身的量化過程，這個部分的主要點在于數據本身的價值、分析的影響層面、策略的适用範圍、跨部門協同過程建設、虛線團隊管理等幾個方面。

#4 寫在最後

第一層【前言部分】1、背景 2、目标

第二層【分析内容】3、重要結論 4、問題vs論點vs論據 5、小結（合，分層級，為了使重要結論更清晰）

第三層【決策部分】6、策略

第四層【資源整合】7、需求和資源

第五層【數據管理】8、跟進計劃表 9、價值評估

在報告主體之前，最好能明确報告的業務适用範圍，内容中涉及到的指标，數據采集的渠道，抽取樣本的時間，作為說明頁，插入到内容之前。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!