tft每日頭條

 > 科技

 > 一份好的數據分析報告

一份好的數據分析報告

科技 更新时间:2024-12-08 22:05:03

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

一份好的數據分析報告(怎麼寫好一份數據分析報告)1

#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!

查看全部

相关科技资讯推荐

热门科技资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved