很多人在想到數據分析報告的時候，往往更關注或者隻關注如何做更漂亮的“外表”上。

例如：如何做漂亮的可視化圖表，如何把PPT做的很炫，如何去構建故事去講PPT。

但這篇文章不是在讨論這些“最後一公裡”的可視化技巧，這篇文章我想表達的是：完成一份數據分析報告就是一個

• 發現與界定問題

• 基于數據分析問題

• 基于數據分析給出解決問題方案

的過程，其中最為核心是基于正确的數據來給出解決問題方案。

（如果你想知道各種技巧，可能本文章不适合！）

在企業日常中工作或者即将走向工作中的小夥伴，請記住：當别人看你數據分析報告的時候，核心目标不是為了看你漂亮的圖表，不是聽你講什麼故事，PPT結構設計的多好。

你的報告受衆更關注是：

1、報告對我是否有價值？

2、價值的體現是什麼？

3、這個價值多大？

4、值得我去花多少時間看與聽這個報告？

5、報告的結論是否有正确的數據支持？

6、基于結論形成的方案是否符合邏輯？

7、……

數據分析報告的起點

在寫一份數據分析報告的起點，應該是從問題分析與界定開始的，而不是從做PPT/做EXCEL開始的。其實這個知識點大家都知道，但好像往往又忘記了。

【數據分析是業務團隊基于碰到的問題提出的需求，數據分析報告是這個需求結果的主要體現形式】

數據分析報告時間分配：

為什麼問題界定是關鍵：

數據分析師收到數據分析需求的時候，問題可能都不是那麼具體，例如：看看銷售有沒有機會提升；用戶的活躍度在下降；用戶的流失率在下降；這種看似在描述問題，但其實并沒有把問題界定與描述的很清楚。

數據分析報告一定是首先要清晰的界定問題，問題不明确，意味着報告失去了方向。如果問題都界定不清楚，這份數據分析報告基本也就失去“價值”。

一個好的分析師應該花時間去分析到底是想解決什麼問題，養成“先謀而後動”的習慣。基于界定清楚的問題給出一個明确的目标。

在界定問題的時候往往也需要一定的數據進行參考。

而且對數據進行分析與解讀過程中可能對問題界定還會有改變

所以在做數據分析報告的時候，我花很大比例的時間去把問題分析與界定清楚。“磨刀不誤砍柴工”，當問題界定清楚，往往意味着整個問題分析的方向，分析邏輯也較為清晰。

工具推薦：

• 在界定與分析問題的是時候，5W2H是一個不錯的分析方法論。

• Xmind這類思維導圖的工具配合起來使用。

小技巧：

和一位咨詢大牛交流過：他說我如何去清晰發現真正的問題，我其實就是不斷的提問題：

• 這是真的問題嗎？這是真的問題嗎？這是真的問題嗎？

• 為什麼認為這是真正問題？基于什麼數據，基于什麼背景？

收集與處理數據

在第一階把問題界定清楚的後，第二階段的工作内容相對來說就比較清晰：

• 要收集哪些數據，定義什麼樣的數據指标

• 要分析哪些數據，從哪些維度去拆分數據

• 數據如何組織，數據指标之間的關聯性

• 數據如何處理，用什麼樣的方法

小誤區：

很多分析師會說，我在寫數據分析報告過程中，都沒有用什麼機器學習方法、統計學方法等，感覺報告會比較low，沒有技術含量。

完成數據分析報告是不是一定要用有“技術含量”的方法呢？

我個人認為，不管什麼方法都是【處理數據】的手段和方法，永遠别忘記你是為了：解決問題。

最有技術含量的是：你知道用什麼方法來解決你發現的問題。

【當然，機器學習和統計學的各種方法，不是不要學習，是必須要學習。隻是不是每個場景下都需要用到這些方法】

如果在第一階段沒有把問題理清楚，你會發現在第二階段往往會非常混亂，甚至有點迷茫：

• 經常都會忘記要分析什麼！

• 忘記如何進行分析了！

• 也不知道從哪入手去分析數據！

特别是剛開始寫數據分析報告的同學，往往堆了很多的數據，在一頁中或者整個PPT中都是各種數據指标，各種維度的拆分，但是數據之間的邏輯不強。看的人也不知道到底想表達什麼。

如何做好數據分析，有“九字箴言”分享給大家。

數據分析報告撰寫與溝通

最後是數據分析報告，往往大家很容易把精力花在這個上面，但相對整個數據分析報告時間分配來說，這塊的時間應該最少的。

金字塔原理

通過金字塔原理來組織報告邏輯，整個報告的核心觀點是什麼，又由哪些子觀點構建，支持每個子觀點的數據是什麼。

在報告前，不妨就用這種邏輯來梳理你想在這次數據分析報告中想表達的内容的邏輯結構，會有很大幫助的。

當然大家有空，可以去看看《金字塔原理》這本書，剛開始看的時候有點難理解。核心就是大家一定有按一定邏輯結構來組織：按時間順序、按重要性、按結構順序等。

給個小案例，小夥伴們體驗一下：

知識點：

1、每頁PPT表達一個内容。不要想在一頁PPT内表達太多，特别是大多數人對着一堆數字往往就暈了。

2、學習做個标題黨。把想表達的觀點和内容都寫在标題上，“吸引眼球”！

3、直接告訴受衆報告價值。最好可以直接量化具體數值【進行相應的機會點來進行測算。】

例如下面這個案例：每天有很大機會增長45萬，一個月就是1200多萬的機會啊。

當看到這個的時候，你的用戶“眼光都會放光”，你抓住他的需求點甚至痛點。

簡單對數據分析報告從三個部分進行介紹，幫助大家梳理，分享我的經驗和觀點。但最重要的一點永遠别忘記，報告做出來後，一定要和目标用戶進行溝通，收集反饋，快速調整。

1、不溝通哪知好壞。

以前我說過一定要敢于下結論，哪怕可能是錯的。這篇告訴大家一定要去溝通，從目标用戶中收集反饋，聽取他們真正要什麼。

數據分析報告寫的再好，結論再對，如果沒有用戶買單，沒有人落地，這個價值也為0。這也為什麼很多分析師有時候會感覺很無力，分析半天沒有人落地，或者業務方沒有反饋。主動去溝通，主動去反饋，主動出去show還是很重要的！

2、不要因為害怕報告簡單而不敢去找目标用戶。

對于你服務的用戶來說，你是他的資源，數據分析是幫助他解決問題，當然有時候也會暴露問題。

收到用戶反饋後，數據分析師要及時進行調整，不斷反思可以改進點在哪？業務為什麼這樣思考？還需要學習哪些業務與專業知識。

歡迎大家留言分享，你在寫報告時遇到的問題，或有哪些更好的解決方式，期待各位的反饋~

END

本文為愛數據學院創始人數據海洋提供

首發于海洋老師個人公衆号，轉載可聯系我們後台

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!