如何写一份完美的数据分析报告？

很多伙伴喜欢问：有没有数据分析报告模板可以用。其实如果掌握了写报告的方法，根本不需要模板。而所谓的模板，为了图高大全，往往章节很多，真实工作中这么汇报估计既把自己累cry，又把听报告的急cry……

今天我们就还原到工作场景中，看看数据分析报告该怎么写。

数据分析报告有两种基本模式：

1. 你问我答：有明确的问题要解答；
2. 我说你听：无明确问题，需要从常规数据中解读。

“你问我答”因为有明确问题，所以回答起来更聚焦，也是我们今天要谈论的模式。

初级报告

请大家看上图，然后自己先作答：

1. 昨天的销售业绩是多少？
2. 明天的销售业绩是多少？
3. 今天的销售业绩是多少？

问题1：

大家记住这个标准：一问一答，正面回答，简单清晰。

昨天的销售业绩这个数很清楚的，答出来就行了。

答1：昨天的销售业绩是1000万。OK，过关。

问题2：

注意时间状态。明天，是还没有发生的，因此是个预测值。 涉及预测，就得讲清楚：预测方法、预测依据、预测结果。

预测方法有很多种，需要的数据量也不同，看菜下饭就好了。没理由领导随口问一下，你大喝一声：“等一下！三个月后我的超牛精准人工智能模型就好了……”

所以可以简单回复，答：根据上周规律来看，明天预计1200万，比今天多20%。

当然，这种简单推测也是有前提的，见下：

问题3：

回答问题3之前，先想一想，今天的数值，是预测值还是实际值？

3点前的是实际值，3点后的是预测值，所以回答的时候要区分状态。

答：截止下午3点，实际值是700万，按趋势推算，预计1400万。预计报告的场景在办公室里很常见，常常是领导或业务部门随口要个数。这时候没有分类维度，只是单一指标，因此只要区分清楚时间状态，就能解答好。

中级报告

请看上图作答：

1. 上个月业绩情况如何？
2. 为什么第三周业绩较前两周下跌了？

问题1：

回答问题1前，先思考：

1. 这里有几个指标？
2. 这里有几个维度？
3. 第一问有几个问题？

这里只有一个指标：业绩，但是有三个分类维度：周、日、产品。很多新人会脱口而出：两个分类维度，时间和产品。请注意，时间是又分成周和日的，不区分清楚，后面回答就很混乱。这个指标很明显有周循环趋势，因此周这个维度是不能省略的。

这里显然不止一个问题。因为有了分类维度，所以有了整体和部分的区别。我们不能像初级汇报时那样用一个“总业绩是XXX”交差。遇到整体和部分，大家记住这个顺序： 整体-局部-个案 。

在解释局部的时候，如果有多个分类维度，一般说完一个再说另一个。

比如眼前这个例子，可以这么说：

问题2：

回答问题2前，先思考：我要答的是一个数字，还是一件事？

问题2问的是原因。注意，原因指的是具体影响业绩的问题，不是数字本身。很多新人在这里会犯错误，直接回答：“下跌是因为周二、周三、周四业绩很少呀”。

这么回答等于废话，要找到数字背后的问题才行。这里往往需要做一些深入的调查研究，比如当时天气如何，发生了什么事，业务做了什么控制一类，仅依靠一条数据肯定回答不了。

当然，分析出原因需要具体分析方法，但作为报告，不管中间方法有多少，最后汇报的结果得是清晰的。

“因为XX原因，导致该问题。”

在我们收集过真实原因以后，我们可以作答了。注意，作为数据分析报告，单纯说“因为第三周下雨了”是难以服众的，需要对问题原因做 量化考核 ，具体指出每个影响因素的大小，才能服众。

类似的，如果是数据错误，要指出正确的数据是什么。如果是业务有控制举措，要指出控制举措的开始、结束时间。

常见的情形如下，大家可以参考：

高级报告

我们常说：在数据分析领域，没有高级的方法，只有高难度的问题。如果所有的问题，都能像初级、中级汇报那样清晰明了，自然解答也是清晰明了。但实际工作往往是：问题本身含糊不清，南辕北辙，这就一下把报告的难度从初级提到高级了。

比如下边这些问题：

1. 为什么这个月业绩很差？
2. 我们的产品体验有什么问题？
3. 为什么领导会听到顾客不满意的抱怨？

新人特别容易在这里栽跟头，这些问题都是看似清晰，实则一塌糊涂。和中级报告的最大区别是：中级报告是基于数据谈问题，而以上却没有基础的事实、数据。这种情况下要牢记： 先问是不是，再问为什么。因为：脱离概率谈个案、脱离整体谈细节、脱离数据谈现状、脱离标准谈判断，统统都是耍流氓！

我们做数据分析，就是要用理性对抗感性，用逻辑性对抗情绪化，这些感觉、情绪都会是我们的大敌，要坚决消灭！

问题1：

回答问题1，要先摆事实，再树标准，最后分析，可以回答：

1. 这个月业绩数值是XXX
2. 判断好和差的标准是（上月、去年同月、KPI指标……）
3. 和标准对比，差的程度是（不存在、轻、中、重）
4. 这个（轻、中、重）级别的差，是因为……
5. 如果问题不存在，干脆就不答了

问题2：

回答问题2，要先明确数据指标，再树标准，最后分析。

1. 用户体验的考核指标是XXX
2. 这些指标好/坏的标准是XXX
3. 和标准对比，有问题的地方是XXX
4. 问题的程度是（不存在、轻、中、重）
5. 这个（轻、中、重）级别的问题，是因为……
6. 如果问题不存在，干脆就不答了

问题3：

回答问题3，套路也是一样的。只不过问题3更模糊。面对问题3，先落实：

1. 领导是谁
2. 领导在什么时间、地点，以什么方式
3. 听到了哪一个用户，关于什么问题的抱怨

落实到具体的问题，先看看是真的有这一情况，还是主观臆断，空穴来风，之后再做分析。

总结

最后敲黑板划重点啦~

初级报告是最基本的数据分析，没有分类维度，只是单一指标，因此只要区分清楚时间状态，就能解答好。

中级报告是基于数据谈问题，有了分类维度，所以有了整体和部分的区别；在分析问题原因时，需要做量化考核，具体指出每个影响因素的大小。

高级报告则需对问题进行判断，先摆事实，明确数据指标，再树标准，最后分析。我们常说，高质量的问题带来高质量的答案。针对我问你答类报告，最大的问题往往是问题本身不清楚，相互混合，真假难辨，导致报告怎么做都很别扭。

而大家回味下，不管是工作中还是生活中，我们脱口而出的问题往往都是很含糊、很随意的。所以要坚决理清问题，后续报告就好做了。

 

本文由 @Chelsea 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议