Question

数据分析报告有哪些要点?

请问，数据分析报告有哪些要点?

Answer 1

1、确定报告受众和分析目的

无论写什么类型的数据分析报告，都要先搞清楚报告给谁看，不同的受众对一份数据分析报告的期待是不一样的。

2、框架、思路清晰

作为数据分析结论输出最重要的部分，一份优秀的数据分析报告要能够准确体现你的分析思路，让读者充分接收你的信息，所以在制作报告时，框架和思路要清晰。

这里的框架不单指报告的行文逻辑，更多是指数据分析过程的框架，比方说我们拿到一个分析问题，不可能一下子就找到问题背后的原因，需要利用各种手段将问题拆解分析，直到得出最终结论，这时候就可能会用到我们常提到的MECE、PEST、AAARRR等分析框架

3、保障数据准确

写一份报告，获取和整理数据往往会占据 6成以上的时间。要规划数据协调相关部门组织数据采集、导出处理数据，最后才是写报告，如果数据不准确，那分析的结果也没有意义，报告也就失去价值，因此在收集整合数据时需要注意数据是否靠谱，验证数据口径和数据范围。

4、让图表传达更加直接

图与表之间，图与图之间的联系如何阐述，反映出的问题如何表达，这些都是在做数据分析图表就要弄明白的。很多细心的领导及专门会针对你的数据分析以及结论来提问，因为现状和未来是他们最关心的。所以数据图表展现也要体现你的分析思路，而不单单是为了展示数据。

Answer 2

“你的报告写的太浅了，不用分析都知道！”

“你能不能抓关键点？”

很多同学初入数据分析行业都会遇到这样的问题，这是由于刚入行或者刚工作的小白还没有培养起数据分析思维，他们只是一个取数机器。如果分析的太浅显，就没办法给到运营等前线人员很好地业务支撑，不能抓住问题的关键点，可能只是一直在做无用功。

很多职场小白都迫切的想要提升自己的工作能力，对于数据分析这个岗位来说，提高能力主要在两个方面，第一是技术，也就是软件的使用，比如Excel、SQL、Python等，这就需要在工作中不断突破，或者私下里持续学习；第二是思维，对于数据分析师来说，最重要的是分析，取数是大部分人都能轻松完成的，但是分析是很多人的难点。抓不到重点、没有前瞻性等等，是最常出现在新手身上的问题。那么今天我们就来聊一聊，如何才能培养数据分析思维模式，做出有价值的数据分析报告呢？

1、从问题为核心
数据分析师大部分都是从爬数据做起的，但是你们知道吗，数据本身并无意义，只有放在具体的业务场景中才能发挥价值，所以在对数据进行分析时，要抓住分析的主要目的。整理数据是很简单的，初步的分析也不难，但是这样的分析没有逻辑，没有解决关键的问题。

所以在一开始做分析的时候，就要从实际具体的问题出发，只要能够解决问题，就能帮助市场或者运营人员进行改进。比如发现数据突然增长或者突然下降，要去分析数据变化的原因，比如行业周期、竞品分析等等。

2、结合实际业务
数据分析报告要应用于实际，很多小白在做完数据分析之后，只是简单的罗列结果，描述增长或者下降，或者只是对行业做了简单的判断，没有对业务有自己的思考，不能落到实处，最终只能写出一些“正确的废话”，对企业没有参考价值。

很多数据分析人员会觉得自己指示处理数据的，不懂业务没关系，爬取数据然后交给其他同事分析就行。其实不是的，数据分析师最重要的作用是作为懂数据的人员给到市场或运营人员自己的建议，大多数非技术人员只能看到表层的数据，而更深层次的数据分析只有专业人员可以做到，这才是数据分析师的价值体现。

进阶的数据分析师，一定是熟悉本行业或者公司业务的，在分析是他们就可以结合实际业务，通过严谨的推理得出有针对性的决策建议。如果你是小白或者新手，可以多去一线走动，观察市场或者运营人员的业务，多学多问，慢慢了解，这也是工作的一部分。

3、结论有可用性
结论写的再好，不能落地就是空谈。做数据分析报告时，除了要结合实际，也要考虑是否切实可行。比如，通过分析，公司的app这个月的用户活跃度降低了，这对这个问题，新手大概率会得出“需要提高活跃度”这样的结论，在运营人员看来，这只是一句毫无意义的空话。

大部分有经验的数据分析师，会在看到类似这样的数据之后深入行业分析。比如刚刚的例子，要先看是不是由于行业周期等不可控因素，是内部原因还是外部原因，是否跟公司最近的决策有关，与这个变量有关的其他数据有没有变化等等。

明确了这些问题，就可以给问题定性，然后就可以提出针对性的建议了。

4、大胆指出问题
数据分析师通常不接触一线业务，也不需要直接对业绩负责，相对于业务人员，数据分析师的结论和建议往往更客观，更能从全局的角度发现更深层的原因，可能会得出与运营人员截然不同的结论，这就是数据分析师的价值所在。当局者迷，业务人员长期处于一线，有时看待问题可能会有些片面，数据分析师刚好可以提醒他们。

比如，对一次拉新活动做数据分析，尽管一线人员对活动的个各个环节做出了很多优化，活动也算生动有趣，但是整体拉新人数和留存率都不够高。活动结束后，数据分析师在进行分析时发现，活动成本不断增长，但是相比于之前的活动，本次的拉新增长率在下降，整体来看活动效果很不好，这时候就不能再从活动内容本身找原因了，而是要考虑活动是否还有必要进行。

5、报告令人信服
想要让人信服，报告必须有可读性。对于数据分析师来说，可以充分发挥我们的优势，从心理学角度来说，比起长篇大论，人们更愿意看图片和数据。在报告中，我们可以尽可能的用直观的图片和数据代替文字讲解。

除了传统的Excel柱状图、条形图之类的以外，还可以用到BI商业智能工具，这种数据展现方式比起传统的，更加的生动直观，内置大量的图标样式能满足各种各样的分析场景，多个图表之间还能联动展示。还能在地图中点击获取数据，不需要来回切换。还可以制作看版图，实时查看各项数据，清晰明了。

最后小聚想告诉大家，做数据分析是个积累经验升级打怪的过程，没有能直达终点的方法。面对每一次碎片化的需求，如果能多多思考和积累经验，拿出有诚意的分析成果，就能在职场快速成长，实现个人价值，升职加薪！