优秀数据分析报告的5个关键要素,数据分析师必看

经常看到,很多优秀的分析师在描述一个事情的时候,逻辑很清晰,基本上一个行业的小白看完都能理解,这是为什么呢?

首先要了解你的报告给谁看,这点很重要,决定你的报告深度和广度,其次要清楚你要用报告达到什么预期,阐述的目的一定要通俗易懂,有理有据,最后要让报告的思路、展示格外清晰,一定程度反映你的分析水平

数据分析报告怎样写,数据分析报告模板,数据分析报告格式,数据分析报告框架

今天我主要说一下报告的思维、展示,这里没有统一的标准,我只是描述我常用的方式和方法,提取五个核心要点

如何搭建一个优质的报告体系,核心框架是什么:

分析框架=剥洋葱+拆分

作为一个分析师,报告是重要的输出,就好比我们是产品经理的话,那这份分析报告就是你的产品,所以无论是从广度和深度来讲,你都要体现出你的思维来,这样广深结合,才能赢得别人认可和信任

先说说剥洋葱的思维,更适合问题的深度思考

当看一个问题的时候不能看表面,越是容易得到的数据,越让你看不到真相,而你也因此常常被迷惑,要像剥洋葱一样一层一层剥开,去接近你要探索问题的本质,让真相慢慢浮出水面

比方说,某一个公司的老板找你聊合作,我们的用户量有2000万,许多人这时很震惊,心里想:熬了这么久终于抱了个大腿,其实真的是大腿吗?

按照剥洋葱的思维,我们来一探究竟,

第一剥:看看到底有多少用户还活着,这个很重要,僵尸毕竟是僵尸,没有任何价值可言

Q1、那我们的整体的活跃用户数有多少?

这里要注意活跃的定义,拿一款APP来讲,如何启动一次就算活跃的话,那数据水分还是很多的,比如很多APP都是自启的

第二剥:看看平台运营的持续性到底如何?毕竟每个人对活跃理解的定义不一样,通过Q2你大致能够了解这个平台用户回流的时间周期,留存等

Q2、日活跃、月活跃、季活跃的用户数大概是多少呢?

第三剥:看平台用户是否与你的目标群体匹配?

Q3、活跃的用户中男女比例如何?消费层级如何?年龄特征如何?等等

等等,还可以继续剥下去,这样你才能更准确的理解对方的平台,当然要记住一点,要做数据真实性的验证

那么剥洋葱更多是的是逐步往下,更适合针对某一个问题的深度分析,但分析报告不一样,还需要从整个背景和目的的各个角度去看待,所以这时候要采用拆分的思维,例如我们把年底报告拆分成为什么分析、如何来分析、分析的过程、分析结论、将如何做?

再在每个拆分点上进一步采用剥洋葱的思维就能很少的进行梳理,从而确定分析框架,也可以接触MECE、PEST、AAARRR等成熟的方法论来进行拆分

数据分析报告怎样写,数据分析报告模板,数据分析报告格式,数据分析报告框架

每页核心指标展示的逻辑——公式思维

当我们做好数据分析后,如何在一页PPT展示自己的分析变的更加重要,许多分析师在这块不知所措,有时候是用户趋势图,有时候又是行业规模图,其实背后的分析逻辑可能很清晰,但你所展示的方式和布局老让别人觉得还是思路混乱。

一页PPT要描述一个核心,而这个核心验证的数据分析过程,最好的方式就是公式思维,这样你呈现出来的指标才能和此页的主题相呼相应,即使有人现场挑战你,你也会对答如流。

民间有这么一个故事:

曾经有一个麦肯锡的人跳槽到了谷歌,给谷歌的一个广告部门做业务管理,负责这个部门提升广告业务的收入。

他入职的第一天就问了下属们一个问题,“我们这个部门的业务公式是什么?”他的下属们就都被问蒙了,他们想,“我们部门没有什么公式啊。”

后来,这个麦肯锡来的人通过和整个部门的人沟通,最终得出了他们部门的一个业务公式。

这个公式就是:广告收入=展现量×点击率×每个点击的价格

这样的话,这位麦肯锡的大咖把一个商业核心用这样一个公式写出来了,那么这个部门要的几件事情也就随之变的更加清晰

假如你是一个陕西面馆的老板,你的公式是什么呢?那老板开面馆的目的肯定是为了赚钱,也就是利润=营收-成本 ;营收=消费用户*客单价;消费用户=线上用户+线下用户

你还可以继续用公式法分解下去,由上而下的分解是为了更好的实施营销策略,那要提高利润无非做到2点,提高营收,降低成本

比如要提高营收,客单价变化不大的情况下,我应该侧重线上曝光、还是侧重商圈内的用户引流

消费用户体量稳定的话,通过满减、套餐(肉夹馍+凉皮+冰峰)、优惠券等

而由下而上更多是为了评估,就是大家常见的面试题:如何预估一个早餐店的利润?如何预估中国的高收入群体?如何预估竞品的收入等

这样无论你从预测还是分析问题角度来看,都会让自己的逻辑变的更加清晰,可以起到才辩无双的效果,因而让你的结论和支持变的更加紧密

记住图表的取舍不是随意的,别乱放

指标对比的合理性——业务思维

查理芒格说过一句话:不要做一个股票分析家,而是做一个商业分析家。

常看到一些报告,无论什么产品、什么业务,都是几大指标,注册用户数、活跃用户数、首次购、重复购,复购率、客单价等等,可笑的不是指标本身,而是拿业务不同的2个指标来对比,说自己多优秀!

拿大家熟悉的复购率说一说:

复购率即重复购买率,指消费者对该品牌产品或者服务的重复购买次数

张三是卖大家电的,李四是卖蔬菜的,王五是卖玛莎拉蒂的

那你能说复购率越高,你平台的忠诚度越高吗?显然不能,这里的产品分别是耐用品、消费品、奢侈品,如果抛开业务本身,你觉得复购率之间的对比有意义吗?

在选取指标对比时,一定要清楚指标背后的业务含义到底是什么?一定要多研究别人家的产品、财报,了解它,你才能读懂它,也才会慢慢建立自己的业务认知系统,这在一定程度上决定你报告洞察业务的深度,所谓的洞察其实就是指标衡量够不够狠、够不够准

让图表传达更加直接

图表的使用也有自己的原则、分类、规范,图表不仅仅是数据的罗列,采用图表是为了让人看懂,但这仅仅不够,要成为让人快速高效的看懂,那么绘制一个好的图表也需要具备一定的能力,不是乱画

主要说三个方面,太细节的就不交流了

1、图表选取的原则,意味着你用什么样的可视化方式来展示?常常看到很多分析师做市场份鹅时,用的柱形图,其实这时候用饼形图会更加直观

数据分析报告怎样写,数据分析报告模板,数据分析报告格式,数据分析报告框架

所有的商业问题就可以用这个图表来进行归纳并找到对应的展示方式,可以去这里看看https://datavizcatalogue.com/ZH/index.html

2重点数据的标注

对于能够反映问题的重点数据一定要采用特殊的方式标注出来,可以采用不同的颜色或者文本框来辅助,描述一下这个数据背后的市场、营销举动,这个特别重要、而且很重要!

3慎用巧用动态图

太多的信息展示容易让展示显得没有重要,一眼过去每个数据都在动,很难让对方抓住重点,不知道你要表达什么,即使要用动态图来提高B格,也一定要有条理性,比如下面这个动态图就很nice!

数据分析报告怎样写,数据分析报告模板,数据分析报告格式,数据分析报告框架

报告的描述规范

一份好的战斗来自一份好的情报,而一份好的情报重中之重在于你对数据的解读,这时再回到你报告的受众上,要明确受众人的职能和业务方向,通过你对数据的解读,让受众短时间内能够做出反应。

常用的几种方式:

对比类:同比、环比、与目标的差异、相对来看等等

趋势类:上升、平缓、回落等

结构类:主要是….、占有率高达等

但这些远远不够,以上更多是在描述数据的本身,这时候你要借助公式法、拆分、剥洋葱的逻辑来找出与业务相关的问题点到底在哪,如何做?

比如,市场占有率方面,ABC三家公司已占据90%的市场份额,其中A占据了60%

领导一看没什么感觉,这和他心里的预期感受差不多,只是你进行了量化而已,并没有传达领导想要的结果和解读

那如何这么写呢?

市场占有率方面,ABC三家公司已占据90%的市场份额,其中A占据了60%

进一步分析得知,A公司的市场份额驱动主要来自:政策引导、市场投放、用户私域运营三个方面

对标发现,我们在用户私域运营方面的收入仅增长了X个百分点,而A在这方面的增长为XX%,是我们的X倍

这样领导一看,就知道来年的重点了,不但发现了问题,而且还发现了主要问题,更重要的是你的分析让他找到了方向

以上纯属虚构,只是想告诉大家站在领导的角度去看数据,由上往下看,而不是用数据来演绎故事

总结

今天的交流就到这里了,不足之处还望各位同行指正,最后总结一下6个要点:

1、如何写?

建立分析框架,借助:拆分(广度)+剥洋葱(深度)

2、每个小节如何呈现?

借助公式思维,去伪存真,去除噪音,让每一小节的有论据、有论证

3、对比要点

一定要清楚指标背后的业务含义到底是什么?不同的业务、不同的产品,不同的公司,指标的体系是不同的,要保证对比的科学性、合理性、可解释性

4、图表可视化

清晰自己的受众,不是以传达信息为开始,而是要以让人秒懂为上乘心法,要明确图表使用原则、场景,重点数据要采用醒目的方式给与提示并做进一步描

5、异常数据、重要数据、发现的亮点一定要重点标注

经常看一些报告,通篇看完没有记住一个数据,数据的大小一样、字体一样,当然报告都要求字体统一、大小统一,但别忘记报告的意义是什么?很多数据都是为了这个重点数据做铺垫,那就要赋予它不同的身份,用颜色、大小、标注作出区分来,让传达变得更加直接。

6、报告的描述

有时候不是你报告做不好,而是你写不好,一定要站在领导和受众的角度去思考问题,少一些专业术语,多一些有条理的故事主线。

框架体现结构思维能力

描述体现逻辑表达能力

结论体现信息归纳能力

展示体现信息组织能力

建议体现业务洞察能力

但这一切都要基于一个好用的数据可视化平台。现在市面上流行的有FineBI、Power BI、DataV、鼎数,但权威机构IDC指出市场占有率第1的还是FineBI,这些都可以做数据分析

原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/173224.html

(0)
上一篇 2021年9月28日
下一篇 2021年9月28日

相关推荐

发表回复

登录后才能评论