在數(shù)據(jù)分析中，無論數(shù)據(jù)收集過程有多么科學(xué)、數(shù)據(jù)處理多么先進(jìn)、分析方法多么高深，如果不能將它們有效地組織和展示出來，并與決策者進(jìn)行溝通與交流，就無法體現(xiàn)數(shù)據(jù)和分析的價(jià)值。因此，分析報(bào)告實(shí)質(zhì)上是一種溝通與交流的形式，主要作用在于展示分析結(jié)果、驗(yàn)證分析質(zhì)量，為決策者提供參考依據(jù)，并可以有針對性、操作性、戰(zhàn)略性的決策。今天，我們來一探究竟常見數(shù)據(jù)分析及報(bào)告規(guī)范。

[[325650]]

Part1結(jié)構(gòu)規(guī)范及寫作

報(bào)告常用結(jié)構(gòu)：

1.1 架構(gòu)清晰、主次分明

數(shù)據(jù)分析報(bào)告要有一個清晰的架構(gòu)，層次分明能降低閱讀成本，有助于信息的傳達(dá)。雖然不同類型的分析報(bào)告有其適用的呈現(xiàn)方式，但總的來說作為議論文的一種，大部分的分析報(bào)告還是適用總-分-(總) 的結(jié)構(gòu)。

推薦學(xué)習(xí)金字塔原理，中心思想明確，結(jié)論先行，以上統(tǒng)下，歸類分組，邏輯遞進(jìn)。行文結(jié)構(gòu)先重要后次要，先全局后細(xì)節(jié)，先結(jié)論后原因，先結(jié)果后過程。對于不太重要的內(nèi)容點(diǎn)到即止，舍棄細(xì)枝末節(jié)與主題不相關(guān)的東西。

1.2 核心結(jié)論先行、有邏輯有依據(jù)

結(jié)論求精不求多。大部分情況下，數(shù)據(jù)分析是為了發(fā)現(xiàn)問題，一份分析報(bào)告如果能有一個最重要的結(jié)論就已經(jīng)達(dá)到目的。精簡的結(jié)論能降低閱讀者的閱讀門檻，相反太繁瑣、有問題的結(jié)論100個=0。報(bào)告要圍繞分析的背景和目的以及要解決的問題，給出明確的答案和清晰的結(jié)論;相反，結(jié)論或主題太多會讓人不知所云，不知道要表達(dá)什么。分析結(jié)論一定要基于緊密嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)分析推導(dǎo)過程，盡量不要有猜測性的結(jié)論，太主觀的結(jié)論就會失去說服力，一個連自己都沒有把握的結(jié)論千萬不要在報(bào)告里誤導(dǎo)別人。但實(shí)際中，部分合理的猜測找不到直觀可行的驗(yàn)證，在給出猜測性結(jié)論的時候，一定是基于合理的、有部分驗(yàn)證依據(jù)前提下，謹(jǐn)慎地給出結(jié)論，并且說明是猜測。如果在條件允許的前提下可以通過調(diào)研/回訪的方式進(jìn)行論證。不回避 “不良結(jié)論” 。在數(shù)據(jù)準(zhǔn)確、推導(dǎo)合理的基礎(chǔ)上，發(fā)現(xiàn)產(chǎn)品或業(yè)務(wù)問題并直擊痛點(diǎn)，這其實(shí)是數(shù)據(jù)分析的一大價(jià)值所在。

1.3 結(jié)合實(shí)際業(yè)務(wù)、建議合理

基于分析結(jié)論，要有針對性的建議或者提出詳細(xì)解決方案，那么如何寫建議呢?首先，要搞清給誰提建議。不同的目標(biāo)對象所處的位置不同，看問題的角度就不一樣，比如高層更關(guān)注方向，分析報(bào)告需要提供業(yè)務(wù)的深度洞察和指出潛在機(jī)會點(diǎn)，中層及員工關(guān)注具體策略，基于分析結(jié)論能通過哪些具體措施去改善現(xiàn)狀。 其次，要結(jié)合業(yè)務(wù)實(shí)際情況提建議。 雖然建議是以數(shù)據(jù)分析為基礎(chǔ)提出的，但僅從數(shù)據(jù)的角度去考慮就容易受到局限、甚至走入脫離業(yè)務(wù)忽略行業(yè)環(huán)境的誤區(qū)，造成建議提了不如不提的結(jié)果。因此提出建議，一定要基于對業(yè)務(wù)的深刻了解和對實(shí)際情況的充分考慮。再進(jìn)一步，如果可以給出這個建議實(shí)施后的收益，下單轉(zhuǎn)化提升多少、交易提升多少、能節(jié)省多少成本等，把價(jià)值點(diǎn)直接傳遞給閱讀對象。

上面講了報(bào)告的寫作原則，舉個例子，參考艾瑞網(wǎng)，《留存與未來-疫情背后的互聯(lián)網(wǎng)發(fā)展趨勢報(bào)告》

Tips：嘗試站在讀者的角度去寫分析報(bào)告，內(nèi)容通俗易懂，用語規(guī)范謹(jǐn)慎。如果匯報(bào)對象不是該領(lǐng)域的專家，就要避免使用太多晦澀難懂的詞句，同時報(bào)告中使用的名詞術(shù)語一定要規(guī)范，要與既定的標(biāo)準(zhǔn)(如公司指標(biāo)規(guī)范)以及業(yè)內(nèi)公認(rèn)的術(shù)語一致。

Part2數(shù)據(jù)使用及圖表

數(shù)據(jù)分析往往是80%的數(shù)據(jù)處理，20%的分析。大部分時候，收集和處理數(shù)據(jù)確實(shí)會占據(jù)很多時間，最后才在正確數(shù)據(jù)的基礎(chǔ)上做分析，既然一切都是為了找到正確的結(jié)論，那么保證數(shù)據(jù)準(zhǔn)確就顯得格外重要，否則一切努力都是誤導(dǎo)別人。

2.1 分析需要基于可靠的數(shù)據(jù)源

用于鑒別信息/數(shù)據(jù)的可靠性，主要有四種方法：同類對比、狹義/廣義比對、相關(guān)對比和演繹歸謬。2.1.1 同類對比與口徑相同或相近，但來源不同的信息進(jìn)行對比。示例：最常見就是把跑出來的數(shù)據(jù)和報(bào)表數(shù)據(jù)核對校驗(yàn)。2.1.2 狹義/廣義對比通過與更廣義(被包含)或更狹義(包含)的信息進(jìn)行對比。示例：3C品類銷售額與商城總銷售額比較，3C的銷售額更高顯然是錯誤的，因?yàn)樯坛强備N售額包含3C銷售額;某些頁面/頻道的UV與APP總UV比較也類似。 2.1.3 相關(guān)對比通過與具有相關(guān)性、關(guān)聯(lián)性的信息進(jìn)行對比。示例：某平臺的Dn留存率，對于同一個基準(zhǔn)日期來說，D60留存率一定低于D30留存率的，如果出現(xiàn)大于的情況，那就是錯誤數(shù)據(jù)了。2.1.4 演繹歸謬通過對現(xiàn)有證據(jù)的深入演繹，推導(dǎo)出結(jié)果，判斷結(jié)果是否合理。示例：比如某平臺的銷售客單價(jià)2000左右，總銷售額1億左右;計(jì)算得出當(dāng)日交易用戶數(shù)10萬，通過乘以客單價(jià)，得到當(dāng)天銷售額2億，顯然與業(yè)務(wù)體量不符，為錯誤的數(shù)據(jù)。

Tips：以上都是常用的方法論，最核心是足夠了解業(yè)務(wù)，對關(guān)鍵指標(biāo)數(shù)據(jù)情況了然于心，那么對數(shù)據(jù)準(zhǔn)確性的判斷水到渠成。對此，建議是每日觀測核心業(yè)務(wù)的數(shù)據(jù)情況，并分析波動原因，培養(yǎng)業(yè)務(wù)理解力和數(shù)據(jù)敏感度。

2.2 盡量圖標(biāo)化，提高可讀性

用圖表代替大量堆砌的數(shù)字，有助于閱讀者更形象直觀地看清楚問題和結(jié)論，當(dāng)然，圖表也不要太多，過多的圖表一樣會讓人無所適從。讓圖表五臟俱全，一張圖必須包含完整的元素，才能讓閱讀者一目了然。標(biāo)題、圖例、單位、腳注、資料來源這些圖表元素就好比圖表的五臟六腑。 要注意的條條框框。首先，避免生出無意義的圖表。決定做不做圖的唯一標(biāo)準(zhǔn)就是能否幫助你有效地表達(dá)信息。第二點(diǎn)、不要把圖表撐破。最好一張圖表反映一個觀點(diǎn)，突出重點(diǎn)，讓讀者迅速捕捉到核心思想。第三點(diǎn)、只選對的，不選復(fù)雜的。第四點(diǎn)、一句話標(biāo)題。

常見的圖表類型選擇：

圖表使用Tips：2.2.1 折線圖選用的線型要相對粗些，線條一般不超過5條，不使用傾斜的標(biāo)簽，縱坐標(biāo)軸一般刻度從0開始。預(yù)測值的線條線型改為虛線。2.2.2 柱形圖同一數(shù)據(jù)序列使用相同的顏色。不使用傾斜的標(biāo)簽，縱坐標(biāo)軸一般刻度從0開始。一般來說，柱形圖最好添加數(shù)據(jù)標(biāo)簽，如果添加了數(shù)據(jù)標(biāo)簽，可以刪除縱坐標(biāo)刻度線和網(wǎng)格線。2.2.3 條形圖同一數(shù)據(jù)序列使用相同的顏色。不使用傾斜的標(biāo)簽，最好添加數(shù)據(jù)標(biāo)簽，盡量讓數(shù)據(jù)由大到小排列，方便閱讀。2.2.4 餅圖餅圖使用場景相對少，如需使用，注意以下事項(xiàng)：把數(shù)據(jù)從12點(diǎn)鐘的位置開始排列，最重要的成分緊靠12點(diǎn)鐘的位置。數(shù)據(jù)項(xiàng)不要太多，保持在6項(xiàng)以內(nèi)，不使用爆炸式的餅圖分離。不過可以將某一片的扇區(qū)分離出來，前提是你希望強(qiáng)調(diào)這片扇區(qū)。餅圖不使用圖例。不使用3D效果。當(dāng)扇區(qū)使用顏色填充時，推薦使用白色的邊框線，具有較好的切割感。2.2.5 警惕圖表說謊虛張聲勢的增長人們喜歡研究一條線的發(fā)展趨勢，例如股市、房價(jià)、銷售額的增長趨勢，有時候?yàn)榱宋x者故意夸大變化趨勢，如圖1通過截?cái)鄶?shù)軸夸大增長速度，從正常數(shù)軸的圖2看到增長是緩慢的。

3D效果的偽裝3D圖形容易造成視覺偏差，如圖1有3D效果，看上去 A->B->C->D->E依次遞增，實(shí)際是D>E，要格外小心圖表的偽裝。

Part3常見數(shù)據(jù)分析誤區(qū)

“用數(shù)據(jù)說話”，已經(jīng)成為一種流行語。在很多人的心里，數(shù)據(jù)就代表著科學(xué)，科學(xué)就意味著真相。“數(shù)據(jù)不會騙人”，也成了說服別人時常用的口頭禪，事實(shí)果真如此嗎?讓我們來談?wù)勀切┏Ｒ姷恼`區(qū)。

3.1 控制變量謬誤

在做A/B測試時沒有控制好變量，導(dǎo)致測試結(jié)果不能反映實(shí)驗(yàn)結(jié)果。或者在進(jìn)行數(shù)據(jù)對比時，兩個指標(biāo)沒有可比性。舉個例子，為測試不同營銷時間點(diǎn)對下的轉(zhuǎn)化的影響，但A實(shí)驗(yàn)使用短信營銷、B實(shí)驗(yàn)使用電話營銷，未控制變量(營銷方式)，導(dǎo)致實(shí)驗(yàn)無法得出結(jié)論。

3.2 樣本謬誤

3.2.1 樣本量不夠統(tǒng)計(jì)學(xué)的基礎(chǔ)理論基石之一就是大數(shù)定律，只有當(dāng)數(shù)據(jù)量達(dá)到一定程度后，才能反映出特定的規(guī)律。如果出現(xiàn)樣本量極少的情況，建議把時間線拉長，獲得足量的樣本。或者將不重要的限定條件去掉，增加樣本數(shù)。3.2.2 存在選擇性偏見或者幸存者偏見統(tǒng)計(jì)學(xué)的另一大理論基石是中心極限定理。簡單描述就是，總體樣本中，任意一個群體樣本的平均值，都會圍繞在這個群體的整體平均值周圍。舉個例子，在應(yīng)用升級期間，衡量登錄用戶數(shù)、交易用戶數(shù)等指標(biāo)，來判斷用戶對新版本的喜歡是否優(yōu)于老版本。聽上去非常合理，但這里實(shí)際就隱藏了選擇性偏見，因?yàn)樾掳姹景l(fā)布時，第一批升級上來的用戶往往就是最活躍的用戶，往往這批用戶的指標(biāo)較好，但不代表新版本更好。3.2.2 混入臟數(shù)據(jù)這種數(shù)據(jù)的破壞性比較大，可能得出錯誤的結(jié)論。通常我們會采用數(shù)據(jù)校驗(yàn)的手段，屏蔽掉校驗(yàn)失敗的數(shù)據(jù)。同時，在分析具體業(yè)務(wù)時，也要針對特定業(yè)務(wù)，對所使用的數(shù)據(jù)進(jìn)行合理性限定，過濾掉異常離群值，來確保擁有比較好的數(shù)據(jù)質(zhì)量。

3.3 因果相關(guān)謬誤

會誤把相關(guān)當(dāng)因果，忽略中介變量。比如，有人發(fā)現(xiàn)雪糕的銷量和河溪溺死的兒童數(shù)量呈明顯相關(guān)，就下令削減雪糕銷量。其實(shí)可能只是因?yàn)檫@兩者都是發(fā)生在天氣炎熱的夏天。天氣炎熱，購買雪糕的人就越多，而去河里游泳的人也顯著增多。

3.4 辛普森悖論

簡單來說，就是在兩個相差較多的分組數(shù)據(jù)相加時，在分組比較中都占優(yōu)勢的一方，會在總評中反而是失勢的一方。

3.5 個人認(rèn)知謬誤

主觀臆斷、經(jīng)驗(yàn)當(dāng)事實(shí)、個體當(dāng)整體、特征當(dāng)全貌、眼見當(dāng)事實(shí)。舉個主觀臆斷的例子：某個產(chǎn)品A頁面到B頁面的轉(zhuǎn)化率30%，直接判斷為很低，推導(dǎo)出可以提高到75%。但實(shí)際類似產(chǎn)品或者用戶行為決定頁面的轉(zhuǎn)化率就只有這么高，得出一個錯誤的結(jié)論。標(biāo)準(zhǔn)至關(guān)重要，數(shù)據(jù)+標(biāo)準(zhǔn)=判斷。有了判斷才能深入分析。通過分組對比找標(biāo)準(zhǔn)(象限法、多維法、二八法、對比法)，有標(biāo)準(zhǔn)通過分析對比，找到“好/壞”的點(diǎn)

統(tǒng)計(jì)學(xué)規(guī)律和理論不會錯，犯錯的是使用它的人。因此，我們在進(jìn)行數(shù)據(jù)分析時，一定要格外小心，錯誤的數(shù)據(jù)，披上科學(xué)的外衣，就很難分辨了。