今天继续分享如何写数据分析报告。之前2期举的例子都是监控数据，监控数据是连续观测，会很明显的看到曲线变动。于是很多同学便问：“静态数据的报告该咋写”。尤其以用户画像报告为甚。很多时候业务提了需求：看看我们的用户画像。结果写出来报告被批：我都知道了，你写这有啥意义。到底咋弄？今天系统分享一下。
没用的报告长这样
一提到用户画像，很多同学的报告都长这样：
- 男女比例4:6
- 30岁以上占比40%
- 平均年消费500元
- 活跃1个月以上用户55%
- ……
往往这种报告写的很辛苦，跑的数据很多。最后收获一句“我早知道了，你能讲点有意义的不？”
于是有些人认为：光提供描述性数据不行，那必须模型走起呀。最直接能想到的就是RFM，于是抽出R、F、M三个维度数据，每个砍成五段，5*5*5分成125个分类，再用聚类，搞成5大类，125小类，每一类都细心标注上：“这个用户买了1次500元，5天没卖了，所以得让他买！”
最后收获一连串连珠炮似的追问：
- 你说他买他就买呀！
- 买啥！哪里买！
- 咋让他买
- 咋通知他买！
- 不买又咋样！
- 买了又怎样！
- 他要是本来就会买呢！
……被轰的晕头转向……
到底问题出在哪里？
报告没用的核心原因
核心原因就一条：无判断标准。
- 男女比例是不是个关键问题
- 男女比例4:6是不是个问题
- 男女比例3:7又怎样
通通没有判断标准，让人看了觉得不着四六。
有意思的是：监控数据是自带标准的。我们看一条曲线，即使没有定义一个“目标值”，曲线本身的变动也能成为判断标准。对于销售额，利润，用户数这种正向指标（越多越好的指标），增长本身就是好的，增长的速度越快越好，绝对数越大越好。对于成本、风险损失、投诉这种负向指标而言，下降本身就是好的，下降速度越好越好，绝对数越小越好。
当然这样判断是鲁莽的，有可能出现大涨大落的情况，但粗略的看是没问题的。
但大部分静态数据，没有标准可言。比如男女4:6，就一定好/不好？
不一定。因此看到这种数据，无法形成判断，就很难产生价值。况且业务部门本身对用户情况是有一定感觉的。比如：“我们服务的用户以女性为主”，即使不看4:6，他也知道是女性多，看到6和感觉差不多，自然会说：“我早知道了”。
至于那种“因为用户消费了1次500，所以得让他消费600”的判断，就更是就数论数，毫无头脑。数字只是一个记录，数字背后是一个真实的、活生生的场景。脱离业务场景空谈数字是没意义的。
就像你去吃面，进了面馆喊一声：“老板一碗牛肉面”，老板大喝一声：“不！你不要一碗！我们的人工智能高级大数据分析师说你需要2碗！给我吃！”
请问这时候你是啥心情……
所以破局的关键只有1个，就是：找标准。让数据表达含义，不仅仅是一串数字。
提高报告有用性的方法
首先要区分场景。注意，如果是第一次汇报，是可以用开头被猛烈吐槽的方式的。可能因为新换了领导，可能因为刚上CRM系统，总之之前业务方对用户情况毫无了解。这时候事无巨细的列一堆数据，是很有帮助的。能够让大家详细了解情况，建立认知。
但是从第二次汇报开始，就不能这么平铺直叙了；对那些已经了解情况的业务方，也不能直接这么丢大白话，我们找判断标准。常见的找法有这三种：
（1）从问题找标准
如下图所示：
（2）从目标找标准
如下图所示：
（3）从业务找标准
如下图所示：
当然，这三种方法都需要做到以下三点：
- 数据与业务有充分的沟通
- 了解业务背景（工作目标、设计思路、执行计划）
- 了解业务运行基本逻辑及对应数据表
但是在很多企业，这三个条件不具备。有可能是因为业务部门把自己当上帝，觉得自己全知全能，就差一个跑数的小哥了，招进来的不是数据分析师而是sql编写员；也有可能是因为企业把数据分析师当上帝，觉得只要他做数据分析工作，他就全知全能，企业里其他人不张嘴，做数据的只凭一道金光闪过就无所不知……
总之，数据报告没用，数据与业务脱节，只能说明这个企业不行，业务和数据都有责任。与其相互甩锅，不如老老实实做好沟通，达到更好效果。
然而有的同学又说了：老师，明明是同一份报告，为啥有的人看了说做得真好，有的看了就喷没水平。感觉好难呀。那是因为说者无意，听者有心。
能让全国人民开心的只有赵本山，你换了郭德纲都有人嫌他三俗，所以看菜吃饭是必须的。
有兴趣的话，我们下一篇分享：《如何根据听众身份，制定大家喜欢的报告》
微信扫一扫 
支付宝扫一扫 
