游戏分析报告怎么写(一份完美的数据分析报告)-众学网

临近年底，做数据分析的同学们都在写各种报告。按理说，写数据分析报告是数据分析师最基本的技能，人人都该会。可怕就怕，自己辛辛苦苦写完的东西没！人！看！没人看还是好的，更怕的是

在接到众多同学求助之后，今天系统分享一下。估计每个做数据or想做数据的同学，都看过类似的说法：数据分析报告分为六步明确目的和思路数据准备数据处理数据分析数据可视化结论与建议

问题就是从这里开始的这个毒瘤误导了无数新人01

数据分析报告的错误姿势

之所以说这个玩意是毒瘤，是因为丫用并排6点的样式，严重干扰了人们的视野，形成一种错觉：这6个东西是按1-6的顺序，且工作量是一样的。实际上，真实企业工作中，他们的关系应该是：

为啥是毒瘤还这么流行？一个有趣的真相是：一般教育培训机构是把hadoop，BI，python的课拆开卖的。而这两年主打卖的又是python，所以基本不怎么提数据治理这茬事。二来，新人最喜欢的，才不是这些搬砖的基础工作呢，是模型！最好是人工智能模型！！所以两者一拍即合，教育机构准备一个数据集，新人按照样例把模型的代码敲进去，运行，体验掌握了人工智能模型的快感。大家都得到了极大满足，只剩下看报告的人郁闷：这尼玛也是分析？想破局，当然是得回到真实工作中。本文篇幅有限，就先不讲基础建设，先聚焦讨论：如何从数据中发现真正企业关心的问题，做有价值的报告。02

数据分析报告的本质数据分析报告，本质是报告。所谓报告者，就有人说，有人听，于是形成两种基本的报告模式：

在做报告时，第一步，确认本次报告是什么模式，包括：我们是要主动说，还是回复问题我们要对谁说/回答谁的问题我们要说的是什么问题不要笑！很多同学连这点基本工作都做不到。只是机械、麻木、对着模板，把数据填一遍。然后憋出吃奶力气，写下：“本月环比上涨2%”几个大字。然后按着上一次邮件的发送名单，群发出去。还美其名曰：这是日常报告。至于报告了啥？报告给谁？说了什么？一概不知。这种日常报告就是空耗体力，还不如直接建个dashboard谁爱看谁看呢。03

我说你听型报告的写法我说你听型报告，看起来最简单，可想做好，要满足两个条件：我说的得是个“问题”；我说的得某部分，别人不知道。这两点看似简单，实则麻烦。比如下图

很多数据分析师就只会写：月均GMV 720最大值1000最小值500中间值700胆肥的，还会写一句：连续4个月下跌5月环比下跌17%然而下跌不代表问题呀，很有可能人家业务的趋势就是长这样的（如下图）

这种情况，叫：无固定标准下判断。无明确KPI、指标要求、领导命令情况下。做出“有问题”的判断，需要综合考虑发展趋势、增长动力、行业环境等多方因素。在提笔写报告前，实际上已经需要做大量复杂的分析了。有固定标准下判断，会相对容易点。比如本月KPI是550，实际做了500，那本月是有问题的。但是很有可能这是业务的战术安排，（如下图）。所以即使有固定标准，还得了解业务战术、业务策略，才好下正确的判断。

做出判断仅仅是第一步。第二步“说别人不知道的”难度更大。指标不达标，对数据分析师只是一个数字，对业务部门可是结结实实的挨骂、扣奖金、滚蛋走人。所以业务部门对问题也是很敏感的。如果只是絮絮叨叨的赘述：“这个月业绩不好，连续仨月都不好”，铁定被人批：“你丫跟个报丧鸟似的，能讲点有用的不！！！”这个时候需要做的，就是了解：到底业务掌握多少。经常有同学抱怨，说业务早就知道问题了，感觉没啥好写的。注意，这里大家已知的，只是一个结果。至于为什么有这个结果，以后会咋样，没人敢打包票说我很清楚（如下图），这就是可以分析的机会。

有的同学会说：基于这一张表也分析不出来这么多东西呀。废话，当然分析不出来。这里实际上已经把问题引入深入了。从表面的：“指标没达标”变成了“我该做什么才能扭转局面”，变成了“这里有个更深的问题你没有注意到”这些才是真正有价值的、深入的、需要专业分析的地方。所谓业务策略，核心就是轻重缓急，进退取舍。涉及精确计算，应对不确定的，才是数据分析的真正价值。如果业绩指标都像汽车速度表一样，一脚油门就提高，一脚刹车就降低，还需要分析啥。你看谁家副驾驶上坐个数据分析师，走一路哔哔一路：“您的速度为每小时45公里，比刚才提高了5公里”，哈哈。

你问我答型报告写法你问我答型报告，最大的坑点在于问题本身。高质量的问题，带来高质量的答案；低质量的问题，把分析带沟里。提问是否清晰准确，是混职场的核心能力（有之一）。专门讲内容太多，这里聚焦数据分析问题，大家记得这五个基本问题（如下图）

注意，只有经过专业训练的人，才能用这五句描述问题。大部分人都是混合在一起吐出来的。比如领导说：“最近转化率下降了，我怀疑是低质量用户太多，看看是不是最近的促活活动搞的”，这里看似是一个问题，可拆解一下，其实隐藏了一堆问题（如下图）

人们总是容易被最近发生的、群众热议的、自己情感上喜欢/厌恶的事干扰判断。所以脱口而出的往往是一个感觉，一个流行词，一个态度。数据分析的价值，正是剥丝抽茧，层层深入，去伪存真。越简单的逻辑才越容易验证，因此在回答问题的时候，拆解复杂问题为简单问题，层层验证是非常非常重要的。不然总是混一锅粥，啥都讲不清楚。这里要特别注意，业务上的很多问题，不是数据分析直接解决的，需要专业的业务能力。作为辅助，我们需要把这些业务问题，转化为可操作的数据分析，再给支持（如下图）。不然一来我们的业务能力不一定够直接给建议；二来业务的活我们都干了，要业务何用！！（好爽！终于能理直气壮怼回去一次了）。

所以在接收问题的时候，要清晰的区分：到底业务上需要的是什么。他们缺少的是数据还是一个具体执行计划。在我们可做的范围内，提供专业意见，才有好效果。小结，你问我答型报告，正确写作姿势是：收集问题梳理、拆分问题（针对原因、预测）了解业务假设（针对综合评估）了解领导意图对拆分出的二级、三级子问题，逐一验证讲二级、三级结论收拢，归纳总结论呈报结果。

总结看完整个过程，心细的同学会发现：其实做报告的过程，就是把陈老师大量的分析方法总结归纳的过程。没错！因为本身，报告是数据分析的最后一步。只有做好了各种具体的分析，才能写出优质的报告。因此，优质的报告绝不是按模板抄出来的。

很多同学喜欢问：有没有好的数据分析报告模板，我抄抄/学习下。具体问题、业务背景、业务方行动计划、问题拆分都不一样，报告间可相互抄的，只有ppt模板和excel模板哈。指望抄别人的，最后只会落得：“你分析了啥！”的吐槽。认真思考：我要说什么？我说的针对什么问题？我说清楚了没有，才是做出好报告的正确方法。

End