写好数据分析报告，无论是运营还是数据分析师，你都是全场的焦点。

所有人聚焦于你给出的数据，你发现的问题，你给出的结论，你提出的解决办法。

你的价值噌的一声，平地一声响，陡然而升。

被优化？不存在的！

被边缘？不可能的！

那一个好的数据报告应该是什么样的呢？

很多人上来就问我，有么有好的数据分析报告模板可以用，其实如果掌握了写报告的方法，根本不需要模板抄。

数据分析报告有两个阶段

问答模式：有明确的问题，通过数据分析来进行解答

报告模式：没有明确的问题，从常规数据中发现问题，报告给观众

举个例子

初级报告-一问一答

1、昨天的销售业绩是多少

答：昨天的销售业绩是 1000 万。

2、明天的销售业绩是多少

涉及预测，就得讲清楚：预测方法、预测依据、预测结果

答：根据上周规律来看，明天预计 1200 万，比今天多 20%。

数据分析常用的预测方法有五种：1、类推法；2、函数法；3、定性预测法；4、时间序列预测法；5、因果关系预测法。

3、今天的销售业绩是多少？

今天的数值，是预测值还是实际值？3 点前的是实际值，3 点后的是预测值。所以回答的时候要区分状态

答：截止下午 3 点，实际值是 700 万，按趋势推算，预计 1400 万。

以上是初级报告的场景，这在办公室里很常见，常常是领导或业务部门随口要个数。这时候没有分类维度，只是单一指标，因此只要区分清楚时间状态，就能解答好。

详细的数据报告方法大家可以在知乎的数据分析课中学到，这种案例也都是课程中经常使用的案例。

这个课程我推荐给了很多人，上完课之后，很多以前对于数据分析一窍不通的人，已经能够轻松将学到的知识运用到工作当中，并且得到了领导和同事的一致好评。

现在可以免费学习三天，建议各位点击报名，这样能够更好的理解我所说的。

前 IBM 数据分析大咖 3 天实战训练营打工人升职加薪必备立即解锁

中级报告

我们观察这个数据

首先需要明确

● 这里有几个指标？● 这里有几个维度？

指标只有一个：业绩

维度呢？很多人脱口而出：两个分类维度，时间和产品

这个就是雷了，在时间维度上，它分为了周和日，不区分清楚，后边回答就很混乱。因为这个指标很明显有周循环趋势，因此周这个维度是不能省略的。

因为有了这种维度的分类，所以我们在报告的时候，有了整体和部分的区别。因此在汇报的时候，不能够直接说：总业绩是 xxx

遇到整体和部分，我们需要以：整体-局部-个案的顺序来进行解读和报告。

OK，那么我们来看下出现的问题。

1、上个月业绩情况如何？

2、为什么第三周业绩较前两周下跌了？

先看第一个问题：上个月业绩情况如何？

因为有了整体-部分-个案的分析思路和流程，我们可以这么说

整体分析：

四周的业绩分别是……

四周保持上涨态势，但是第三周较其他周

部分分析：

第三周环比振幅最小，是因为……

如没有这个下滑，根据之前的去世，预计应产生业绩 5500，损失业绩预计 700

为什么第三周业绩较前两周下跌了？

原因指的是一个具体影响业绩的问题，不是数字本身，要找到数字背后的问题才行。这里往往需要做一些深入的调查研究，比如当时天气如何，发生了什么事，业务做了什么控制一类。仅依靠一条数据肯定回答不了。

当然，分析出原因需要具体分析方法，最后汇报的结果得是清晰的。「因为 XX 原因，导致该问题。」在我们收集过真实原因以后，我们可以做答了。

注意，作为数据分析报告，单纯说：「因为第三周下雨了」是难以服众的，需要对问题原因做量化考核，具体指出每个影响因素的大小，才能服众。

类似的，如果是数据错误，要指出正确的数据是什么。如果是业务有控制举措，要指出控制举措的开始，结束时间。常见的情形如下，大家可以参考：

高级报告

其实在数据分析领域，没有很难的问题，只有含糊不清的问题。

如果所有的问题，都能像初级、中级汇报那样清晰明了，自然解答也是清晰明了。

实际上你遇到的问题，可能是

为什么这几个月业绩连连下滑

我们的产品体验出现了什么问题？

为什么顾客会有那么多的抱怨

这些问题都有一个共同特征，没有数据！不知道调取什么数据！

对于新人来说非常容易在这方面栽跟头，甚至是出现现有结论，再有证据的情况。

对于数据分析师来说，遇到这种情况，首先需要冷静下来，接一杯咖啡。

问自己一个问题：这个问题到底是不是存在的？

脱离概率谈个案、脱离整体谈细节、脱离数据谈现状、脱离标准谈判断，统统都是耍流氓！

针对第一个问题：为什么这个月业绩很差？

我们可以这么说

1、这个月业绩数值是 XXX

2、判断好和差的标准是（上月、去年同月、KPI 指标……）

3、和标准对比，差的程度是（不存在，轻，中，重）

4、这个（轻，中，重）级别的差，是因为……

5、如果问题不存在，干脆就不答了

这就是大致的报告思路，落实到具体的问题，先看看是真的有这个事，还是主观臆断，还是道听途说，还是空穴来风，还是无风起浪，之后再做分析。

对于初学者，我的建议是跟着老师学习，最好是同时有长期教课经验和牛逼工作经验的老师，保证他确实是一个实战数据分析大佬，又确实能教会别人，两者缺一，要不然就是把你教成书呆子，要不就是大肚茶壶倒饺子——有货说不出。

我个人推荐知乎的一个课程，主讲老师是前 IBM 数据分析大佬猴子，课程是结合国内互联网一线大厂的案例（如下图），从基础讲起，用案例讲知识点，带练以 Excel 为代表的数据分析工具，你还可以顺便学习包括 power BI，SQL 等，传授数据分析常用十大分析方法，通过大厂的实际数据案例实操，让大家扎扎实实学会 Excel，对小白来说是很友好的选择。

前 IBM 数据分析大咖 3 天实战训练营打工人升职加薪必备立即解锁

技能需求

那么如果你还只是个初学者，想要轻轻松松完成数据报告，你又要学习哪些知识呢？

1、懂业务。

从事数据分析工作 bai 的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理。

一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

3、懂分析。

指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

4、懂工具。

指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。

5、懂设计。

懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。

中级水平

中级数据分析师：在初级的要求基础上，要求掌握多元统计、时间序列、数据挖掘等理论知识，掌握高级数据分析方法与数据挖掘算法，能够熟练运用 SPSS Moderler、SAS、Python、R 等至少一门专业分析软件。

熟悉适用 SQL 访问企业数据库，结合业务，能从海量数据提取相关信息，从不同维度进行建模分析，形成逻辑严密能够体现整体数据挖掘流程化的数据分析报告。

数据库技术（必修）:用 SQL 访问企业数据库，结合业务，能从海量数据提取相关信息，从不同维度进行建模分析，形成逻辑严密能够体现整体数据挖掘流程化的数据分析报告；简单了解关系型数据库与非关系型数据库的关系，数据库增删改查，高级查询，高级应用

实用型大数据挖掘算法、(Apriori 算法、Tanagra 工具、决策树)：

所谓「深入」，指得是从数据挖掘的原理与经典算法入手。其一是要了解算法，知道什么场景应当应用什么样的方法；其二是学习算法的经典思想，可以将它应用到其他的实际项目之中；其三是理解算法，让数据挖掘的算法能够应用到项目开发之中去。

所谓「浅出」，指得是将数据挖掘算法的应用落实到实际的应用中。

根据实际的引用场景，数据挖掘技术通常分为分类器、关联分析、聚类算法等三大类别。本课程主要介绍这三大算法的经典思想以及部分著名的实现形式，并结合一些商业分析工具、开源工具或编程等方式来讲解具体的应用方法。

高级水平

对于进入这个阶段的人我就不需要来给出标准了，你们所了解的数据科学，很多人甚至连尝试的勇气都没有。身处这一阶段，你们的生活惬意而又自如。可有时还想去迎接挑战，以下是一些计划。

学会如何让数据对业务产生价值，就要学会提出问题。

解决具体分析问题的过程就是一个宝贵的学习过程，在具体的任务中，你可以思考，给你布置任务的那个人，他的提问路径是什么？他给你的可能是许多连续的任务，也会把一个任务拆解成许多任务，为什么？

通过这种思考你能观察出来他的提问路径，不断地积累自己的感觉，总结出一个「套路」。穷举，抽象，归纳，演绎，不管你是不是在做数据分析师，学会这些高效的做事方法，都会受益匪浅。

分析能力

数据分析师必须要掌握一些行之有效的的数据分析方法，并能灵活的与自身实际工作相结合。数据分析师常用的数据分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。

高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

设计能力

是指运用图表和图形即将数据分析师的观点清晰、明确地展现出来，使分析结果一目了然。图表设计是门大学问，如何选择图形，如何进行版式设计，颜色怎样搭配等，都需要掌握一定的设计原则。

本文作者：猴子