今天繼續分享如何寫數據分析報告。之前2期舉的例子都是監控數據，監控數據是連續觀測，會很明顯的看到曲線變動。於是很多同學便問：「靜態數據的報告該咋寫」。尤其以用戶畫像報告為甚。很多時候業務提了需求：看看我們的用戶畫像。結果寫出來報告被批：我都知道了，你寫這有啥意義。到底咋弄？今天系統分享一下。
沒用的報告長這樣
一提到用戶畫像，很多同學的報告都長這樣：
男女比例4:630歲以上佔比40%平均年消費500元活躍1個月以上用戶55%……往往這種報告寫的很辛苦，跑的數據很多。最後收穫一句「我早知道了，你能講點有意義的不？」
於是有些人認為：光提供描述性數據不行，那必須模型走起呀。最直接能想到的就是RFM，於是抽出R、F、M三個維度數據，每個砍成五段，5*5*5分成125個分類，再用聚類，搞成5大類，125小類，每一類都細心標註上：「這個用戶買了1次500元，5天沒賣了，所以得讓他買！」
最後收穫一連串連珠炮似的追問：
你說他買他就買呀！買啥！哪裡買！咋讓他買咋通知他買！不買又咋樣！買了又怎樣！他要是本來就會買呢！……被轟的暈頭轉向……
到底問題出在哪裡？
報告沒用的核心原因
核心原因就一條：無判斷標準。
男女比例是不是個關鍵問題男女比例4:6是不是個問題男女比例3:7又怎樣通通沒有判斷標準，讓人看了覺得不著四六。
有意思的是：監控數據是自帶標準的。我們看一條曲線，即使沒有定義一個「目標值」，曲線本身的變動也能成為判斷標準。對於銷售額，利潤，用戶數這種正向指標（越多越好的指標），增長本身就是好的，增長的速度越快越好，絕對數越大越好。對於成本、風險損失、投訴這種負向指標而言，下降本身就是好的，下降速度越好越好，絕對數越小越好。
當然這樣判斷是魯莽的，有可能出現大漲大落的情況，但粗略的看是沒問題的。
但大部分靜態數據，沒有標準可言。比如男女4:6，就一定好/不好？
不一定。因此看到這種數據，無法形成判斷，就很難產生價值。況且業務部門本身對用戶情況是有一定感覺的。比如：「我們服務的用戶以女性為主」，即使不看4:6，他也知道是女性多，看到6和感覺差不多，自然會說：「我早知道了」。
至於那種「因為用戶消費了1次500，所以得讓他消費600」的判斷，就更是就數論數，毫無頭腦。數字只是一個記錄，數字背後是一個真實的、活生生的場景。脫離業務場景空談數字是沒意義的。
就像你去吃麵，進了麵館喊一聲：「老闆一碗牛肉麵」，老闆大喝一聲：「不！你不要一碗！我們的人工智慧高級大數據分析師說你需要2碗！給我吃！」
請問這時候你是啥心情……
所以破局的關鍵只有1個，就是：找標準。讓數據表達含義，不僅僅是一串數字。
提高報告有用性的方法
首先要區分場景。注意，如果是第一次匯報，是可以用開頭被猛烈吐槽的方式的。可能因為新換了領導，可能因為剛上CRM系統，總之之前業務方對用戶情況毫無了解。這時候事無巨細的列一堆數據，是很有幫助的。能夠讓大家詳細了解情況，建立認知。
但是從第二次匯報開始，就不能這麼平鋪直敘了；對那些已經了解情況的業務方，也不能直接這麼丟大白話，我們找判斷標準。常見的找法有這三種：
（1）從問題找標準
如下圖所示：
（2）從目標找標準
如下圖所示：
（3）從業務找標準
如下圖所示：
當然，這三種方法都需要做到以下三點：
數據與業務有充分的溝通了解業務背景（工作目標、設計思路、執行計劃）了解業務運行基本邏輯及對應數據表但是在很多企業，這三個條件不具備。有可能是因為業務部門把自己當上帝，覺得自己全知全能，就差一個跑數的小哥了，招進來的不是數據分析師而是sql編寫員；也有可能是因為企業把數據分析師當上帝，覺得只要他做數據分析工作，他就全知全能，企業裡其他人不張嘴，做數據的只憑一道金光閃過就無所不知……
總之，數據報告沒用，數據與業務脫節，只能說明這個企業不行，業務和數據都有責任。與其相互甩鍋，不如老老實實做好溝通，達到更好效果。
然而有的同學又說了：老師，明明是同一份報告，為啥有的人看了說做得真好，有的看了就噴沒水平。感覺好難呀。那是因為說者無意，聽者有心。
能讓全國人民開心的只有趙本山，你換了郭德綱都有人嫌他三俗，所以看菜吃飯是必須的。
有興趣的話，我們下一篇分享：《如何根據聽眾身份，制定大家喜歡的報告》
#專欄作家#
資深諮詢顧問，在網際網路，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。
本文原創發布於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議