作者：接地氣的陳老師 

來源：接地氣學堂

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。于是很多同學便問：“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。

 1、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：

1. 男女比例4:6
2. 30歲以上占比40%
3. 平均年消費500元
4. 活躍1個月以上用戶55%
5. ……

往往這種報告寫的很辛苦，跑的數據很多。最后收獲一句“我早知道了，你能講點有意義的不？”

于是有些人認為：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，于是抽出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，每一類都細心標注上：“這個用戶買了1次500元，5天沒賣了，所以得讓他買！”

最后收獲一連串連珠炮似的追問：

• 你說他買他就買呀！
• 買啥！哪里買！
• 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……到底問題出在哪里？

  2、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。對于銷售額，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。對于成本、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”。

至于那種“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，數字背后是一個真實的、活生生的場景。脫離業務場景空談數字是沒意義的。

就像你去吃面，進了面館喊一聲：“老板一碗牛肉面”，老板大喝一聲：“不！你不要一碗！我們的人工智能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。

 3、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?？赡芤驗樾聯Q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，就不能這么平鋪直敘了；對那些已經了解情況的業務方，也不能直接這么丟大白話，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：

1. 數據與業務有充分的溝通
2. 了解業務背景（工作目標、設計思路、執行計劃）
3. 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，企業里其他人不張嘴，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。