5

数据分析报告,建议就该这么写!

 3 years ago
source link: http://www.91yunying.com/116332.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

数据分析报告,建议就该这么写!

发布者: 91运营

2021-05-18 00:55数据分析报告  1664

系统学习运营课程,加入《91运营网VIP会员》,开启365天运营成长计划>>

113 数据分析报告,建议就该这么写!
有同学问:陈老师,数据分析报告中的“建议”部分该怎么写?细心观察生活,在生活中培养分析思维的陈老师,就遇到了这么个很能说明问题的小例子。

在医院里,陈老师听到医生对病人说:昨天验血,血红素指标只有70,身体缺血,今天加一片多糖胶囊饭后用,建议家属给做鸡蛋、鱼肉、枸杞叶猪肝汤等补血食物……

我去,这不就是一个标准的数据分析报告吗!

28 数据分析报告,建议就该这么写!

数据:血红素指标=70

结论:缺血

建议:做鸡蛋、鱼肉、枸杞叶猪肝汤

方案:饭后使用一片XX药

大家可以记住这个简单的例子,下次写报告就有思路了。解释如下:

数据分析报告主体当然是数据,但数据本身是没有好坏对错之分的,因此单纯的数据并不构成一个结论。

比如今天销售额100万,连续三天销售额下跌,累计下跌10%,这些都是数据。谁说销售额下跌就是坏事?如果是促销活动以后的自然下跌呢?如果是月底、周末等周期性下跌呢?如果是投入减少导致的正常下跌呢?

数据+判断标准才能得出结论。我们得先拉一个什么是“好”,什么是“坏”的标杆出来,才能说:下跌是不好的。因此写数据分析报告,要先关注自己有没有结论。

数据分析报告的结论,应该根据业务方需求来,比如:

● 业务方不清楚某个业务的情况,那结论就是:该业务有X个关键指标,每个指标的数据是XXX

● 业务方不知道什么水平算好,那结论就是:可作为分解标准的数值是XXX,原因是XXX

● 业务方不知道做得不好的原因是什么,那结论就是:经分析,有3个原因,其中重点原因是XXX

下了结论以后,再结合对业务的理解,就能提出建议了。建议和方案,都是针对分析结论给出的行动指导。这里强调下建议和方案的区别。

建议是:能解决业务问题的行动方向,是若干个潜在可行的范畴。

方案是:一个具体行动计划,方案要满足5w2h,要有具体的执行人、完成时间等等要素。

小结一下,就是

● 数据分析报告,数据是主体

● 数据+标准=结论

● 结论+业务理解=建议

● 建议+可行的安排=方案

这是个从数据推导出业务行动的基本过程。这个过程不能省略、跳过某些环节,得沉住气一步步来。在不同阶段,建议内容当然也有区别:

● 不了解情况,没有做数据指标,就建议:梳理业务流程,建立数据指标

● 有数据指标,但没有评价标准,就建议:明确判断标准,获得上下共识

● 有评价标准,但不知波动原因,就建议:深入分析问题,找到问题原因

● 大致知原因,但没有应对办法,就建议:总结内外经验,梳理应对办法

● 有应对办法,但不知道哪个好,就建议:明确评价标准,对比方案优劣

● 已选了办法,但不知效果咋样,就建议:进行方案预测,估计上线效果

总之一步步来,有了结论再往下推动。

当然,业务部门的人往往没有数据思维,他们会直接甩一个问题,比如:我们想知道我们现在业务发展健康不健康,分析一下。这时候做数据分析的自己就得脑子很清醒,这个看似简单的一句话,其实包含了很多未知的点:

● 什么叫健康?

● 哪些指标可以衡量健康?

● 健康不健康的区分标准是多少?

● 不健康了会是什么原因,有没有假设?

● 不健康了有没有应对办法,可行的空间是什么?

这些问题要逐一清扫干净,才能输出一个真正符合业务需求的报告。这里包含了大量的沟通、确认、测试、验证的过程。不是一蹴而就的。

很多新手怕被人嫌弃没本事,不愿意沟通,总想着自己憋大招。可往往憋出来的不是被业务一掌拍死,就是压根憋不出来个屁。
越好的医生才越会望闻问切,卖保健品的才一瓶果汁包治百病,大家知悉哈,多沟通不丢人,出力不讨好才丢人。

当然,也有业务部门的人说:老夫从业20年,做的事比你吃过的瓜还多,我就认为问题就是这样,我就认为该这么干。

理论上这样也行得通,但是这样的决策流程就和数据没有任何关系,这是典型的拍脑袋决策,拍胸脯办事。至于结果是拍屁股走人还是拍巴掌庆功,就看个人运气了。之所以要强调数据驱动决策,就是为了避免这种盲目自信和拍脑袋。

所以,为什么同学们经常做了分析写不出建议?

● 原因1:只列举了数据,没有标准,没有下结论

● 原因2:标准找的不符合业务需求,下错了结论

● 原因3:有结论,但不懂业务,不知道该怎么提议

总之,数据驱动的链条断了,只有数据没有业务理解,就会出现这些问题。

从本质上看,提建议靠的是对业务的理解。就像医生,得知道提升血红素这个指标可以吃什么食物,才能说出个123一样,不然光盯着一个指标,说:指标低了,要搞高!就显得很苍白和幼稚了——废话,是人都看到指标低了,问题是到底怎么搞,你要说出来嘛。

如果新人刚起步,真的不懂业务,又要提建议,那可以先收集业务部门到底做了什么事情,通过数据观察效果。然后提建议的时候,自己没想法可以先抄以前的做法嘛。这就是为什么提出“创造性”建议,是高级数据分析师们才能干的事了。

不过以上都是针对“业务部门有一个具体问题”的情况下讲的。很多时候业务部门没有具体问题,还催着做数据分析的给一些意见和建议。

最常见的就是每次更新日报月报,都非要你解读一下。这时候就更难办一些。甚至有些同学在学员群吐槽,说感觉业务部门把我们当算命的,见个面都要算一下今天的运势。好吧,吐槽归吐槽,真要让我们算命的话,也是有算命的办法的。具体的我们后续再分享。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK