这篇文章是数据分析报告写作指南，指出传统六步法的误区，强调报告的本质是沟通，并详细讲解了“我说你听”和“你问我答”两种报告模式的写作方法，帮助读者避免模板化写作，提升报告价值。
年中时节，大家都在写各种各样的报告。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。可怕就怕在，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：
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
问题就是从这里开始的。
这个毒瘤误导了无数新人。
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。
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：
不要笑！很多同学连这点基本工作都做不到。只是机械、麻木地对着模板，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。
我说你听型报告，看起来最简单，可想做好，要满足两个条件：
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：
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。
小结，我说你听型报告，正确写作姿势是：
1、明确受众部门
2、明确受众部门关键KPI指标
3、了解指标过往趋势，找判断标准
4、判断指标是否有问题
5、（如无）不做提示，结束
6、（如有）提示问题，了解业务关注点/行动计划
7、针对行动计划，提示尚不为业务了解的问
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：
1、收集问题
2、梳理、拆分问题
3、（针对原因、预测）了解业务假设
4、（针对综合评估）了解领导意图
5、对拆分出的二级、三级子问题，逐一验证
6、讲二级、三级结论收拢，归纳总结论
7、呈报结果。
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。
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。