如何撰寫你的第一份數(shù)據(jù)報告

你是一個在校學生，上著自己喜歡或不喜歡的課，閑來無事，你打開知乎，看到了數(shù)據(jù)分析話題，你下定決心要成為一個數(shù)據(jù)分析師，你搞來一堆學習資料和在線課程，看完之后自信滿滿，準備去投簡歷，然后發(fā)現(xiàn)不清楚各種工具和模型的適用范圍，也不知道數(shù)據(jù)報告需要包括哪些內(nèi)容，面試的感覺就是一問三不知……

你是一個工作了一段時間的白領，你覺得現(xiàn)在這份工作不適合你，你下班以后去逛知乎上，看到很多人在說大數(shù)據(jù)代表未來，數(shù)據(jù)分析師是21世紀最性感的十大職業(yè)之一……你激動了，你也要成為數(shù)據(jù)分析師，你利用空余時間補上了統(tǒng)計知識，學了分析工具，然后發(fā)現(xiàn)自己目前的工作跟數(shù)據(jù)分析沒啥關系，覺得沒有相關經(jīng)驗沒公司要你……

這些問題的根源是什么？一句話可以概括：你沒有辦法在最短的時間內(nèi)向招聘者展示，你能夠勝任數(shù)據(jù)分析這項工作。

我在知乎的回答如何快速成為數(shù)據(jù)分析師？ - 陳丹奕的回答中，提出過一個“100小時學習計劃”，在開始投簡歷前的最后一步，我建議用25個小時——占整個計劃的四分之一，來做一份數(shù)據(jù)報告，這個步驟至少能為你帶來三個好處：

• 檢驗你的學習成果——數(shù)據(jù)分析是一門實用學科，能靈活運用學到的知識做出成果，比通過任何考試都重要；
• 測試你是否真的想做/適合做數(shù)據(jù)分析工作——比起你轉(zhuǎn)行后用半年或是一年時間來發(fā)現(xiàn)自己的真實想法，不如在此之前就看看你能否做好這份工作，或是從其中得到樂趣；
• 展示你具有的能力——程序員的世界里講究“No more talk，Show me the code”，數(shù)據(jù)分析師同樣可以“Show me the report”，一份內(nèi)容完整的數(shù)據(jù)報告，能幫你的面試官省下很多判斷/評估/糾結的時間，給你更多的機會。

寫了一大堆做數(shù)據(jù)報告的好處，那么以一個初學者的水平，如何去做一份數(shù)據(jù)報告呢？下文細說。

制作數(shù)據(jù)報告的流程

先放一張圖（不許抱怨配色丑?。?/span>

可以很清楚的看到，一個數(shù)據(jù)報告（副本）依據(jù)需求不同，有普通難度（藍->橙->綠->紅），也有英雄難度（藍->橙->綠+黃->紅），這次我們先講普通難度的攻略，英雄難度放到下次講。

普通難度的數(shù)據(jù)報告要經(jīng)歷7個步驟：

Step 1：目標確定

這一步在工作中通常是由你的客戶/上級/其他部門同事/合作方提出來的，但第一次的數(shù)據(jù)報告中，需要你自己來提出并確定目標。

選擇目標時，請注意以下幾點：

• 選擇一個你比較熟悉，或者比較感興趣的領域/行業(yè)；
• 選擇一個范圍比較小的細分領域/細分行業(yè)作為切入點；
• 確定這個領域/行業(yè)有公開發(fā)表的數(shù)據(jù)/可以獲取的UGC內(nèi)容（論壇帖子，用戶點評等）。

逐一分析上面三個注意點：

選擇熟悉/感興趣的領域/行業(yè)，是為了保證你在后續(xù)的分析過程中能夠真正觸及事情的本質(zhì)——這一過程通常稱為洞察——而不是就數(shù)字論數(shù)字；

選擇細分領域/行業(yè)作為切入點，是為了保證你的報告能夠有一條清晰的主線，而非單純堆砌數(shù)據(jù)；

確定公開數(shù)據(jù)/UGC內(nèi)容，是為了保證你有數(shù)據(jù)可以分析，可以做成報告，你說你是個軍迷，要分析一下美國在伊拉克的軍事行動與基地組織恐怖活動之間的關系……找到了數(shù)據(jù)麻煩告訴我一聲，我叫你一聲大神……

不管用什么方法，你現(xiàn)在有了一個目標，那么就向下個階段邁進吧。

Step 2：數(shù)據(jù)獲取

目標定下來了，接下來要去找相應的數(shù)據(jù)。如果你制定目標時完全遵循了第一步的三個注意點，那么你現(xiàn)在會很明確要找哪些數(shù)據(jù)。如果現(xiàn)在你還不確定自己需要哪些數(shù)據(jù)，那么……回到第一步重來吧。

下面我總結一下，在不依賴公司資源，不花錢買數(shù)據(jù)的情況下，獲取目標數(shù)據(jù)的三類方法：

一是從一些有公開數(shù)據(jù)的網(wǎng)站上復制/下載，比如統(tǒng)計局網(wǎng)站，各類行業(yè)網(wǎng)站等，通過搜索引擎可以很容易找到這些網(wǎng)站。舉例：要找汽車銷量數(shù)據(jù)，在百度輸入“汽車銷量數(shù)據(jù)查詢”關鍵字，結果如下：

我打碼的那個鏈接，也就是第三個鏈接（第一個非推廣鏈接）就是要找的結果，點進去可以看到各月的汽車銷量，但只是全國數(shù)據(jù)，沒有分省統(tǒng)計數(shù)據(jù)。

當然不會每次找數(shù)據(jù)都這么順利，這里只是告訴你：要善用搜索引擎。

二是通過一些專門做數(shù)據(jù)整理打包的網(wǎng)站/api來下載，如果你要找金融類的數(shù)據(jù)，這種方法比較實用。其他類型的數(shù)據(jù)也有人做，但通常要收費。

三是自行收集所需數(shù)據(jù)，比如用爬蟲工具爬取點評網(wǎng)站的商家評分、評價內(nèi)容等，或是直接自己人肉收集（手工復制下來），亦或是找一個免費問卷網(wǎng)站做一份問卷然后散發(fā)給你身邊的人，都是可以的。這種方式受限制較少，但工作量/實現(xiàn)難度相對較大。

如果你是在職人員或是實習生，我建議你不要用任何現(xiàn)在公司的數(shù)據(jù)。保證數(shù)據(jù)的安全性，不對外泄露公司的任何非公開數(shù)據(jù)，是數(shù)據(jù)分析師的基本職業(yè)道德。實在非要用（例如你要在面試中展示你在以前公司做過的數(shù)據(jù)報告），請將一切有意義的內(nèi)容，包括但不限于各種數(shù)字、競品及本品名稱、時間、用戶屬性全部打碼并轉(zhuǎn)成pdf格式，只留圖形和敘事邏輯描述內(nèi)容。

Step 3：數(shù)據(jù)清洗

在工作中，90%以上的情況，你拿到的數(shù)據(jù)都需要先做清洗工作，排除異常值、空白值、無效值、重復值等等。這項工作經(jīng)常會占到整個數(shù)據(jù)分析過程將近一半的時間。

如果在上一步中，你的數(shù)據(jù)是通過手工復制/下載獲取的，那么通常會比較干凈，不需要做太多清洗工作。但如果數(shù)據(jù)是通過爬蟲等方式得來，那么你需要進行清洗，提取核心內(nèi)容，去掉網(wǎng)頁代碼、標點符號等無用內(nèi)容。

無論你采用哪一種方式獲取數(shù)據(jù)，請記住，數(shù)據(jù)清洗永遠是你必須要做的一項工作。

Step 4：數(shù)據(jù)整理

清洗過后，需要進行數(shù)據(jù)整理，即將數(shù)據(jù)整理為能夠進行下一步分析的格式，對于初學者，用Excel來完成這一工作就OK。

如果你的數(shù)據(jù)已經(jīng)是表格形式，那么計算一些二級指標就好，比如用今年銷量和去年銷量算出同比增長率。鑒于你是第一次做數(shù)據(jù)報告，建議你不要計算太多復雜的二級指標，基本的同比、環(huán)比、占比分布這些就OK。

如果你收集的是一些非數(shù)字的數(shù)據(jù)，比如對商家的點評，那么你進行下一步統(tǒng)計之前，需要通過“關鍵詞-標簽”方式，將句子轉(zhuǎn)化為標簽，再對標簽進行統(tǒng)計。

Step 5：描述分析

描述分析是最基本的分析統(tǒng)計方法，在實際工作中也是應用最廣的分析方法。描述統(tǒng)計分為兩大部分：數(shù)據(jù)描述和指標統(tǒng)計。

數(shù)據(jù)描述：用來對數(shù)據(jù)進行基本情況的刻畫，包括：數(shù)據(jù)總數(shù)、時間跨度、時間粒度、空間范圍、空間粒度、數(shù)據(jù)來源等。如果是建模，那么還要看數(shù)據(jù)的極值、分布、離散度等內(nèi)容。這次我們是零基礎做數(shù)據(jù)報告，那么就不用考慮后一類數(shù)據(jù)了。

指標統(tǒng)計：用來作報告，分析實際情況的數(shù)據(jù)指標，可粗略分為四大類：變化、分布、對比、預測；

• 變化：指標隨時間的變動，表現(xiàn)為增幅（同比、環(huán)比等）；
• 分布：指標在不同層次上的表現(xiàn)，包括地域分布（省、市、區(qū)縣、店/網(wǎng)點）、用戶群分布（年齡、性別、職業(yè)等）、產(chǎn)品分布（如動感地帶和全球通）等；
• 對比：包括內(nèi)部對比和外部對比，內(nèi)部對比包括團隊對比（團隊A與B的單產(chǎn)對比、銷量對比等）、產(chǎn)品線對比（動感地帶和全球通的ARPU、用戶數(shù)、收入對比）；外部對比主要是與市場環(huán)境和競爭者對比；這一部分和分布有重疊的地方，但分布更多用于找出好或壞的地方，而對比更偏重于找到好或壞的原因；
• 預測：根據(jù)現(xiàn)有情況，估計下個分析時段的指標值。

以上部分引用自我的一個回答面試中針對一個企業(yè)的數(shù)據(jù)分析場景應該怎么去分析？應屆生還不懂怎么結合企業(yè)業(yè)務做系統(tǒng)的分析，求指點 - 陳丹奕的回答，希望進一步了解的話，可以進這個答案。描述分析的產(chǎn)出是圖表，下一個步驟的內(nèi)容將基于這些圖表產(chǎn)出。

Step 6：洞察結論

這一步是數(shù)據(jù)報告的核心，也是最能看出數(shù)據(jù)分析師水平的部分。一個年輕的分析師和一個年邁的分析師拿到同樣的圖表，完全有可能解讀出不同的內(nèi)容。

舉個栗子：

• 年輕的分析師：2013年1月銷售額同比上升60%，迎來開門紅。2月銷售額有所下降，3月大幅回升，4月持續(xù)增長。
• 年邁的分析師：2013年1月、2月銷售額去除春節(jié)因素后，1月實際同比上升20%，2月實際同比上升14%，3月、4月銷售額持續(xù)增長。

看到兩者的區(qū)別了嗎？2013年春節(jié)在2月，2012年則在1月，因此需要各去除一周的銷售額，再進行比較。如果不考慮這一因素，那么后續(xù)得出的所有結論都是錯的。挖掘數(shù)字變化背后的真正影響因素，才是洞察的目標。

再舉個栗子：

這張圖是一個用戶行為聚類的結果，人群被聚成四類。前三類人群可以很清楚的得出結論：他們是某一種游戲主機的用戶。那么第四類人群，是什么人群呢？

• 年輕的分析師：第四類人群是游戲主機的狂熱愛好者，他們交易頻率遠高于一般用戶。
• 年邁的分析師：第四類人群是二手販子，否則誰沒事一年內(nèi)會搞將近7臺索尼主機放家里。

很明顯，年邁的分析師由于具備豐富的行業(yè)經(jīng)驗，能迅速看穿數(shù)據(jù)背后的真實情況，得出正確的洞察結論，這也是為什么我在step 1里一再強調(diào)要找你熟悉或感興趣的領域/行業(yè)，缺乏業(yè)務經(jīng)驗，很可能你的洞察結果是完全錯誤的。

以上這兩個洞察的例子本身比較簡單，但通常來說，即使是復雜的數(shù)據(jù)報告，也是由一個個相對簡單的洞察結論組成的，這其中涉及到問題的分拆，邏輯線的建立等一系列內(nèi)容。作為初學者，做到自己力所能及的程度就好。

總結一下，所謂洞察，就是要越過數(shù)據(jù)，去推測和理解真實情況。單純描述數(shù)據(jù)，誰都會做，根據(jù)數(shù)據(jù)得出有價值的結論，報告才有意義。

Step 7：報告撰寫

都到這一步了，相信各位對數(shù)據(jù)報告也不再陌生了。這一步中，需要保證的是數(shù)據(jù)報告內(nèi)容的完整性。

一個完整的數(shù)據(jù)報告，應至少包含以下六塊內(nèi)容：

1. 報告背景
2. 報告目的
3. 數(shù)據(jù)來源、數(shù)量等基本情況
4. 分頁圖表內(nèi)容及本頁結論
5. 各部分小結及最終總結
6. 下一步策略或?qū)厔莸念A測

其中，背景和目的決定了你的報告邏輯（解決什么問題）；數(shù)據(jù)基本情況告訴對方你用了什么樣的數(shù)據(jù)，可信度如何；分頁內(nèi)容需要按照一定的邏輯來構建，目標仍然是解決報告目的中的問題；小結及總結必不可少；下一步策略或?qū)厔莸念A測能為你的報告加分。

還覺得復雜么？我再換一種說法：

各位應該都寫過議論文，一份好的數(shù)據(jù)分析報告其實就是一篇好的議論文，立論（背景）——破題（目的）——列舉論據(jù)（圖表+結論）——論證論點（小結及總結）——結題（策略或預測）。按照這個邏輯去組織你的報告，你的論點就很容易被人接受，自然能得高分嘍。

Q&A

Q1：我按照數(shù)據(jù)收集的方法去找了，但還是找不到數(shù)據(jù)怎么辦？

A1：確定你是否認真找了，如果確實沒有，那么換個領域。

Q2：不知道怎么做數(shù)據(jù)清洗？

A2：把收集來的數(shù)據(jù)先看一遍（如果太多就抽樣），肉眼識別一些臟數(shù)據(jù)， 記錄下來，然后從中抽取清洗規(guī)則，清洗一遍，再繼續(xù)看，直到認為足夠干凈了為止。這一步不做的話，主要影響結論的正確性。