如何撰寫你的第一份數(shù)據(jù)報(bào)告

你是一個在校學(xué)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(xué)習(xí)資料和在線課程，看完之后自信滿滿，準(zhǔn)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(bào)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(shí)間的白領(lǐng)，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(jì)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(shí)間補(bǔ)上了統(tǒng)計(jì)知識，學(xué)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(guān)系，覺得沒有相關(guān)經(jīng)驗(yàn)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(shí)間內(nèi)向招聘者展示，你能夠勝任數(shù)據(jù)分析這項(xiàng)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(shí)學(xué)習(xí)計(jì)劃”，在開始投簡歷前的最后一步，我建議用25個小時(shí)——占整個計(jì)劃的四分之一，來做一份數(shù)據(jù)報(bào)告，這個步驟至少能為你帶來三個好處：

• 檢驗(yàn)?zāi)愕膶W(xué)習(xí)成果——數(shù)據(jù)分析是一門實(shí)用學(xué)科，能靈活運(yùn)用學(xué)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(shí)間來發(fā)現(xiàn)自己的真實(shí)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(bào)告，能幫你的面試官省下很多判斷/評估/糾結(jié)的時(shí)間，給你更多的機(jī)會。

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

制作數(shù)據(jù)報(bào)告的流程

先放一張圖（不許抱怨配色丑！）

可以很清楚的看到，一個數(shù)據(jù)報(bào)告（副本）依據(jù)需求不同，有普通難度（藍(lán)->橙->綠->紅），也有英雄難度（藍(lán)->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(bào)告要經(jīng)歷7個步驟：

Step 1：目標(biāo)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(bào)告中，需要你自己來提出并確定目標(biāo)。

選擇目標(biāo)時(shí)，請注意以下幾點(diǎn)：

• 選擇一個你比較熟悉，或者比較感興趣的領(lǐng)域/行業(yè)；
• 選擇一個范圍比較小的細(xì)分領(lǐng)域/細(xì)分行業(yè)作為切入點(diǎn)；
• 確定這個領(lǐng)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(diǎn)評等）。

逐一分析上面三個注意點(diǎn)：

選擇熟悉/感興趣的領(lǐng)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(xì)分領(lǐng)域/行業(yè)作為切入點(diǎn)，是為了保證你的報(bào)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(bào)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(guān)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(biāo)，那么就向下個階段邁進(jìn)吧。

Step 2：數(shù)據(jù)獲取

目標(biāo)定下來了，接下來要去找相應(yīng)的數(shù)據(jù)。如果你制定目標(biāo)時(shí)完全遵循了第一步的三個注意點(diǎn)，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(jié)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(biāo)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(fù)制/下載，比如統(tǒng)計(jì)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(guān)鍵字，結(jié)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(jié)果，點(diǎn)進(jìn)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(jì)數(shù)據(jù)。

當(dāng)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(shí)用。其他類型的數(shù)據(jù)也有人做，但通常要收費(fèi)。

三是自行收集所需數(shù)據(jù)，比如用爬蟲工具爬取點(diǎn)評網(wǎng)站的商家評分、評價(jià)內(nèi)容等，或是直接自己人肉收集（手工復(fù)制下來），亦或是找一個免費(fèi)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(shí)現(xiàn)難度相對較大。

如果你是在職人員或是實(shí)習(xí)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(shí)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(bào)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(shí)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(fù)值等等。這項(xiàng)工作經(jīng)常會占到整個數(shù)據(jù)分析過程將近一半的時(shí)間。

如果在上一步中，你的數(shù)據(jù)是通過手工復(fù)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(jìn)行清洗，提取核心內(nèi)容，去掉網(wǎng)頁代碼、標(biāo)點(diǎn)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(yuǎn)是你必須要做的一項(xiàng)工作。

Step 4：數(shù)據(jù)整理

清洗過后，需要進(jìn)行數(shù)據(jù)整理，即將數(shù)據(jù)整理為能夠進(jìn)行下一步分析的格式，對于初學(xué)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(jì)算一些二級指標(biāo)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(bào)告，建議你不要計(jì)算太多復(fù)雜的二級指標(biāo)，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(diǎn)評，那么你進(jìn)行下一步統(tǒng)計(jì)之前，需要通過“關(guān)鍵詞-標(biāo)簽”方式，將句子轉(zhuǎn)化為標(biāo)簽，再對標(biāo)簽進(jìn)行統(tǒng)計(jì)。

Step 5：描述分析

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

數(shù)據(jù)描述：用來對數(shù)據(jù)進(jìn)行基本情況的刻畫，包括：數(shù)據(jù)總數(shù)、時(shí)間跨度、時(shí)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(chǔ)做數(shù)據(jù)報(bào)告，那么就不用考慮后一類數(shù)據(jù)了。

指標(biāo)統(tǒng)計(jì)：用來作報(bào)告，分析實(shí)際情況的數(shù)據(jù)指標(biāo)，可粗略分為四大類：變化、分布、對比、預(yù)測；

• 變化：指標(biāo)隨時(shí)間的變動，表現(xiàn)為增幅（同比、環(huán)比等）；
• 分布：指標(biāo)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(diǎn)）、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(tuán)隊(duì)對比（團(tuán)隊(duì)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(yù)測：根據(jù)現(xiàn)有情況，估計(jì)下個分析時(shí)段的指標(biāo)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(yīng)該怎么去分析？應(yīng)屆生還不懂怎么結(jié)合企業(yè)業(yè)務(wù)做系統(tǒng)的分析，求指點(diǎn) - 陳丹奕的回答，希望進(jìn)一步了解的話，可以進(jìn)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(jié)論

這一步是數(shù)據(jù)報(bào)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(shí)際同比上升20%，2月實(shí)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(jìn)行比較。如果不考慮這一因素，那么后續(xù)得出的所有結(jié)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(biāo)。

再舉個栗子：

這張圖是一個用戶行為聚類的結(jié)果，人群被聚成四類。前三類人群可以很清楚的得出結(jié)論：他們是某一種游戲主機(jī)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(jī)的狂熱愛好者，他們交易頻率遠(yuǎn)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(jī)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(yàn)，能迅速看穿數(shù)據(jù)背后的真實(shí)情況，得出正確的洞察結(jié)論，這也是為什么我在step 1里一再強(qiáng)調(diào)要找你熟悉或感興趣的領(lǐng)域/行業(yè)，缺乏業(yè)務(wù)經(jīng)驗(yàn)，很可能你的洞察結(jié)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(fù)雜的數(shù)據(jù)報(bào)告，也是由一個個相對簡單的洞察結(jié)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(xué)者，做到自己力所能及的程度就好。

總結(jié)一下，所謂洞察，就是要越過數(shù)據(jù)，去推測和理解真實(shí)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(jià)值的結(jié)論，報(bào)告才有意義。

Step 7：報(bào)告撰寫

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

一個完整的數(shù)據(jù)報(bào)告，應(yīng)至少包含以下六塊內(nèi)容：

1. 報(bào)告背景
2. 報(bào)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(jié)論
5. 各部分小結(jié)及最終總結(jié)
6. 下一步策略或?qū)厔莸念A(yù)測

其中，背景和目的決定了你的報(bào)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(gòu)建，目標(biāo)仍然是解決報(bào)告目的中的問題；小結(jié)及總結(jié)必不可少；下一步策略或?qū)厔莸念A(yù)測能為你的報(bào)告加分。

還覺得復(fù)雜么？我再換一種說法：

各位應(yīng)該都寫過議論文，一份好的數(shù)據(jù)分析報(bào)告其實(shí)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(jié)論）——論證論點(diǎn)（小結(jié)及總結(jié)）——結(jié)題（策略或預(yù)測）。按照這個邏輯去組織你的報(bào)告，你的論點(diǎn)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(rèn)真找了，如果確實(shí)沒有，那么換個領(lǐng)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(rèn)為足夠干凈了為止。這一步不做的話，主要影響結(jié)論的正確性。