一個數據分析報告的框架

本文作者將分享其比較喜歡的報告框架，可能針對不同的報告場景需要有所調整。enjoy~

一個項目到了匯總的時候，免不了形成一份相對完整的數據分析報告。

報告也需要多種情況。按照應用場合可以劃分多種類型：有的需要向上郵件彙報，有的需要給項目組裡一個交代，有的是需要直接進行展示彙報等。按照項目類型也可以劃分多種類型：新項目上線效果評估，AB test結果，日常數據匯總，活動數據分析等。

文本也好，PPT也罷，數據分析報告核心的思路都是相通的。

1. 你要一個故事

我自己有個想法，就是產品經理應該多學習相關領域的知識，比如學一些基礎的設計規範、交互原則、營銷知識，心理學知識，演算法知識等等。除了一些明顯的對工作的幫助，也能幫助自己擴展思路。其實做好報告，就應向諮詢機構或者投資機構學習。

一個報告核心不是包含很多內容，讓聽眾或者讀者去花時間理解，核心是講好一個簡單的故事。諮詢和投資機構做BP之前，會先花時間理清楚storyline。其實各種報告都應該這樣，先理清楚你要講的故事。

2. 一個數據分析報告的框架

這裡列出一個我個人比較喜歡的報告框架，可能針對不同的報告場景需要有所調整（比如刪除部分步驟，或者增加部分細節）：

• 項目背景：簡述項目相關背景，為什麼做，目的是什麼
• 項目進度：綜述項目的整體進程，以及目前的情況
• 名詞解釋：關鍵性指標定義是什麼，為什麼這麼定義
• 數據獲取方法：如何取樣，怎麼獲取到的數據，會有哪些問題
• 數據概覽：重要指標的趨勢，變化情況，重要拐點成因解釋
• 數據拆分：根據需要拆分不同的維度，作為細節補充
• 結論匯總：匯總之前數據分析的主要結論，作為概覽
• 後續改進：分析目前存在的問題，並給出解決改進防範
• 致謝
• 附件：詳細數據

項目背景 & 項目進度

項目背景，需要簡述項目相關背景，為什麼做，目的是什麼。項目進度，需要綜述項目的整體進程，以及目前的情況。這兩點其實沒什麼可說的，如果對象是項目成員，可以寫簡單一些，如果對象是對項目不了解的人，則需要多寫 一些，但還是要盡量用最簡單的話，跟別人講明白。

名詞解釋 & 數據獲取方法

名詞解釋：關鍵性指標定義是什麼，為什麼這麼定義。這點是很多人忽略的，其實很多時候數據的誤解都是因為對指標沒有統一的定義。舉例而言，點擊率可以是點擊次數/瀏覽次數，也可以是點擊人數/瀏覽人數。人數可能按訪問去重，也可能按天去重。如果沒有清晰的解釋，不同人理解不同，對整個數據的可讀性就大打折扣。

數據獲取方法：如何取樣，怎麼獲取到的數據，會有哪些問題。原始數據往往有一些缺憾，要經過數據清洗剔除雜訊，也需要部分假設進行數據補全。數據清洗和數據補全的方法需要跟彙報對象說明並且獲得認可，讓對方對於置信度有一個估計。

數據概覽 & 數據拆分

數據概覽，需要有重要指標的趨勢，變化情況，重要拐點成因解釋。

數據拆分，需要根據需要拆分不同的維度，作為細節補充。

這裡基本上就是之前說的數據分析方法了。如果需要對方知道對比或者趨勢，則使用圖，如果需要對方知道具體數據，則使用表。表格對需要強調的數字要做明顯標識。需要注意的點是：核心指標要少而關鍵，拆分指標要有意義且詳細。同時如果是PPT的話，每頁說明白一個結論或者解釋清楚一個趨勢足以。關鍵性結論要用一句話能說清楚。

結論匯總 & 後續改進

結論匯總，基本是對之前數據分析階段的數據進行匯總，形成完整的結論。

後續改進，需要在數據分析的結論和問題的基礎上，對後續的迭代和改進措施作出方向性的說明。這部分其實很多時候也是分析的根本目的。

致謝 & 附件

致謝是對項目組合相關協助部門的致謝，基本上對於項目組和相關協助部門而言，也希望自己的工作或者積極配合能看到有效的數據結果。在之後的合作中，也會更加融洽。

附件是需要附贈更多沒有必要在數據報告中體現但是仍然有價值的數據。對於PPT而言，這部分也可以放在PPT致謝之後，與會同事有疑問，可以隨時翻到最後解釋。

3. 總結

一個產品，如果你不能衡量它，你就不能了解它，自然而然，你就無法改進它。這是說數據。

而數據報告的意義也是類似，項目完成之後需要完整彙報，這樣無論是對上彙報還是對團隊而言，都是有重要意義。

突然想到一個事情。去年的時候做了一個內部數據平台，到了取名字的時候，我用了dice。為什麼叫dice呢？

這得從物理說起（開啟神棍模式）。物理學不斷前行，之前人們認為物理學是決定論的，只要知道系統的初始值和足夠細節，就能知道之後系統的演化路徑。後來發現不是這樣的，對於一個基本粒子而言，觀測之前，粒子狀態和位置是不可預測的。愛因斯坦說「上帝不會擲骰子」，然後後續的研究，更多的是支持上帝是擲骰子的。這也是dice的來源。

即使是上帝視角，也不可能知道提前知道數據的結果。那麼作為產品經理而言，尊重數據結果，並分析形成結論，遠比相信一些所謂的方法論的條條框框好得多。

關於數據，能講的還有很多，之後再開新坑。

書籍推薦：

• 王彥平 吳盛峰《網站分析實戰：如何以數據驅動決策，提升網站價值》
• Avinash Kaushik 《精通Web analytics 2.0：用戶中心科學與在線統計藝術》
• 阿利斯泰爾·克羅爾 / 本傑明·尤科維奇 《精益數據分析》

#專欄作家#

潘一鳴，人人都是產品經理專欄作家，THU/PM，知乎專欄：產品邏輯之美

本文原創發佈於人人都是產品經理。未經許可，禁止轉載。