有洞見數據分析報告怎麼寫

① 數據分析報告怎樣寫

數據分析報告的寫法：明確分析目的、拆解橡皮指標發現問題、給出結論、結合業務，給出建議和方案、撰寫分析報告。

一、明確分析目的

分析報告架構要清晰，參考經典的金字塔結構，結論先行，先重要後次要。以上統下的順序也符合數據分析過喊沖程中拆解指標的順序，更容易幫助讀者理解你的分析思路。

② 如何撰寫一份優秀的數據分析報告

相信數據分析報告對各位一定都不陌生，數據分析用來發現並解決問題，最終都需要以「分析報告」的方式呈現出來。把過程展示出來，把結果最終呈現給大家，只有大家都認同，決策才會得到順利的執行。
一份優質的數據分析報告，一般有以下四個方面來考察：
1.易讀性：優質的報告要有易讀性，條理清晰，簡單明了，通俗易懂。
2.邏輯性：報告中要具有邏輯性，問題分析和解決的邏輯。輯性強的分析報告也容易說服他人。
3.嚴謹：在細節處理方面一定要仔細，名詞術語一定要前後統一。
4.突出重點：結合企業內部環境、區分重點，抓住痛點。
說完了數據分析報告的要求，接下來老司機教大家撰寫你的數據分析報告
1.確定報告框架
先確定分析報告的框架，這個框架跟蓋房子一樣，只有清晰的好規劃整個報告的主題，結構才能讓閱讀者一目瞭然，架構清晰。同時要找准論點，論據，這樣在進行數據分析以及報告撰寫時，才能更好的把控全局。
整份報告的框架結構主要由：標題頁、目錄頁、分析背景和項目說明、分析思路頁、結論建議頁、分析主體頁、附錄頁構成。
2.數據源的獲取
數據源是數據分析的基礎，很多分析報告在進行數據的挖掘收集時，缺乏科學依據性，邏輯性差，保證正確全面的數據源很重要。
數據源分為兩種：
第一手數據：主要指可直接獲取的數據。
第二手數據：指經過加工整理後得到的數據。
3.數據處理
處理的目的：從大量的、雜亂無章、難以理解的數據中抽取並推導出對解決問題有價值、有意義的數據，這個時候就要用到excel了。首先要對數據進行一次大清洗！將多餘重復的數據篩選清除，將缺失數據補充完整，將錯誤數據糾正或刪除。
4.數據分析
①結論明確精簡：
結論要基於數據說話，嚴謹、專業。每個分析都有結論，而且結論—定要明確，分析結論不要太多要精，—個分析對應—個最重要的結論就好了，分析就是發現問題，只要發現重大的問題就達到目的了，精簡的結論也容易讓閱者接受，減少重要閱者的閱讀心理門檻。
②嚴謹的推導過程：
分析結論—定要基於嚴謹的數據分析推理過程，切忌有猜測性的結論，主觀的東西會沒有說服力。
③有實際應用性：
報告要客觀公正，發現問題並提出解決方案。你既然在了解產品並在了解的基礎上做了深入的分析，你可能比別人都更清楚地發現了問題及問題產生的原因，那麼在這個基礎之上基於你的知識和了解，做出的建議和結論想必也會更有意義。
④不要迴避「不良結論」：
發現問題是數據分析師的價值所在，發現產品問題，在產品缺陷和問題造成重大失誤前解決它就是你分析的價值所在了。
5.可視化展示
分析要用數據說話，選用生動的圖表等來展示報告的分析結果， 在形象直觀的同時能更好的展示結論。
優質的數據分析報告就是這么煉成的，是不是SO EASY！快給自己的分析報告評個分吧！

③ 一份完整的數據分析報告

一份完整的數據分析報告

一份完整的數據分析報告。現代社會屬於大數據時代，而數據分析報告是非常重要的，一份完整的數據分析報告並不好寫。接下來就由我帶大家詳細的了解下一份完整的數據分析報告的相關內容。

一份完整的數據分析報告1

報告是項目的結果展示，是數據分析結果的有效承載形式。一份思路清晰，言簡意賅地數據分析報告能直戳問題痛點，提高溝通效率，獲得領導賞識。

對於數據分析報告，首先要有一個概念性的認識，按照報告陳述的思路，可分為四類：

這四類報告由淺入深，分析難度遞增，對企業決策的支持程度也遞增，尤其是當企業面臨某個決策難題時，分析工作要做得足夠系統和深刻。

這四類報告我們可以做個比喻。

描述類報告類似記敘文，像個掃描儀一樣描繪市場輪廓，不求最深但求最全。

因果類報告類似議論文，像打水井，集中一點，一直探到底。

預測類報告類似科幻小說，像個預言家，根據市場的過去推斷市場的未來。

咨詢類報告類似推理小說，像小馬過河，投石問路，根據分析結論指導企業一路前行。

報告結構

撰寫報告前先理清楚三個問題：

寫什麼內容？用什麼結構？如何論述？

寫什麼內容由決策難題決定，是投資？戰略？營銷還是其他，相應的報告也就有了相應的內容。

好的報告要求重點突出、主次分明、層次清晰。報告要依附內容的分析以及領導或其他人的閱讀習慣，但最重要的是遵循一定的結構化思維。

報告的常見構成

舉個例子，比如我用PPT展示一個網民調查的報告

1、標題頁： 標題頁用於寫報告題目，為了方便歸檔，日夜也應當註明，還有報告撰寫者和其單位所在部門。

2、目錄頁： 目錄頁將報告的各模塊呈現給讀者，方便閱讀和了解報告結構。

3、分析背景和項目說明： 用於闡述項目需求、分析目的、市場情況、以讓讀者了解項目的前因後果。項目說明用於註明假設、數據來源等。

4、分析思路頁： 這是整個報告的靈魂，便於理解報告的邏輯思路。

5、結論建議頁： 結論建議頁放在主題前，主要是為了給高層看時，結論建議可大幅度節省時間，簡明扼要。

6、分析主體頁面： 這里就要搬上你的各種數據表，數據分析圖。與表之間，圖與圖之間的聯系如何闡述，反映出的問題如何表達，這些都是在做數據分析圖表就要弄明白的。很多細心的領導及專門會針對你的數據分析以及結論來提問，因為現狀和未來是他們最關心的。所以你的數據展示一定要體現你的分析思路。

我曾經就被懟過一次，原因是數據分析結果展示於思路脫節，導致領導一直個為什麼，那個怎麼來，這個數據缺乏依據等等。因為當初的分析報告只是在展示數據，分析不透徹，表之間切換太過生硬，至今記憶猶新。後來，在做數據分析時，我製作一個表，或者一個圖，每個表或者圖都對不同維度做了深入的數據分析表，領導一問為什麼，我就點擊進去展示給他看明細，這用的就是FineBI的聯動鑽取和螺旋式分析功能，在展示時也能實時分析(以往的文章有提過)。

7、附錄頁：附錄頁目的是透明分析過程，常防止受訪者的基本資料。

報告的論述

一份好的報告，光有好的結構還不夠，還要有好的論述，關於論述，有幾個注意事項。

1、數據可靠，界定嚴謹

報告的數據來源一定要可靠。寫一份報告，獲取和整理數據往往會占據 6成以上的時間。要規劃數據協調相關部門組織數據採集、搭建體系平台、導出處理數據，最後才是寫報告，為了結論准確有效，你要保證數據的可靠性，否則一切都可能會變成誤導決策的努力。

界定是指報告中要對數據的來源、計算、概念做說明。不同的界定，有不同的結論。比如什麼是高端微波爐，不同的界定，得到的數據肯定是不同的。

2、概念一致，標准統一

一些名詞的解釋和定義，前後要一致，不要讓人不知所雲。

3、直觀呈報，通俗易懂

我們寫得報告還是金亮圖標話，用生動的圖表代替數字和文字的大量對切往往更形象直觀地理解你的.分析和結論。

一份完整的數據分析報告2

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范、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，就應向咨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。咨詢和投資機構做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

這里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，為什麼這么定義

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，為什麼這么定義。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匯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。

這里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匯報，這樣無論是對上匯報還是對團隊而言，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。

一份完美的數據分析報告讓你高人一籌

企業需要發展就需要得到更多信息，這些信息需要有專業能力的人才提供給企業，而這就是數據分析師，數據分析師要通過專業的手段獲取信息，對信息做整合，分析信息，最終形成數據分析統計報告。

在數據分析師的全部工作流程中，數據分析統計報告作為工作的成果是對企業、以及項目的最終發展方向及目標的決策起到至關重要的依據。

在編寫一份完整的數據分析報告前，這些數據報告給誰看，首先你要知道你的這份報告要突出那些點，在做一個數據分析之前領導所關心的哪些點，圍繞著這些中心點，簡單明了的進行編寫數據報告。

數據報告不需要大批量的文字闡述，本身數據分析是圍繞數據為核開展相應的工作，數據報告要突出的也是最終的統計結果，以數字的方式進行簡單明了的闡述對比，報告中加入一些畫像模型，柱線圖、餅狀圖來表示佔有份額等等最為突出，讓閱覽者可以很好的理解，很容易在你的這份報告中找到自己企業在市場的份額，這是作為一個優秀的數據分析師的基本功。

先展示自己在行業內的情況後還要分析當前整個市場的數據變化走勢，通過對自身行業市場的大數據統計，找到市場發展新的切入點、客戶們所關心的新問題、潛在客戶的特徵最終形成走勢圖為企業提供發展方向。

哪些點是我們不足的地方，哪些是我們需要開展的新業務等等，這些都會從行業數據大趨勢發展中體現出來，從而為企業未來的發展決策提供參考依據，為企業領導提供新的信息點，幫助企業思考、創新、完善做出一份滿意的答卷。

④ 實驗數據分析報告怎麼寫

1、確定報告框架

先確定分析報告的主體架構，只有清晰的架構，才能規劃好整個報告的主題，結構才能讓閱讀者一目瞭然。同時要找准論點、論據，這樣能夠體現出強大的邏輯性。

2、數據源的獲取

數據源是數據分析的基礎，很多分析報告在進行數據的挖掘收集時，缺乏科學依據性，邏輯性差，保證正確全面的數據源很重要。

3、數據處理

數據處理的目的：從大量的、雜亂無章的數據中抽取出對解決問題有價值、有意義的數據。將多餘重復的數據篩選清除，將缺失數據補充完整，將錯誤數據糾正或刪除。

4、數據分析

結論明確精簡：結論要根據數據說話，力求結論做到嚴謹、專業。每個分析都有結論，而且結論—定要明確，分析結論不要太多要精，—個分析對應—個最重要的結論就好了，分析就是發現問題，只要發現重大的問題就達到目的了。

嚴謹的推導過程：分析結論—定要基於嚴謹的數據分析推理過程，不能有猜測性的結論，這是因為主觀的東西會沒有說服力。

有實際應用性：數據分析報告要客觀公正，發現問題並提出解決方案。既然在了解產品並在了解的基礎上做了深入的分析，才可能比別人都更清楚地發現了問題以及問題產生的原因，那麼在這個基礎之上根據自己的知識，做出的建議和結論，就能夠讓整個過程都十分的有意義。

5、可視化展示

分析數據的時候盡量要用數據說話，選用生動的圖表等來展示報告的分析結果，才能夠更加直觀的展示結論。從而能得到一個更有說服力的結論。

⑤ 如何寫數據分析報告

相信很多數據分析師在寫數據分析報告的時候也會遇到一些困惑，因為我最近也在寫一個報告，在這里就梳理一下如何寫數據分析報告

數據分析報告是數據分析師常見的工具，寫好一份數據分析報告，不但能夠清楚描述問題，洞察數據並且提出一些有思考的舉措，也很能反映出一個數據分析師的思維和用數據講故事的能力，網上雖然也有很多關於寫好數據分析報告的文章，但是大部分都是偏重於理論，具體實踐的很少，我就在這里做一個匯總，希望能幫助一些朋友，以期拋磚引玉

--------分割線--------正式開始--------

一份好的數據分析報告離不開兩部分：數據部分和分析部分。巧婦難為無米之炊，數據之於數據分析師就好像食材之於巧婦，數據的重要性可見一斑，分析部分是數據分析師將數據做成報告的最重要一步，是最體現一個數據分析師功底的部分，也是拉開差距的部分，下面就針對兩部分分別進行闡述

一. 數據部分

數據部分最重要的就是數據質量，數據質量的好壞直接決定一份數據分析報告的好壞，如果報告中某一個數據被質疑，會直接影響這份數據分析報告的可信度，本章說一說跟數據有關的一些內容

1.數據的質量

1.1數據類型

數據類型比較好理解，就是數據以什麼樣的類型存儲的，不同的數據類型有不同的使用方法，因此在處理數據之前，必須要先了解數據類型，常見的數據類型有（這里只說一些常見的數據類型）：

整數型

int ：用於存儲整數，存儲從-2的31次方到2的31次方之間的所有正負整數，每個INT類型的數據按4 個位元組存儲

bigint ：用於存儲大整數，存儲從-2的63次方到2的63次方之間的所有正負整數，每個BIGINT 類型的數據佔用8個位元組的存儲空間

smallint ：用於存儲小整數，存儲從-2的15次方到2的15次方之間的所有正負整數。每個SMALLINT 類型的數據佔用2 個位元組的存儲空間

浮點型

real ：存儲的數據可精確到第7 位小數，其范圍為從-3.40E -38 到3.40E +38。 每個REAL類型的數據佔用4 個位元組的存儲空間

float ：存儲的數據可精確到第15  位小數，其范圍為從-1.79E -308 到1.79E +308。 每個FLOAT 類型的數據佔用8 個位元組的存儲空間。  FLOAT數據類型可寫為FLOAT[ n ]的形式。n 指定FLOAT 數據的精度。n 為1到15 之間的整數值。當n 取1 到7  時，實際上是定義了一個REAL 類型的數據，系統用4 個位元組存儲它；當n 取8 到15 時，系統認為其是FLOAT 類型，用8 個位元組存儲它

字元型

char ： 數據類型的定義形式為CHAR[ （n） ]，n 表示所有字元所佔的存儲空間，n  的取值為1 到8000， 即可容納8000 個ANSI 字元。若不指定n 值，則系統默認值為1。  若輸入數據的字元數小於n，則系統自動在其後添加空格來填滿設定好的空間。若輸入的數據過長，將會截掉其超出部分

nchar ： 它與CHAR 類型相似。不同的是NCHAR數據類型n 的取值為1 到4000。 因為NCHAR 類型採用UNICODE  標准字元集（CharacterSet）。 UNICODE 標准規定每個字元佔用兩個位元組的存儲空間，所以它比非UNICODE  標準的數據類型多佔用一倍的存儲空間。使用UNICODE  標準的好處是因其使用兩個位元組做存儲單位，其一個存儲單位的容納量就大大增加了，可以將全世界的語言文字都囊括在內，在一個數據列中就可以同時出現中文、英文、法文、德文等，而不會出現編碼沖突

varchar ：VARCHAR數據類型的定義形式為VARCHAR  [ （n） ]。 它與CHAR 類型相似，n 的取值也為1 到8000，  若輸入的數據過長，將會截掉其超出部分。不同的是，VARCHAR數據類型具有變動長度的特性，因為VARCHAR數據類型的存儲長度為實際數值長度，若輸入數據的字元數小於n  ，則系統不會在其後添加空格來填滿設定好的空間。一般情況下，由於CHAR 數據類型長度固定，因此它比VARCHAR 類型的處理速度快

時間和日期型

date ：『2018-01-17』

time ：『10:14:00』

timestamp ：『2018-01-17 10:14:00.45』

以上就是常用的數據類型，如果有其他的數據類型沒有說到，可以去網上搜一下，都比較好理解

1.2噪音數據

因為網上有非常多的關於噪音數據的解釋，都非常專業，我就不在這里做過多的詳細解釋了，我們只探討從sql取出數據的時候有一些異常值的處理辦法：

null

一般跑過sql的朋友肯定會發現，在跑出來的數據中會有null的情況，這個時候需要對null進行替換，如果是計算用，就把null替換成0，這個步驟可以在sql裡面完成，也可以在excel裡面完成

極大值

極大值會影響數據的計算結果，一般會進行處理，要麼替換成除極大值以外的最大值，要麼直接棄用

作為分母的0

如果0作為分母，在excel里會出現#DIV/0,這個時候可以直接把結果替換，或者在sql裡面直接進行替換，用case……when……就可以替換

1.3數據的口徑

數據的口徑很重要，根據經驗看，大部分的數據出現問題是口徑造成的，數據的口徑一定要跟業務的口徑一致，拿留存率舉例：

留存率是周期比率型指標，一般在計算留存率的時候需要確定 留存周期 和 活躍判定的口徑

留存周期：留存周期通俗來講就是指用戶在多長時間范圍內活躍，並在下一個周期內仍然活躍，這里的多長時間就是指留存周期

活躍判定：指怎麼判定一個用戶活躍，可以是啟動App，可以是登陸，也可以是完成了一次其他特定行為，這個主要依照業務需求而定

實際計算：

周留存率的計算

分子：本周活躍 且 上周也活躍的用戶數

分母：上周活躍的用戶數

2.可能會用到的工具

在處理數據的過程中可以用很多工具，在這里就介紹一些比較常見的工具，大家耳熟能詳，學起來也不是特變難

2.1提取數據

mysql

hivesql

兩者的查詢語句有相似的地方也有不同的地方，主要看自己所在公司的數據存儲情況

2.2數據處理

python：一般寫個腳本做一些機械的操作（我目前是這么用），也可以用來做計算

mysql：在查詢的時候可以進行處理

excel：數據量比較小的時候，可以在excel上簡單處理

2.3數據可視化

python：可以用來做一些詞雲圖

Tableau：可視化一些圖表，可以和sql結合著用

excel：做一些簡單的圖表，實際上數據處理的好的話，一般用excel就足夠了

二. 分析部分

在處理了數據以後就要開始進行報告的撰寫，寫報告會涉及到幾個部分的工作，這里分別進行介紹一下：

1.報告結構

一篇數據分析報告的結構是十分重要的，一個好的結構能夠將他人帶入到你的報告中，讓他人更好的明白你的意圖，減少信息傳遞之間的丟失，同時你的思維也主要展現在結構上，這就意味著在寫數據分析報告前，一定好想清楚數據分析報告的結構，當然這里說的報告結構即包括整個報告的結構，也包括每一個章節的結構，這里就放到一起說了

1.1 總 - 分 - 總（多用在整體結構）

我們在讀一本書的時候，打開目錄，會發現整部書的結構一般包括：

前言

第一篇

第二篇

……

第n篇

結尾

這就是典型的總 - 分 - 總結構，是最常見的結構，如果是對一個專題進行分析，用這種形式是非常好的，舉個例子：

某電商App近一個月內的銷售額出現下滑，讓你針對這個問題進行一次專題分析

分析思路：拿到這個問題，我們很容易想到的是，銷售額出現下滑出現的原因有兩個，一個是付費用戶數減少了，另一個是付費用戶的人均付費金額減少了，這兩個原因屬於並列的原因，不存在遞進關系，也就是說付費用戶數減少了與人均付費金額減少並不存在因果關系，沒有什麼相關性，因此需要對兩個原因共同分析，最後輸出結論和提升建議，分析完以後，會發現總

- 分 - 總結構很適合這樣的分析，所以列出以下提綱

問題描述

銷售額近一個月下降多少？絕對值，環比，同比數據

原因假設：付費用戶數下降/人均付費金額下降

付費用戶數下降分析

付費用戶數降幅是多少？絕對值，環比，同比數據

定位下降人群：是整體下降還是某一群體用戶數下降

這里就涉及到用戶分群，用戶分群的方法有很多，涉及到用戶價值的分群常見的就是RFM模型，將分完群的用戶進行數據對比，看看上個月付費用戶的結構佔比跟本月有什麼不同，當然用戶分群的方法也不止這一個，還有按照會員等級分群（主要用會員等級進行用戶分群），按照活躍程度（新用戶/留存用戶/迴流用戶），按照消費習慣（一般用戶表裡面都會有用戶的標簽，標識這個用戶的消費習慣，表示這個用戶更喜歡購買哪一類的商品），不管用什麼分群方法，都需要縱向對比，也就是這個月和上個月付費人群的對比

原因分析：

如果是付費用戶整體下降（這種是大家都不想看到的現象，欣慰大盤數據的驅動需要投入大量的資源，也有可能是自然波動），考慮可能的原因主要有：用戶整體流失，比如用戶流失到竟對；或者本月有什麼特殊情況，影響到了整體的用戶活躍；或者是從活動維度去觀察，是不是活動的力度減小，影響了用戶付費的慾望

如果是某一個用戶群體下降：考慮的原因可能有商品品類的影響，是不是某一類商品在平台沒有上架，或者某一類商品漲價；或者這一類用戶受到了哪些影響，一般可以從屬性和行為角度去分析

提出策略：

針對分析出的原因提出可落地的策略（策略一定要落地，要具體，比如如果你提出一條策略是：提升新注冊用戶數，那麼等於沒說，老闆多數會diss你，但是你如果說，通過減少注冊時填寫的非必要欄位，如年齡/職業，來簡化注冊流程，挺升注冊轉化率，進而提升新注冊用戶數，那感覺是不一樣的）

人均付費金額下降分析

人均付費金額的降幅是多少？絕對值，環比，同比數據

定位原因

人均付費金額下降可能的原因主要有：訂單數量下降；每個訂單包含的商品數的下降/某一個品類購買數下降

提出策略：針對分析出的原因提出可落地的策略

總結問題

明確造成銷售額下降的原因到底是什麼（定性以後，記得一定要量化，不量化會被diss）

提出有針對性的建議

如何預防再次發生

1.2 遞進（可用於整體結構和章節內部結構）

這種結構適合對一個問題進行探索，就像上一個例子中，我們針對每一個可能原因進行分析的時候，就是採用的這種分析方法，這種分析結構特別適合對一個小問題進行深入的探索分析，層層遞進，深挖原因，這里在舉一個例子：

某一個App的新注冊用戶數環比上個月減少，需要你做一個深入的分析，找到原因，提供改進策略

分析思路：新注冊用戶數的的影響因素是一個典型的漏斗結構，也是一個典型的單向性用戶旅程，畫一張圖就能說明白：

如圖所示，影響注冊用戶數的原因全部標注在漏斗裡面，但是注冊全流程這個漏斗只能看個大概流失，所以我們會對某一步進行細化，這張圖上，我們對用戶從啟動到注冊成功進行細化，細化到用戶行為，這樣能夠提出一些產品上的改進意見，這個時候，如果想要提升新注冊用戶數，只需要針對每一步流失原因進行分析，找到提升策略就可以了，基本上是所見即所得的分析

比如：我們想對提交注冊信息到注冊成功這一步進行優化，那麼首先我們要找到用戶注冊失敗的原因有什麼，一般有：

用戶已注冊

密碼格式不合規

系統錯誤

未勾選《隱私協議》

在提出建議的時候，只要針對以上原因提出具體改進意見就可以了

1.3並列結構（多用於整體結構）

這種結構一般遇到的情況不多，常見的有對不同的校區進行經營分析/對不同品類的商品進行售賣分析，基本都是以描述型分析為主，因為分析的主體是並列關系，所以只需要每個主體就行單獨分析就好，基本採用的分析思路是一樣的

1.4因果結構（多用於章節內部結構）

這種結構一般用在復盤分析報告中，復盤是常見的數據分析報告類型之一，也是很多公司比較重視的一個報告，比如雙十一復盤/新手活動復盤等等， 以電商某一次大促復盤為例 ，這里直接寫結構：

總體描述：

本次大促整體數據表現，整體活動節奏的介紹；銷售額是多少，同比提升多少；利潤情況；參與用戶有多少，同比提升多少；賣出商品有多少，同比提升多少；各個子活動的貢獻是多少

子活動1的效果分析

子活動1的簡介，作用，發力點

子活動1的貢獻是什麼，對於直接提升結果指標或者間接提升指標有哪些貢獻

子活動1的成本是什麼？投入產出比是多少？

子活動2的效果分析

子活動x的效果分析

最後匯總，提出優化建議

2.分析方法

講完了整體結構，我們就該進入到具體分析的過程裡面，這里的分析方法，主要想說說怎麼去針對不同的數據進行分析，也就是說怎麼通過數據看出問題，這里介紹常用的5種分析方法，但是有一句話非常重要，想寫這節的最前面： 數據分析師一定要懂業務，在分析之前最好能把問題定位個大概，再去撈數，再去分析，否則每天會沉浸在漫無目的取數中，我認為一個數據分析師最重要的能力是要懂業務，從數據的角度看業務，才能驅動業務

2.1 對比分析

橫向對比

橫向對比就是把一個指標按照不同維度拆分，去對比不同維度的變化，舉個簡單的例子來說就是：

昨天的DAU增長了30%，那麼把DAU進行拆分，可以拆分成以下三種方式：

DAU=新注冊用戶數+留存用戶數+迴流用戶數

DAU=北京活躍用戶數+河北活躍用戶數+山東活躍用戶數+……

DAU=北京活躍用戶數+河北的活躍用戶數+……

                =北京的新增用戶數+北京的留存用戶數+北京的迴流用戶數+河北的新增用戶數+河北的留存用戶數+河北的迴流用戶數+……

這里留一個疑問，怎麼去選擇優先下鑽的維度？想明白以後分析的效率就會有很大提升

縱向對比

在進行完橫向對比以後，就要開始進行縱向對比，縱向對比主要是在時間維度上，還拿上一個例子來說，我們按照第一種方式進行橫向對比以後，就要縱向對比，見下表：

2.2分布分析

分布分析一般是應用的場景比如用累計消費金額去分組/按照用戶一個月活躍天數去分組，這些場景都有兩個共性的特徵：

屬性值都是數值類型，或者日期類型

屬性值非常多，比如累計消費金額可能從1-90000中間任意一個數字，也就是屬性值非常多，沒辦法用每一個屬性值去單獨分析，因此需要分組

還是上圖說明：

2.3交叉分析

交叉分析一般指多維度交叉，或者不同指標之間的交叉

多維度交叉其實有點類似對比分析的第三類分類方法，這里不在贅述了，還是那個圖，但是在實際分析中的作用其實很是強大，具體如何應用就需要大家舉一反三啦，仔細看看這張圖，可以換成哪些分析場景下的哪些場景的交叉分析：

不同指標交叉一般用在分析變化趨勢中，或者尋找相關因素的時候，上圖：

這樣既能看絕對值的變化，又能一目瞭然的看出變化趨勢，如果不同指標之間呈現一定的相關性，那就是相當完美了

2.4漏斗分析

漏斗分析模型比較好理解了，一般在行為分析中常用到，直接上圖吧：

是不是有點眼熟？漏斗分析一般分析應用在分析用戶使用某項業務時，經過一系列步驟轉化的效果，因為用戶會沿著產品設計的路徑到達最終目標事件，在分析每一步轉化的時候會用到這個模型

2.5矩陣分析

矩陣分析是一個不錯的分析模型，主要用在分類上面，常見的有用戶分類、產品分類等，比如像常見的RFM模型是一個三維矩陣，有八個象限，上兩個圖看看：

矩陣分析其實不難理解，但是涉及到一個比較關鍵的問題，就是臨界點怎麼選擇，通俗來說就是第一象限和第二象限的臨界值是多少，有的是0，有的不是0，舉個例子：

我想用活躍度和累計消費金額對1萬個用戶進行分群，使用矩陣分析

我建好了這個二維矩陣，我第一件事就是先要確定原點的坐標值，也就是說用戶的累計消費金額大於x，就會出現在第一/四象限，如果小於x，就會出現在第二/三象限，想確定這個值需要一定的方法，會用到一些分類演算法，這個可以去網上查一些關於分類的教程，有很多，後續我會寫一盤文章來介紹分類，這里就不細講了

以上就是數據分析最重要的兩個模塊，當然在實際操作中還有很多需要思考的地方，太細節的東西不太能夠面面俱到，這里留給大家去思考的空間，比如：

數據分析報告怎麼講成一個故事，比如背景-現狀-原因-策略-預期結果-復盤結果？

每一頁PPT怎麼排版會讓你的數據分析報告可讀性更高？

如果你的數據分析報告不採用上述的結構，還能用哪些結構？

怎麼讓你的數據分析報告顯得更高大上？

可以留言交流哦

⑥ 數據分析報告怎麼寫 數據分析報告寫法介紹

1、分析報告一般都要寫一段導語,以此來說明這次情況分析的目的、對象、范圍、經過情況、收獲、基本經驗等,這些方面應有側重點,不必面面俱到。或側重於情況分析的目的、時間、方法、對象、經過的說明,或側重於主觀情況,或側重於收獲、基本經驗,或對領導所關注和情況分析所要迫切解決的問題作重點說明。如果是幾個部門共同調查分析的。

2、還可在導語中寫上參加調查分析的單位、人員等。總之,導語應文字精練,概括性強。應晌凳碼按情況分析主旨來寫,扣住中心內容,使讀者對調查分析內容獲得總體認識,或提出領導所關注和調查分析所要迫切解決的問題,引人注目,喚起讀者重視。

3、主體是分析報告的主要部分,一般是寫調查分析的主要情況、做法、經驗或問題。如果內容多、篇幅長,最好把它分成若幹部分,各加上一個小標題。

4、結尾的寫法靈活多樣,一般有以下幾種：(1)自然結尾。如果主體部分已把觀點闡述清楚,作出了明確結論,就不必再硬加一條尾巴。(2)總結性結尾。為加深讀者的印象,深化主旨,概括前文,把調查分析後對事物的看法再一次強調,作出結論性的收尾。(3)啟示性結尾。在寫完主要事實和分析結論之後,如果還有些問題或情況需要指出,引起讀者的宴哪思考和探討,或為了展示事物發展的趨勢,指出努力方向,就可以寫一個富有啟示性的結尾。(4)預測性結語。有的報告在提出調查分析情況和問題之後,又寫出作者的預測,說明發展的趨向,指出可能引粗宴起的後果和影響。這是在更廣闊的視野上來深化主題。

⑦ 數據分析報告怎麼寫這5個步驟你必須知道

到年底，寫一份好的數據分析報告的重要性不言而喻（只要我寫的好，年終獎就少不了我）

大家都知道，數據分析報告的輸出是整個業務分析過程的成果，是評定一條業務線的參考依據，既然這么重要那當然要寫好它了。

接下來我就分享我寫數據分析報告的5個步驟，供大家學習參考。

一、明確分析目的

還是那句老話，在做任何事情之前，先想清楚做這件事的目的是什麼。 寫數據分析報告也是，如果一開始就沒有明確清楚目的，盲目開始分析，最後的結果很可能就是，分析了半天卻離目標越來越遠。所以搞明白研究這個事情的目的，是開始數據分析的第一步。

二、拆解指標發現問題

在明確清楚我們的分析目的後，就要針對我們的分析目標進行指標拆解，通過拆解指標去發現問題。這么說有點虛，舉個例子說明一下。

背景：某製造業公司到年底，需要進行銷售線的業務復盤，因此需要檢查各銷售線人員的年度目標完成進度，並給出建議。同時，通過統計發現，今年公司的毛利率有所下降，需要數據分析師通過數據去找到影響毛利率下降的原因。

拆解流程：

①明確分析目標 ②確定問題 ③拆解問題 ④拆解指標&拓展緯度布局

第一步：明確分析目標

通過背景我們可以清楚知道，我們有兩個目標需要去完成，這里我用導圖的形式羅列出來

第二步：確定問題

在明確分析目標後，就需要確定為了達成該目標，提出圍繞該目標需要解決的問題。可以使用思維腦圖，寫出在看到該目標後產生的問題。

第三步：拆解問題

在確定問題後，就需要找到能夠數值化衡量這些問題的指標，以及它們的計算方式。

第四步：拓展維度

計算方式確定，就可通過分析組成這些計算公式的指標來探究影響其的原因，比如銷售額=單價*數量，那麼就可從單價、數量來分析銷售額變動，以一個指標為定量，分析對比其他指標變化。

同時以計算公式結果為指標，拓展維度（比如地區、時間、品類等等）來探究不同維度下的指標差異。

三、 給出結論

同樣的我們給出的結論需要和分析目的緊密相連，比如：

目的是了解業務的現狀，那結論可以是：該業務有問題x關鍵指標，每個指標的數值是xxx，有什麼樣的異常；

目的是了解數據到什麼情況算好，那結論可以是：某指標可以以 xxx 作為判斷標准，原因是......；

目的是找出業務出現異常的原因，那結論可以是：經分析，有x各種原因，其中重點原因是...... ；

需要注意的是，如果是判斷業務的狀況，需要確定一個判斷標准：結論=數據+判斷標准

在對數據進行拆解分析的過程中，我們已經可以察覺到一些數據異常。但是這些 異常到底是好是壞，我們需要通過一個標准來確定。

比如說十月份銷量數據下滑，我們可以增加比對去年的數據。如果去年也下滑了，說明是正常的月度下滑。如果去年沒有下滑，那麼說明今年下滑是個不正常現象，需要復盤解決。

四、結合業務，給出建議和方案

如果數據不能驅動業務成長，那它毫無用處。

下了結論以後，再結合對業務的理解，就可以就分析結果提出建議，甚至給出方案：

建議是：能解決業務問題的行動方向，是若干個潛在可行的范疇。

方案是：制定一個具體行動計劃，方案要滿足 5w2h ，要有具體的執行人、完成時間等等要素。

五、撰寫分析報告

以上准備工作完成，如何撰寫一份分析報告增加它的可讀性呢？

架構清晰：參考經典的金字塔結構，結論先行，以上，先重要後次要。以上統下的順序也符合數據分析過程中拆解指標的順序，更容易幫助讀者理解你的分析思路；

報告圖表化：用圖表代替大量堆砌的數字會有助於人們更形象更直觀地看清楚問題和結論，更容易做到有理有據；

FineBI製作

規范化：整篇文檔的圖表風格統一、名詞統一；

⑧ 如何撰寫一份優秀的數據分析報告

1、分析框架=剝洋蔥+拆分

作為一個分析師，報告是重要的輸出，就好比我們是產品經理的話，那這份分析報告就是你的產品，所以無論是從廣度和深度來講，你都要體現出你的思維來，這樣廣深結合，才能贏得別人認可和信任。

2、每頁核心指標展示的邏輯——公式思維

當我們做好數據分析後，如何在一頁PPT展示自己的分析變的更加重要，許多分析師在這塊不知所措，有時候是用戶趨勢圖，有時候又是行業規模圖，其實背後的分析邏輯可能很清晰，但你所展示的方式和布局老讓別人覺得還是思路混亂。

一頁PPT要描述一個核心，而這個核心驗證的數據分析過程，最好的方式就是公式思維，這樣你呈現出來的指標才能和此頁的主題相呼相應，即使有人現場挑戰你，你也會對答如流。

3、指標對比的合理性——業務思維

常看到一些報告，無論什麼產品、什麼業務，都是幾大指標，注冊用戶數、活躍用戶數、首次購、重復購，復購率、客單價等等，可笑的不是指標本身，而是拿業務不同的2個指標來對比，說自己多優秀!

關於如何撰寫一份優秀的數據分析報告的內容，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

⑨ 如何寫好一份數據分析報告

很多人在開始製作PPT的時候，第一步都是先去網上找各種模版，找好模版好再按照模版內容開始套用數據。

但是，當你呈現你的報告時，讀者其實更關注的是報告內容的價值點、是否對我有用、以及報告結論的數據真實性。

那麼，一份好的分析報告里，應該具有哪些包含重要因素呢？

標題頁主要由題目、製作來源、時間等維度組成。標題頁需要寫明報告的題目，題目要精簡干練，根據版面要求在一兩行內完成。

1）背景分析

提供背景分析是為了讓讀者對整個分析研究的背景有所了解，加深報告印象，也是為了論證報告的權威性，背景分析主要闡述一些報告內容的定義、詮釋以及其他信息。

2）報告摘要/總結

一般報告型PPT內容較多，在報告前期，把重要內容進行一定的摘要或總結性話語標注，可以加強讀者的瀏覽慾望。

製作目錄的目的，快速幫助讀者找到所需內容，目錄一般會列出主要章節的名稱，有些還會加上對應的頁碼。

對於重要的目錄，還會寫上一句對應的分析總結性語言。

對於分析型報告，一般的結構是從分析現狀出發，以總結性/趨勢結尾。

轉場頁就是目錄下的子標題，子標題內容較多，可以選擇在子標題下加上層級或描述性總結。

正文是分析報告最核心部分，它能系統的全面闡述數據分析的過程和結果。正文頁的內容較為豐富，由一句話觀點、子觀點的內容解釋、觀點數據組成。

正文的觀點，是需要進過嚴謹的論證，才能確定觀點的合理性和真實性。掌握觀點的文案也尤為關鍵。

總結了以下關鍵詞，可以讓觀點變得更有說服力：

1）形容數據漲跌情況：

描述漲跌：上升/提升、增長、下降

加強動詞：顯著、劇烈、呈現、實現

描述名詞：環比、緩慢

如：顯著上升/下降、環比提升、劇烈下降...

2）形容市場情況： 飽和、滲透、擴張

如：市場飽和、進一步擴張

3）形容用戶需求情況： 偏好、熱愛、傾向、青睞、受歡迎、追求

如：90後偏好/傾向購買XXX，XX物品更受80後的歡迎/青睞...

4）加強動詞 ：劇烈、逐步、突破、領先、突出、迅速、持續

結論是以數據分析後的結果展示，以綜述性文字來進行說明。

例如，代表趨勢性的結論可以採用以XX化的關鍵詞進行進一步闡述，如常態化、精準化、系統化...

一份好的數據分析報告，是具有邏輯性的。寫報告之前，要關注報告的讀者是誰？讀者最關心的是什麼？用讀者思維出發，站在讀者的角度去撰寫分析報告，才能讓報告更有吸引力，使之願意閱讀。

————————————

備：以上圖片來源為艾瑞網、企鵝智庫、艾媒網、CBNData、極光大數據