如何做出一份优秀的运营数据报告？

前言

在我们实习的时候， Leader 经常会叫我们做一些运营数据报告，并向他们汇报说明。

做过这么多数据报告，踩过这么多坑，也算是有一些心得，今天跟大家分享一下。

优秀&失败的数据报告区别

数据报告的分类

数据报告可以分为两种。

一种是追踪型的数据报告。比如部门每天的运营日报。它是对日常业务数据高频率的展现，关键在于发现问题，而不是解决问题。它一般用于回答 “怎么了”。这类报告往往是规律性地长期进行的。

另一种则是解决问题的数据报告。比如优化流程的数据报告。这类报告往往是不定期的，出于某种需求进行的，而且很有可能是由浅入深的系列报告。

形成数据报告的 6 个步骤

明确目标

首先问清楚自己或者上级，你做报告的目标是为什么，进而选择做哪一种数据报告。

数据收集

通过各种收集方法获取你需要做报告的数据，一般可以通过市场调查，爬虫数据，平台数据来获取。

数据清理

改善收集到数据的质量，将原始数据中缺失、错误、重复的部分进行修正，注意不要随意删除数据，而是尽量做修正。

数据分析

通过算法和语言工具（Excel，R，SAS 等）进行分析，提炼出有用的信息。

数据报告

通过分析得到的数据可视化，形成一份受众看得懂的报告。

优化和反馈

通过数据报告，得到一些优化建议或及时反馈。

优秀数据报告的五大原则

原则一：5秒规则——KPI 开门见山

优秀的数据报告，应该在5秒之内，甚至一眼之间，就让人得到相关的信息。

在追踪型的数据报告中， KPI （关键绩效指标）一定是在报告的最前面体现出来的。

因为观者的关注兴趣取决于 5 秒钟的时间， 如果你不能在 5 秒之内把观者最关心的信息展现出来，就无法在剩余的时间里让观者专注地听你讲下去。

追踪型数据报告中开头 KPI 的展示（excel 可制作）

而对于研究型的数据报告，KPI 并不仅是结论，还要包括有助于看懂结论的必要信息。例如报告的背景、目的、方法等。

这类报告的开头可以参考论文的 “摘要” 部分的写法。

原则二 ：逻辑结构——倒金字塔结构

把你的结论或最重要的发现、最值得考量的指标放在最前面；中间是可以支持、说明观点的图表；最后是一些更高粒度的细节。这样的结构，能让观者更好的把握重点。

原则三 ：图形表达——数据可视化

这个需要重点理解，花点时间介绍一下。

什么是「数据可视化」？

数据可视化（data visualization），简单来说就是通过图形来展示数据中的有用信息，让看报告的人更直观地获取信息。

数据可视化是数据分析中非常重要的一个组成，它能够帮助看报告的人对数据有更全面更直观的认识。

可以用一个经典的例子去理解。1973 年统计学家 F.J.Anscombe 在他的一篇论文中分析散点图和线性回归的关系里面提到了图像表示对数据分析的重要性。他用了下面这个例子：

对上面 4 组不同的数据 I ，II，III，IV 进行简单的数据分析，用常用的统计方法，发现四组数据的特点都一样：

Means ( 平均值）：x=9 y=7.5

Variance （方差）：x=11 y=4.122

Correlation( 相关度） x-y : 0.816

Linear regression ( 线性回归方程）：y=3.0+0.5x

单从这些数字上看来，四组数据所反映出的实际情况非常相近，而事实上，如果我们用数据可视化去分析，会发现这四组数据有着天壤之别。

数据可视化后的结果

再举个生活例子，如果你对咖啡不了解，分不清拿铁，摩卡，美式等等咖啡种类。

就算我给你讲半天，你也很难记住，对不？

不如直接让你看下图，你就可以很好地理解不同咖啡种类之间的区别。

数据可视化的目的就是要提高信息传达的效率，更好地传达和分享信息。

数据可视化就是这个道理，针对复杂的数据，通过图形简单清晰地向受众呈现出来，这种用图形化对数据进行描述设计的过程，我们就叫做数据可视化。

原则四 ：为数据选择合适的图表类型

在选择之前，先问自己想要用数据表达什么？

1. 如果是关联：可选择气泡/散点图，用来表示两个、或更多变量之间的联系。

2. 如果是比较：可选择条形图，按照强调的方式可以排列任何顺序，适用于高亮 Top3 或 Top5 数据。

3. 如果是构成：可以选择饼图，展示每一部分所占全部的百分比。

4. 如果是分布：可以选择柱图，展示有多少项目（频率）会落入一个具有一定特征的数据段中，也可以用来表示含有较少数据值的趋势变化关系。

如何选择图表类型？

原则五 ：简洁明了——少即是多

根据认知心理学的发现，人脑一次只能理解 7 ± 2 个信息，所以一份数据报告中的承载信息，最好也在 5～9 个图表之间。超过这个数目，可能会造成信息干扰。

如果报告较为复杂，5-9个图表说不明白怎么办？在数据观中可以借助「数据多层钻取」功能。数据多层钻取可以帮助你一层一层查看更细维度的下层数据。

示例为BDP个人版「数据多层钻取」

以上便是一份优秀的数据报告里应该具备的五大原则。

有模板可以提供一下吗？

抱歉，没有。

模板这种东西，一百个人可以写出一百种数据报告。归根到底还是要根据实际情况来定，所以这里就不提供具体模板了。

但是可以给出一些我以往工作小小总结出来的模板思路。（仅供参考）

对于追踪型数据报告，可以遵循倒金字塔结构。

核心指标先展示

分类指标 1，2，3展示（数据可视化+分析说明+每节小结）

全文总结

反馈与建议

附件源数据

对于解决问题的数据报告，可以参考论文形式。

摘要（一两句话简述报告背景+目的+方法+结论）

简述报告背景

简述报告目的

用了哪些方法（用数据，找论证）

得出什么结论 & 给我们什么启示

附件源数据

最后想说一下，真的是读万卷书不如行万里路。

我也是做过很多很烂的数据报告，被 Leader 批过很多次，才逐渐拥有这些觉悟。

读完这篇干货，希望你可以少踩我走过的坑。

“ 不懂数据分析的运营，不是一个合格的运营 。”

图片来源网络

作者：苏不凡