制作數據分析報告是每個數據分析師必不可少的工作，無論是周報、月報，還是專項分析報告，都需要在圍繞報告目標的基礎上，對數據進行整理、分析并提煉要點，最后形成一份有指導意義、易讀且美觀的數據分析報告。

本文從撰寫步驟的角度，總結如何從0開始撰寫一份數據分析報告。

明確報告定位

報告就是向某一人群進行匯報，那么首先就要明確報告的對象，從報告對象的角度組織內容、結構，以及報告里各個模塊的側重點。

舉例來說：

如果報告是面向公司領導層的，例如：公司業務線的例行匯報，或是向產品線leader匯報新產品或新版本的表現；這時候報告要突出的就是關鍵指標有沒有達到預期，各個關鍵指標為什么是這個表現，需要通過拆解成細化的指標來簡要說清楚問題出在哪里，或是優秀表現的原因是什么，最后總結團隊下一步的改進計劃。

如果是面向團隊的業務同事的，那報告的側重點就在于挖掘問題點，并提出改進方案或建議，要起到的是用數據驅（che）動（pi）團隊的作用。

如果是對外公開的報告，則一般側重的是結果和趨勢，而不是過程。這一類就是咨詢機構們公開發布的那些報告的范式了。

拆解核心指標，建立數據模型

明確了報告的定位之后，那么就可以結合報告定位和產品目標、活動運營目標等指標，對核心指標進行拆解，形成報告的數據模型。

例如：如果是電商類產品，并向領導匯報，那么可能核心指標就是GMV，GMV是用戶數乘以客單價，那么我們一步步進行拆解就如下圖所示：

需要指出的是：報告的核心指標和拆解是動態的，在產品的不同階段，數據模型也需要進行調整。

例如：一個產品中前期階段關注的可能是用戶規模，到達一定用戶規模之后，就需要開始重點關注用戶價值了，而數據模型也就需要隨之調整。

數據的整理和分析

（1）數據的獲取

數據的來源比較多，需要根據不同指標的需要，選取穩定可靠的數據來源。

常見的數據來源包括：

公司自有數據統計系統；

第三方數據統計平臺，例如：友盟、百度等；

第三方業務平臺，例如：廣告聯盟等；

公開的數據源。

其中有很多數據是有多個來源的，例如：用戶的基礎數據一般公司自行統計和第三方平臺都有，而對外合作的數據則是自行統計和第三方業務平臺都有。

對于和錢有關的數據，例如：訂單數、金額明細等，一般來說必須要有嚴格的對賬系統來核對和平賬。

但對于用戶數據出現差異，一般需要對統計口徑和統計方案進行分析，如果是統計手段層面造成的差異則可以忽略。

這里需要注意的是，如果一個數據來源出現大幅異常波動，往往可以借助另一個數據來源進行對比分析，如果兩邊是同方向、同幅度的波動，則要從業務角度去分析，如果兩邊差異很大，則很可能是數據統計源頭出了問題。

（2）數據的整理、清洗

數據的整理和清洗主要是排除臟數據和統計異常的數據、對數據進行結構化處理等等，這里就不展開了。

（3）分析數據：重要的是思維

對于數據分析，思維比工具和手段重要，首先要明確想找到什么問題，再提出假說然后依據假說去排查，而不是在海量數據中無目的查找問題。

（4）分析數據的方法

拆解法——

對一個大問題拆分為更小粒度的指標，如果沒有發現問題則繼續往下拆解，直到發現問題所在為止，從而尋找到對應的解決方案。

BCG矩陣——

根據不同業務場景，選取兩個坐標作為坐標軸，從而把業務或用戶劃分為不同的類型進行分析。

同比分析法——

將各個業務相同類型的數據放在一起比較。

用戶分析——

用戶分析包括了使用廣度、使用深度、使用粘性等指標，這些指標一般是若干用戶指標的組合，例如：使用廣度就包含了總用戶數和MAU等，使用深度就包含了使用時常、停留時間等。

分析數據的方法有很多種，需要根據報告定位和目標的需要適當選取。

這里以一份產品月報的撰寫為例，供大家參考數據報告的撰寫。

首先這是一份面向領導匯報的產品運營月報，因此需要突出核心指標的完成情況，以及拆解的二級、三級指標的情況，從而從上到下分析本月指標的完成情況。

其次，這是一個電商導購類的產品，因此在報告的第一項，就是依據產品特性，對數據指標進行拆解和建立數據模型，從而讓讀者一目了然知道報告的內容框架，以及各項數據的完成情況，之后才是逐步展開進行匯報，便于說清楚具體情況、問題點、改進計劃。

指標拆解示例：

目前MAU量級數百萬，因此產品階段還側重在用戶增長，其次才是收入；監控指標根據實際情況可以隨時調整，以便說明問題。

數據總表示例：

拆解完數據指標，建立模型之后，就是要展示出重點的數據、形成數據總表，從而讓報告的閱讀者一目了然知道核心指標完成情況，以及哪些數據超出預期、哪些數據出現問題。

如下表所示，未達預期部分的目標完成度加黑，引導大家聚焦在問題的分析上：

核心指標示例：

指標的展示有以下幾點需要注意。

圖形樣式需要根據報告的匯報側重點來選取，例如展示體量變化可以用柱狀圖、展示趨勢可以用折線圖、展示不同業務同一指標的對比可以用簇狀柱圖等等；

一個表格最多展示一個主要數據和一個次要數據，例如：MAU+環比增長率；

數據情況的原因說明最好不超過2個，切忌羅列一堆原因，讓閱讀者找不到重點。

核心指標拆解分析：

如上例核心指標為MAU，則需要對當月活躍用戶的構成進行分析，并可以順便帶出月留存率。

渠道分析示例：

這里以渠道新增分析示例，適合于對比多個同類數據的情況，例如同時查看免費渠道和付費渠道的新增用戶情況。

且由于更關注免費自然流量新增，因此還可以再帶上免費新增的增長折線便于解釋說明。

由于重點是免費渠道，因此可以繼續對免費渠道進行詳細分析：

留存用戶分析示例：

留存用戶的分析，除了分析總留存人數之外，還常用如下的梯形表格分析動態時間周期內的留存率變化情況：

人均活躍天數示例：

人均活躍天數是考察用戶活躍情況的重要指標，一般用折線圖來展示變化趨勢：

人均活躍天數同樣可以根據業務需要，繼續細化分析不同渠道、不同機型、不同操作系統等等的詳細數據。

收入統計示例：

收入類型的統計，比較適合先用一個總表展示出整體的情況，然后再細分不同的收入指標，選擇合適的圖表進行展示：

總結

數據報告的撰寫，首先要基于閱讀者和核心指標的分析，對指標進行拆解和建模、確定整個報告的內容框架和側重點，然后對數據進行整理、分析和制表，最后的工作才是對報告進行美化。