寫好一份數據分析報告的13個要點

• 2017年關於數據科學的六大預言
• 商業智能 BI 將來發展的新趨勢
• 十張圖看懂將來的大數據世界
• 經常使用的數據可視化圖表錦集
• 2017 最全的機器學習開源項目列表

一份好的分析報告，有如下一些要點：

首先，要有一個好的框架，跟蓋房子同樣，好的分析確定是有基礎有層次，有基礎堅實，而且層次明瞭才能讓閱讀者一目瞭然，架構清晰、主次分明才能讓別人容易讀懂，這樣才讓人有讀下去的慾望；

第二，每一個分析都有結論，並且結論必定要明確，若是沒有明確的結論那分析就不叫分析了，也失去了他自己的意義，由於你原本就是要去尋找或者印證一個結論纔會去作分析的，因此千萬不要忘本舍果；

第三，分析結論不要太多要精，若是能夠的話一個分析一個最重要的結論就行了，不少時候分析就是發現問題，若是一個一個分析能發現一個重大問題，就達到目的 了，不要事事求多，寧要仙桃一口，不要爛杏一筐，精簡的結論也容易讓閱者接受，減小重要閱者（一般是事務繁多的領導，沒有太多時間看那麼多）的閱讀心理門檻，若是別人看到問題太多，結論太繁，不讀下去，一百個結論也等於0；

第4、分析結論必定要基於緊密嚴禁的數據分析推導過程，不要有猜想性的結論，太主觀的東西會沒有說服力，若是一個結論連你本身都沒有確定的把握就不要拿出來誤導別人了；

第五，好的分析要有很強的可讀性，這裏是指易讀度，每一個人都有本身的閱讀習慣和思惟方式，寫東西你總會按照本身的思惟邏輯來寫，你本身以爲很明白，那是因 爲整個分析過程是你作的，別人不必定如此瞭解，要知道閱者每每只會花10分鐘之內的時間來閱讀，因此要考慮你的分析閱讀者是誰？他們最關心什麼？你必須站 在讀者的角度去寫分析郵件；

第六，數據分析報告儘可能圖表化，這實際上是第四點的補充，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，固然，圖表也不要太多，過多的圖表同樣會讓人無所適從；

第7、好的分析報告必定要有邏輯性，一般要遵守：一、發現問題--二、總結問題緣由--三、解決問題，這樣一個流程，邏輯性強的分析報告也容易讓人接受；

第8、好的分析必定是出自於瞭解產品的基礎上的，作數據分析的產品經理自己必定要很是瞭解你所分析的產品的，若是你連分析的對象基本特性都不瞭解，分析出來的結論確定是空中樓閣了，無根之木如何叫人信服？！

第9、好的分析必定要基於可靠的數據源，其實不少時候收集數據會佔據更多的時間，包括規劃定義數據、協調數據上報、讓開發人員 提取正確的數據或者創建良好的數據體系平臺，最後纔在收集的正確數據基礎上作分析，既然一切都是爲了找到正確的結論，那麼就要保證收集到的數據的正確性， 不然一切都將變成爲了誤導別人的努力；

第10、好的分析報告必定要有解決方案和建議方案，你既然很努力地去了解了產品並在瞭解的基礎上作了深刻的分析，那麼這個過程就決定了你可能比別人都更清楚 第發現了問題及問題產生的緣由，那麼在這個基礎之上基於你的知識和了解，作出的建議和結論想必也會更有意義，並且你的老闆也確定不但願你只是個會發現問題 的人，請你的那份工資更多的是爲了讓你解決問題的；

11、不要懼怕或迴避「不良結論」，分析就是爲了發現問題，併爲解決問題提供決策依據的，發現產品問題也是你的價值所在，相信你的老闆請你來，不是光讓你 來唱讚歌的，他要的也不是一個粉飾太平的工具，發現產品問題，在產品缺陷和問題形成重大失誤前解決它就是你的分析的價值所在了；

12、不要創造太多難懂的名詞，若是你的老闆在看你的分析花10分鐘要叫你三次過去來解釋名詞，那麼你寫出來的價值又在哪裏呢，還不如你直接過去說算了，固然若是無可避免地要寫一些名詞，最好要有讓人易懂的「名詞解釋」；

十3、最後，要感謝那些爲你的這份分析報告付出努力作出貢獻的人，包括那些爲你上報或提取數據的人，那些爲產品做出支 持和幫助的人（若是分析的是你本身負責的產品），確定和尊重夥伴們的工做纔會贏得更多的支持和幫助，並且我想你也不是隻作一錘子買賣，懂得感謝和分享成果 的人才能成爲一個有素養和受人尊敬的產品經理。