制作数据报告

最新推荐文章于 2024-10-05 15:10:34 发布

sukie_lz

最新推荐文章于 2024-10-05 15:10:34 发布

阅读量316

点赞数

文章标签：数据分析制作数据表

@sukie制作数据表

制作数据表

制作数据表的流程

流程图:
在这里插入图片描述

Step1：目标确定

这一步通常是由客户/上级/其他部门同事/合作方提出来的，需要我们自己来确定目标。选择目标时，需注意以下3点：
（1）选择一个自己比较熟悉或感兴趣的领域/行业；
（2）选择一个范围较小的细分领域/细分行业作为切入点；
（3）确定这个领域/行业有公开发表的数据/可获取的UGC内容（论坛帖子、用户点评等）。

逐一分析上述3个注意点：

选择熟悉/感兴趣的领域/行业，是为了保证在后续的分析过程中能够真正触及事情的本质，而不是就数字论数字；
选择细分领域/行业作为切入点，是为了保证报告能有一条清晰的主线，而非单纯地堆砌数据；
确定公开数据/UGC内容，是为了保证有数据可以分析，可以做成报告。

Step2：数据获取

目标定下来了，就要去找相应的数据。获取目标数据有3类方法：
（1）从一些有公开数据的网站上复制/下载。比如统计局网站、各类行业网站等，通过搜索引擎可以很容易找到这些网站；
（2）通过一些专门做数据处理打包的网站/api来下载。如果要做金融类的数据，这种方法比较实用。其他类型的数据也有人做，但通常要收费。另外，淘宝上有很多帮人抓数据的店…
（3）自行收集所需数据，或是找一个免费问卷网站做一份问卷。

Step3：数据清洗

在工作中，90%以上的情况，拿到的数据都需要先做清洗工作，排除异常值、空白值、无效值、重复值等。
如果在步骤2中数据是通过手工复制/下载获取的，通常会比较干净，不需做太多清洗工作。如果数据通过爬虫等方式得来，那么需要进行清洗，提取核心内容，去掉网页代码、标点符号等无用内容。但无论是哪种方式获取的数据，数据清洗永远是必须要做的一项工作。

Step4：数据整理

即将数据整理为能够进行下一步分析的格式，对于初学者，用Excel完成即可。
如果数据已经是表格形式，那么计算一些二级指标（如基本的同比、环比、占比分布等）就好，比如用今年销量和去年销量算出同比增长率。
如果收集的是一些非数字的数据，比如对商家的点评，那么在进行下一步统计之前，需通过“关键词—标签”方式，将句子转化为标签，再对标签进行统计。

Step5：描述分析

描述分析分为两大部分：数据描述和指标统计。

数据描述：用来对数据进行基本情况的刻画，包括：数据总数、时间跨度、时间粒度、空间粒度、数据来源等。如果是建模，还要看数据的极值、分布、离散度等。
指标统计：用来作报告，分析实际情况的数据指标，可粗略分为四大类：变化、分布、对比、预测。
（1）变化：指标随时间的变动，表现为增幅（同比、环比等）；
（2）分布：指标在不同层次上的表现，包括地域分布（省、市、区县、店/网点）、用户群分布（年龄、性别、职业等）、产品分布等；
（3）对比：包括内部对比和外部对比。内部对比包括团队对比（团队A与B的单产对比）、产品线对比（动感感地带和全球通的ARPU、用户数、收入对比）；外部对比主要是与市场环境和竞争者对比，与分布有重叠的地方，但分布更多用于找出好或坏的地方，而对比更偏重于找到好或坏的原因；
（4）预测：根据现有情况，估计下个分析时段的指标值。

Step6：洞察结论

是数据报告的核心，也是最能看出数据分析师的部分。一个年轻的分析师和一个年迈的分析师拿到同样的图表，完全有可能解读出不同的内容。
举例：

年轻的分析师：2018年1月销售额同比上升60%，迎来开门红。2月销售额有所下降，3月大幅回升，4月持续增长。
年迈的分析师：2013年1月、2月销售额去除春节因素后，1月实际同比上升20%，2月实际同比上升14%，3月、4月销售额持续增长。
区别：
2017年春节在1月，2018年在2月，因此要个去除一周的销售额，再进行比较。如果不考虑这一因素，那么后续得出的结论都是错的。
所谓洞察，就是要越过数据，去推测和理解真实情况。单纯描述数据，谁都会做，根据数据得出有价值的结论，报告才有意义。