我认为,数据信息报告分两种。一种是跟踪型的信息报告,或是成为dashboard。它应该是日常业务数据高频的呈现,重点在于发现的问题,而非解决困难。它一般用于回应“怎么啦”。这种报告
我认为,数据信息报告分两种。一种是跟踪型的信息报告,或是成为dashboard。它应该是日常业务数据高频的呈现,重点在于发现的问题,而非解决困难。它一般用于回应“怎么啦”。这种报告通常是周期性地长久开展制做。另一种便是解决问题数据信息报告,它一般是专题讲座型科学研究报告,用以回应“为何”。这种报告通常是经常性地开展制做,并且很可能是循序渐进系列的报告。
重要信息优先选择
一份好一点的报告,重要信息一定是在报告的最前取现出的。所说“直截了当”。
在跟踪型报告中,重要信息便是最核心最宏观的指标值转变,你不难想象车辆的车内仪表盘,关键指标是永远不会变的。
针对科研型的报告,重要信息并不仅仅是结果,还需要包含看得懂结论的必需信息。这一点是很多投资分析师被忽略的。学生的报告能把结果在最开始点出去,而对科学研究背景、目地、方式没什么论述,造成报告的读者并没有前后文,可能就无法理解结果。这一部分的书写个人觉得参考论文的“引言”一部分。不仅将结果粗浅地址出,还需要让读者对目地、全过程与方法有一定的了解。
只能单边的逻辑线
在跟踪型报告中,一般数据信息以时间序列分析展现,提议只遵照“宏观经济→观行→外部经济”这一条单边的逻辑线进行。跟踪型报告通常需要有多层次的下钻,因此下钻的思路一定要单边,要不然读者非常容易错乱。例如,收入指标能从地域、用户类型、产品类别三个维度下钻。那你的跟踪报告一定是宏观指标(收益值在时间维度的改变、)、第一层下钻(地域层面展示、用户类型展示、产品类别展示,用饼状图展示构造,用折线统计图展示变动趋势),第二层下钻(地域×用户类型、地域×产品类别、客户×产品类别)。千万别一会儿是“地域×用户类型”,一会儿又变为“用户类型”。
这里要一点心理学的知识。人的大脑了解信息层次关联,并不能根据信息自身层次关联,反而更加依靠接纳信息的顺序。假如我们将要一些更外部经济的信息展示在宏观数据的后面,大家就很容易将微观数据做为宏观经济决策的依据,这是很可怕的。因此我们报告呈现的逻辑性,一定不能随便。除非是,你要用数据说谎,用一些宏观的“好看”数据信息来修饰宏观的“悲惨”数据信息。可由本小书叫《how to lie with statistics》,讲的是一些应用统计学说谎的“旁门左道”,我审阅了一点点,但有兴趣的读者能去领略到一下“用数据说谎”独特的魅力。
针对科研型的报告,最好在做之前整理好清楚的科学研究路线地图,再根据科学研究路线地图来进行科学研究的观点和全过程。与此同时,在实际需求场景中,结论的必要性远远高于研究过程。读者很有可能不明白你用的方法,你每日任务并不是向我报告的读者说清楚方式,真真正正最重要的是让读者了解结果,并且能够运用到业务上。
有选择地开展层面下钻
上面提到的,层面下钻务必遵照宏观经济到外部经济的思路,但是并不是代表着在每一层都需要把所有的层面组成(细分化数据信息)展示出去。我们只需展示最主要的细分化数据信息就可以。例如,收入跟踪报告,收益在地域间的差别是一个长期相对稳定的,但在产品类型间会出现频繁地转变,那我们就更需要展示产品类型这一维度的细分化,这个地方包含的信息大量,更具追踪的重要。
不必展示过多数据图表
一份报告中,纷乱地沉积上各种数据图表,在外行认为,可能会觉得这一报告“技术过硬,很高大上”,但是我认为,这一份报告的信息获得高效率也许比较低。图表的效果,取决于简易直接地展示信息。好几个图表组合在一起的效果,取决于简易直接地展示逻辑顺序更加复杂的信息。而我通常将好几个图表的搭配做成“炫目的连连看游戏”,十分悲哀。
因此,个人觉得报告时要用到三种展示信息的一种手段:报表、文本、数据信息图表。关键在于报表,一种利用系数承重信息量最大的一个表达形式。如果一个较复杂问题,可用一个报表再加上一丝文本讲清楚,那么就一定不要作出N张图表。其次文本,如果一个论点论据可用简单的话阐述清晰,你就不要去做图表。结尾是图表,展示的图表一定要简易形象化,一定不要图表里放上不少图形元素(指标数据),以防搅乱视觉逻辑思维。
自然,除开不必铺平过多图表,更为重要用对图表。哪些图表用以什么样的问题,这书的前三章有详细的讲解,这儿不想做累述了。
另附清单数据和制作流程
我觉得,大家向别人展示数据信息报告时,不能只是展示一个报告,而应让报告读者可以根据报告具体内容再次思索。怎样做到“再次思索”呢?
第一, 想让读者有思维的根据。即一份好报告,可以打开读者的深度思考的大门。一旦他想要深度思考,那么我们就需要能够提供他再次发掘信息的可能性。这时候,个人觉得在报告推送时另附用以制做报告的详细数据资料,供别人做进一步的实践探索。
第二, 想让读者能拷贝制作流程。这一点在科学研究报告公布时尤为重要。一般情况下,我能规定我的好朋友在报告公布时,另附取数SQL编码、测算剖析编码和详尽的全过程表明。尤其是在经营有关的研究成果公布时,运营人员能拷贝我们自己的全过程,也就能迅速地学好我们自己的方式。那样可以使专业知识迅速哺育到业务上。终究大数据分析师是少数,若一个个手把手的教运营人员,效率很低了。
得出实质上的提议
针对大数据分析师应不应该得出具体指导业务决策的意见,曾经的我迟疑过。但后来的我坚定不移的觉得:一个投资分析师如果不能深刻理解业务流程,无法从业务流程领导者的视角去研究问题,那他只好被称作“取数机”或是“计算方式”,最终都会很快的被新技术应用所替代。因此,真真正正最重要的是分析思维,是把业务问题抽象化为数学课解决问题的能力,是掌控统计分析方法能力。因此,投资分析师的解读报告,应当一定务必明确提出根据自己的见解所得出来的对策提议,且一定是能落地执行的意见。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。