京公网安备 11010802034615号
经营许可证编号:京B2-20210330
编译 | secretplanet
来源 | blogs.hbr.org
为一个受过专业培训的数据工作者,我是早先加入贝尔实验室网络性能组的人员之一。此后的一两年左右,我开始了数据汇报。我的第一次大型数据汇报是在AT&T(美国电话电报公司)总部。在提前做了充分的准备和细致的演练的情况下,我前去赴会。
我的展示糟糕至极,没有给人留下任何好印象。那时的我年轻气盛,将责任归咎于他人,甚至包括听取汇报的观众。我说:“这里的部门经理甚至看不懂一张饼图。”
一位听取过众多类似汇报的资深人士对我的表现大跌眼镜,他对我如是说,“当然看不懂,汤姆,他们不需要看懂,让他们明白数据的含义是你的工作。”
那是我在展示数据的第一个经验。一个数据分析汇报工作者面临一项艰难的任务,即让他人明白并相信数据的含义,并且要照顾到听众的专业背景,以易于听众理解的方式展示汇报数据。最好的方式就是将数据划分层次,并配上通俗易懂的解释说明。正如爱德华·塔夫特所建议的,<用生动有力的方式讲解数据>标记轴线,不要曲解数据的含义,同时将非相关信息图表减至最少。
基本的图表分析汇报可以以这样的方式开始,“这是我们的数据质量项目报告,它以时间为序,虽然有听众对这些图表再熟悉不过,但也请确保我们的进度一致。如大家所见,这份汇报是关于客户数据质量的。X轴是时间轴,每个点代表一个月,Y轴是数据分数,与每个点的月份恰好对应。我们以此来衡量精度。这是一个较高的标准,对此我一会儿将详述。”之后便是为听众解释如何读懂展示的图表。“绿线代表实际结果,蓝线是我们设定的目标值,红线代表限度,在我进一步解释汇报这些数值前,大家对如何读这张图表是否还有疑问?”
记录下你将要给听众详述的部分之前,确保已经给听众解释清楚了如何读图的基本信息,这样听众就可以专注于所见的图表,并专心听你的数据汇报了。
关于这些,要讲的有很多,譬如如何开始项目、开展项目的原因,围绕客户需求条款的乐趣和挑战所在;客户需求的衡量标准,包括Y轴度量选择的逻辑;项目改进;如何确立限度,即红线的本质含义;为听众点明你所进行的每一个环境的意义影响……
听众不同,需求不同,汇报人的阐释要尽可能简明扼要。比如,技术团队希望搞清楚选择度量的细节和制作图标的软件;高层领导想要明白扩展数据对于整个机构的意义。汇报对于每个听众是一样的,但却听众的需求却各有侧重。
要清楚很多人对于数据分析,数据库和统计数据是持怀疑态度的,(你可能会想到那句有名的谚语:“世界上有三种谎言,即谎言,该死的谎言和统计数据。”)不管这样的怀疑是否有道理,它确实使得机构运行好创意的脚步放慢甚至终止。作为一名数据汇报者,肩负着让听众信任数据的神圣使命。汇报人一定要做到:
1、汇报尽可能准确、直白,特别是在汇报成果不利的情况下,更应如此。此外,如果数据结果显得有点不太明智,一定要简单地陈述事实。
2、如果展示的是一张综合性图表,对于重要信息的遗漏就等于是在说最糟糕的谎言。
3、提供适当的背景介绍,如数据来源,为确保数据真实有效所做的工作。(如果对此所做之事甚少,一定要言简意赅地说明“数据来源不明,可能会影响到结果”)
4、总结数据分析,包括汇报结果的不足之处和替代说明。
陈述自己的观点无可厚非(通常也是合理的),但一定要将自己的观点和事实分开。不论分析有多到位,总有言过其实的地方,直觉会混淆事实。要清楚两者之间的界限。
现在更进一步关注听众需求。成功的汇报案例大多是以让听众明白幻灯片展示内容为基础。听众在观阅连续播放的幻灯片时,可能无法从你的汇报中有所收获,所以你必须考虑到他们的需求。早先在贝尔实验室时,我曾听说“听众读表的平均时间在15秒,不要让他们花费13秒去搞懂如何读图。尽可能多地在可以标记的地方加上注释,能让图表替你说话更好。”
根据此想法,进行两个步骤。第一,在幻灯片说明页提供如何读图的解释。第二,如下图所示为图表注解。注释当然不可能取代汇报,它们只是为听众提供相关信息。
对于大多数听众来说,即便是为微小的洞察做出长篇大论的分析也在所不惜。因此,手边的一张切中问题要害并能引导后续步骤的出色图表要胜过万千无用的图。找到这样出色的图,以此来展示,数据就是力量。
只要你有值得分享的见解和结论,我所建议的方法并不难于实践。领导们,甚至是那些对数据持怀疑态度的人们,迫切期待改善提升部门和公司的方法。作为一名汇报人,你的工作就是以最简明的方式发掘并满足他们的需求。
end
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12