起点学院课程

数据分析报告写作攻略(三):分部门汇报

0 评论 7777 浏览 13 收藏 11 分钟
15天0基础极速入门数据分析,掌握一套数据分析流程和方法,学完就能写一份数据报告!了解一下>>

当一篇数据分析报告写好后,公司内部的不同部门的领导、同事都想听报告的话,如何划分不同人群的关注点,并汇报对应的数据分析部分呢?针对这个问题,笔者将做详细解答与分析。

上一篇我们分享过:写报告是一回事,讲报告又是另一回事。很多新人抱怨,每天只有日报、周报、月报的常规报表,压根没有做真正分析的机会。可往往给了机会,让他做一个报告给大家听,开讲5分钟台下听众就纷纷掏出手机,愉悦的搓了起来——怎么破!今天我们就举个简单的例子看看。

假设一个公司有5个业务线,业绩如下图,受疫情影响,2、3月份业绩很惨淡,为提升业绩,市场部在4月开展活动,全场8折,不设门槛,全员参加!活动开展到15号,已产生的业绩数据如下图(业绩在全月均匀产生,不存在月底冲量):

该企业各部门分工如下:

  • 销售部:负责各业务线销售工作
  • 市场部:负责活动策划、组织、执行
  • 供应链:负责产品供应、库存管理

现在,各部门领导、同事,都想听活动分析报告。

问:面对这些人,你会怎么汇报?

进一步问:这里这么多数字,是不是面对每个部门,每个群体,都得说一遍?

让人认真听报告的秘籍

回忆一下上学的时候,到了上午第四节课,你饿的肚子咕咕叫,这时候你最想听的是啥?反正绝对不是这个二元一次方程怎么解。八成你在盯着钟表看还有几分钟,等着老师的一声“下课”。每个人都是这样:大家只想听自己关心的内容,完全不care其他东西

所以报告想让人听,得知道他们关心什么。显然,不同部门,不同等级的人关注的点不一样。想理解他们关系什么,得从部门职责和工作方式入手,比如这次活动里,三个部门的关注点完全不同:

你会发现,虽然现有的数据看似很多,但对于有的需求还不够,还得加数据;对于有的需求,只要几个数字就够了。同时,领导和员工也有差别(如下图)。

因此,作报告前,了解清楚听众非常重要,一般我们会问:

  1. 报告时间多长?
  2. 听报告的人来自哪些部门?
  3. 领导是否来?哪个级别领导?

了解清楚这些以后,就能制定更有针对性的报告了。

对症下药的报告方式

To销售部

首先要清晰:销售部关心的是业绩,活动什么的只是业绩一小部分。所以汇报给销售部,大标题应该是《4月份业绩情况汇报》,第一页讲的应该是4月份业绩实际/预计情况(如下图)。

其次,关注到业绩细节,为领导们排兵布阵提供依据:

最后,如果面对下属,可以肯定AB线的成绩,鼓励他们继续行动。DE线的人肯定有苦水想吐,可以借报告的机会,让他们和AB交流下,看看有什么问题,这样也留下后续深入分析的线索

To市场部

首先要清晰:市场部关心的是活动,业绩什么的只是活动带来的结果。所以汇报给市场部,大标题应该是《4月份活动情况汇报》,第一页讲的应该是有活动和无活动的差异。注意,这就涉及到:无活动的业绩该是多少,或者叫自然增长率的问题。

这里用3月VS 2月的增幅作为自然增长,得出了4月活动没有拉动很多的结论。这个结论极有可能被市场部挑战!市场部很有可能会说:如果我们不做活动,自然增长率是负的呢!你不能这么评估!由此可见,自然增长率是活动评估中最纠结的问题之一。本次我们先不展开,大家知道这里边非常凶险就可以了。以后我们再慢慢分享。

其次,关注到活动细节,为领导们的以下决策提供依据:

  1. 本月是否加码
  2. 下个月是否还做

最后,如果面对下属,可以先肯定活动成绩,让他们知道你是站在他们这边的,之后再借这个机会,聊一下后续打算,知道他们下一步计划,从而为深入分析留下线索。

To供应链

首先,供应链关心的不是业绩本身,而是业绩对库存/生产的影响,特别是2、3月已经严重积压的情况下。虽然看起来4月有好转,但是这个好转是否能清理掉库存,是否会引发新的缺货,是他们最关心的。所以同样的业绩数据,给供应链看,可能就是完全不同的样子。

大体上看,4月份虽然有上涨,但没有弥补回来1、2月的欠额。意味着库存情况可能并没有好转,供应链不应过度乐观。至于更准确的分析,这个数据是无能为力的。想要精准分析,就得拿准确的库存消耗/生产周期数据,并且得细化到ABCDE每个类别原料备货/生产情况。这里就无能为力了。如果需要深入分析,可以记录下需求,后续再做深入。

新手上路的常见问题

实际情况远比例子复杂,但通过这个简单的小例子,我们能看到:即使同一份数据,面对不同人,做出的解读和数据报告格式可以完全不同。这就要求我们有进什么山唱什么歌的能力,对业务状况,对部门分工职责有清晰了解,对业务问题有自己判断。

这一点,恰恰是新人们最缺的。甚至是新手们刻意忽视的。大部分新手的做法,是找一个固定的数据集,按照报告模板,按照示例数据表,把数据填进去。而且,这个模板经常教新手沿着“分析背景-分析目标-数据来源-数据清洗-指标解释-建模过程-分析结论-分析建议”的步骤罗列内容,看似全面,实则又臭又长,屁用没有。

即使通过这个简单的例子,我们也看到:

  • 在企业里,从来就没有一个数据集把所有问题分析清楚的事,往往是监控一些数据发现问题,讨论后又找其他数据验证,需要关联多组数据。
  • 在企业里,从来就没有一个固定分析思路,每个问题都得舍身处理考虑业务场景。即使一点点场景变化,组织数据的方式也会不同。
  • 在企业里,从来就没有一个固定汇报模板。天天讲空话鬼愿意听。只有切中听众最关心的问题,数据汇报才会起到好效果。

这些都是一个模板,一个数据集,一个范例解决不了的。优秀的数据分析师,脑子里装的是一个个具体的业务问题,然后拿数据解释问题,从问题中发现新数据。流水线上工人,才是对着模板拧螺丝,每一个操作都一模一样。以上,大家引以为戒。

这次举例肯定很多同学会说:太理想了,实际工作中很复杂。可有趣的是:正是把一个个复杂的具体问题,拆解成一个个小的模块,才能清晰准确地用数据解释。有兴趣的话,下一篇我们来看:如何把复杂的策略问题拆解为简单的小分析。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
起点学院课程
评论
评论请登录
  1. 目前还没评论,等你发挥!