什么是数据分析报告：公共安全管理的“论述题”

数据分析报告在社会不同行业、不同用途中的概念各有不同，其内涵与数据研判、比对分析也多有重叠。

本文仅针对公共安全管理领域，区别于警务实战中的数据建模、比对碰撞、数据关联、情报研判等应用，对公安数据分析报告做如下定义：公安数据分析报告是指在公共安全管理领域，通过对事物多维数据的全方位分析，揭示发现事物产生和发展的深层规律，服务于各项公安事物的评估、决策和研究等需求的数据应用形式。

如果将公安大数据中的关联分析、碰撞比对、数据建模看作是以求得答案为目的的选择、填空和问答题，那么数据分析报告更像是论述题。

与上述实战应用相比，数据分析报告更注重分析过程，以得出更加科学的研究结论。

以实有人口数据为例，人口数据库一般由6-8个数据表的100余个数据项组成。不仅包括常见的姓名、身份证号、住址，还有迁出(迁入)时间、迁移原因、学历、工作、家庭、原住地等数据。

一份详细的人口数据分析报告，可以分析不同时间地点，基于不同原因的人口变化趋势，其背后反映了经济社会发展的宏观环境和政策的变化。

比如新城区的人口迁入数据，反映了新城区建设吸引外来人口的趋势和效率;重点学区房屋实有人口变化幅度，反映了稀缺教育资源对群众购房定居选择的影响程度等等。

总之，公安数据分析报告的目的不同于实战中的数据比对碰撞，重点不在于得出某个具体答案，而更侧重于分析本身和由此得出的结论，用于支撑宏观决策，研究关于公共安全管理的宏观形势趋势。

决策分析支撑：数据分析报告作用日益凸显数据时代的公共政策制定，离不开全面的数据分析。而自媒体时代也使得政策施行过程中，一份有说服力的数据分析报告，可以起到事半功倍的宣贯效果。

我们曾经以某市重点中学搬迁政策的执行为例进行了数据分析实验。由于城市发展需要，政府制定了将某重点中学搬迁至新区的政策。在政策实施之初，出现了部分群众不能理解和反对的情况，致使搬迁无法按时实施。

本文仅从公安数据分析角度，谈谈数据分析报告在类似政府决策执行中的应用探索。

其实，笔者分析了原中学驻地的交通和人口相关数据，形成了如下报告和结论：该区域集中了重点小学、初中和高中，单位面积的在校生密集度远高于其他区域。

从交通数据看：在放学高峰时段，其他路段平均每车行驶单位距离用时约为0.2分钟的情况下，而该路段平均每车用时约15分钟，75倍于其他路段。即使平均到全天，该路段平均过车用时仍然是全市平均值的10到20倍。

交通压力过大制约了目标道路作用的发挥，降低了区域生产生活效率，也增加了全市平均交通成本。

从“一标三实”实有房屋、实有人口数据看，在校生多造成区域人口流动较大，暂住陪读人口占比远高于其他区域，流动商贩集中，而作为老城区，该区域功能性建筑和基础设施远远不能满足需求，从“实有房屋”数据分析，被用于经营的社区住宅占比较高，导致管理成本增加，安全隐患增多。

类似的宏观决策从制定到执行，会综合经济社会民生等海量数据及分析，公共安全领域的数据分析作为不可替代的组成部分，无疑将起到重要作用。

因此一份多维度分析、全面详实、有所侧重的数据分析报告，一方面有力支撑政府决策前的调研研判，另一方面又可以在政策制定后的宣贯执行中更好地支撑说明。

公安机关在大数据应用研究、探索和实践过程中也发现了不少问题，成为制约公安大数据深度应用的瓶颈，并且在一定程度上挫伤了基层科所队对大数据应用的积极性。其中主要表现以下几个方面：

一是对大数据的认识上有偏差。

大数据应用的基础是数据自身所蕴含的价值，需要考察数据的“价值比重”，因为对于价值比重较低的数据会极大地耗费数据清洗、处理和运算资源，投资回报率很低。

因此对于公安机关来讲，并非数据越多越好，而是需要对数据的价值进行预先评价和甄别。公安机关管控和服务的对象主要是人，把“人”管好了，服务好了，社会也就好了，因此数据价值评价的标准首先是数据是否能够和人产生关联，以及产生关联的代价。目前很多公安机关在大数据应用中，不加甄别地把互联网上的很多数据直接来用，消费了宝贵的数据运算资源，反而起到了事倍功半的效果。

二是与人直接关联的数据资源较少。

当前公安机关所掌握的数据资源，除了人口库、机动车登记数据库等相对静态的数据外，还有机动车卡口采集、实名制住宿乘车（机）记录、上网行为、手机MAC地址采集等数据，其中车辆号牌、实名制登记等数据虽然可以直接关联到人，但对于一个公安机关重点打击和管控的对象来讲，完全可以通过套牌、冒名等手段进行躲避，使我们无法采集到真实的数据，且数据采集的范围受到很大限制。

而上网行为、手机MAC数据具有采集范围广、采集成本低、真实性高等特点，但又很难与人进行关联。

三是视频图像等非格式化数据无法直接参与大数据运算。

公安机关掌握的众多数据资源中，覆盖最广、信息最丰富、规模最大、采集成本最高的是视频图像资源，但由于视频图像数据是非格式化数据，无法直接参与大数据运算和处理，还需要传统的人工方式和人海战术进行查看和甄别，不仅极大地降低了大数据的应用效能，也造成了极大的资源浪费。

四是大数据应用层级还比较低。

不少大数据应用还仅仅停留在信息组合查询和对数据的宏观统计分析上，如本月发生了多少起案件、分布在哪些区域等等，并以数据可视化的方式在中心大屏上呈现出来，看起来很高大上，实际上对公安业务产生不了多少实战意义。

公安大数据应用的目的是要通过大数据的分析把关注的目标具体到某个人和未来可能会发生的某个事件，从而形成以“人+事件”为核心的分级分类管控和预测预警机制，做到先发制人，掌握社会治安防控的主动权和主导权。

我们正处在互联网高速发展的阶段，快节奏的今天，越来越多企业需要的是能够为其带来直接价值的东西，往往会忽略数据和报告给企业带来的实际价值。事实上一份有效的大数据分析报告能够对企业产生很大的价值。

大数据分析报告的价值

1. 了解客户

大数据可以把我们的触角深入到某个社区、某类人群、某种具体的产品，来了解他们的真实情况；

2. 了解自身

大数据不仅是面向客户，同样也能面向企业自己。自身的产品生产流程、产品特点的定位、产品布局，这些都可以借助大数据进行更好地调整。也许只是将两个步骤调换顺序，可最后的效果却是天翻地覆。

3. 做好运营

大数据在广告运营方面有着十分强大的作用。通过大数据的相关性分析，根据不同品牌市场数据之间的交叉、重合，企业的运营方向将会变得直观而且容易识别，在品牌推广、区位选择、战略规划方面将做到更有把握地面对。

4. 开展服务

企业可以借助社交媒体中公开的海量数据，通过大数据信息交叉验证技术、分析数据内容之间的关联度等，进而面向社会化用户开展精细化服务，提供更多便利、产生更大价值。

也就是说，真正有价值的大数据分析报告能够在中宏观规划、微观/细分市场分析、方案执行和策略部署等方方面面为企业带来价值。

那么大数据报告怎么做？

1. 要有一个好的框架

跟盖房子一样，好的分析肯定是有基础有层次，有基础坚实，并且层次明了才能让阅读者一目了然，架构清晰、主次分明才能让别人容易读懂，这样才让人有读下去的欲望。

2. 数据获取

有了具体的问题，你就需要获取相关的数据了。这时，应该慎重考虑从哪个渠道获取数据更加快捷有效。好的分析一定要基于可靠的数据源。在正确的数据基础上做分析，才能找到正确的结论。

其次，就是对数据采集的对象、过程和处理方法进行评估，看数据是否具有时效性、代表性。

3. 数据预处理

现实世界中数据大体上都是不完整，不一致的脏数据，无法直接进行数据分析，或分析结果差强人意。数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。把这些影响分析的数据处理好，才能获得更加精确地分析结果。

4. 数据分析

在数据分析前，要做到充分沟通、理解业务规则、关注业务痛点、了解用户需求、换位思考，明确为什么要做数据分析，要达到一个什么目标。

5. 分析报告

这时候展现出了数据分析师的表达能力，如何深入浅出的讲述自己的报表，是自己数据分析是否落地的核心。

在企业中，数据分析师的角色十分重要。没有数据指引的企业犹如没头苍蝇到处乱飞。

如何成为一名数据分析师？

上海数据分析网当前我国数据分析师由中国商业联合会数据分析专业委员会以及工信部教育考试中心共同考核认证。通过培训考核，工信部教育考试中心颁发《数据分析师职业技术证书》，数据分析行业协会颁发《数据分析师证书》，此证书是申请成立数据分析事务所的必备条件之一。

CPDA至今已走过14个年头，目前，全国已培养两万多名持证人员，分别在专业事务所以及数据分析相关行业工作，待遇丰厚，前景明朗。

数据分析师课程架构

课程特色

线上-线下相结合的教学方式

CPDA数据分析师培训采用面授课程加远程学习相结合的方式。面授课程主要侧重于实际应用，集中利用每周六、日上课，共计8天48课时，采用案例教学、互动教学、头脑风暴、深度讨论相结合和方式全面讲解数据分析知识。

远程学习为一年期的网络辅助教学，包括课前知识准备、课堂学习课件、模拟考题、在线答疑及案例实解等内容。

强大师资团队

作为由中国商业联合会数据分析专业委员会、工业和信息化部教育与考试中心在上海唯一的授权管理中心，秉承着对每一位学员负责的态度，我们聘请了专业的数据分析教师团队，带你挖掘数据深处的秘密，大数据大有可为！

最权威的认证

一年四次认证考试，通过后颁发双项认证：

1、中国商业联合会数据分析专业委员会颁发《数据分析师证书》，是将来进入数据分析师事务所工作的前提，唯一的行业从业证书。

2、工业和信息化部教育与考试中心颁发《数据分析师职业技术证书》，在工信部官网可直接查询。

课程体系

第七次课改后采用全新教材，课程内容涉及到数据分析基础、市场营销、战略管理及供应链管理等多方面知识。为此，我们推出了新型课程体系！

无论是运营、销售、产品、市场还是boss等，在很多情况下都需要一份清晰明了的数据报告，或是给客户或是自己拿来做分析。一份数据报告是很重要的，它能有效地将主题信息传达给忙碌的高管及客户，而他们只有几分钟的时间来浏览这份报告。要包含的关键内容之一是最重要数据可视化的表示，例如图表和图形。还应该保持语言简洁，避免使用行话。

那我们应该如何写一份好的分析报告nei？

第一步是根据需要遵循的任何指导方针来概述报告。每个公司都有自己的报告格式，有时候有必要遵循自己的格式。大纲，这个大纲基本上在报告中提供一个路线图，能帮助处理以后可能出现的问题。精心制作报告，以易于阅读的格式解释和分析所有的数据和得出的结论。如果报告很长，还可能需要到一个目录，来包含报告中的事项，必看和略看一目了然。

视觉方面

在使用图表、图表和表格来说明分析结果时，应充分考虑视觉方面的因素。必要时，可以在文本中包含引用来解释重要的图形。读者应该能够知道每个图形最重要的是什么，所以应该突出它，而不是仅仅描述已经看到的东西。另外，确保文本引用与它们引用的图形接近，这样读者就可以在两者之间建立联系。

一旦完成了一个提纲，创建一个包含最重要信息的提纲，并根据提纲进行组织。技术细节现在已经不重要了，稍后可以添加它们。这个想法是把最重要的信息放在第一位，这样读者在收到你的报告后就能很容易地找到它。记住，许多读者都很忙，此外，记住要小心使用术语，尽可能避免使用。

执行摘要

执行摘要和摘要是报告中重要的部分。特别地，摘要只是报告的摘要，显示了报告的重要结论，这是写完报告之后写的。摘要在数据分析报告中具有重要意义，之所以称之为执行摘要，是因为它是公司高管的摘要。这些人可能是很忙的人，他们没有时间通读整份报告，仔细检查所有细节。因此，应尽量在执行摘要中列出报告的要点，例如目标、主要数据要点和结论。尽量简明扼要，只包括最重要的部分。如果管理人员仅仅通过阅读执行摘要就能立即理解报告的内容，那么你就完成了你的工作。

还有修改数据分析，尽可能多地修改数据分析，确保以逻辑一致的方式组织信息。避免冗长乏味的段落，使用空格使报告具有美感，以图表形式显示表格信息。最后，始终避免使用被动语态。

原作者： Charlie Kufs

作者简介：Charlie Kufs已经从事数据处理工作超过35年，开始他是一名水文地质工作者，自从二十世纪九十年代以后开始以统计学家的身份工作。他职业生涯的前24年是担任私人部门的咨询师，过去的十年则是作为一名统计学家为美国政府工作。他通过了美国质量协会的六西格玛绿带认证并且拥有许多值得称赞的出版物，包括介绍应用统计的《Stats with Cats》一书。

译者： Tues

如果你正在撰写一份数据报告，那么你必须有心理准备，很多读者会在开始阅读没多久后就失去兴趣。因此，在撰写报告时，思考一下如何激励读者继续阅读。 以下提供五个方法。

1

找到共鸣。 每一种关系都是从共鸣开始的。拥有共同敌人对战或共同的待解决的问题，可以形成最强大和最持久的联系。所以你首先应该在报告中建立的是共鸣。如果您是按照客户的要求进行分析的，找到共鸣并不难。客户已经沉浸在数据中，并投寄希望于您来帮助解决问题。如果你是提供一个不请自来的报告，建立共鸣就没那么容易了。有些人可能下意识地不想要看你提供的报告，特别是你在分析对方的专业领域时。尝试在其他领域建立共鸣。也许你的分析涉及到读者可能遇过的相似或类似的问题。也许分析程序可以用在读者可能遇到的另一个问题上。

2

清除甲板。 摆脱一切不会增加报告进展的东西。这并不意味着你必须省略内容。你可以把它放到一个附录，这几乎是一回事。除非在报告中要求，否则数据，数据收集调查问卷和表格以及清理和分析程序都应该放在附录中。

3

确定基调。 你的写作风格可能增加或减少报告的可读性。正式的表达需要严格遵守语法规则，复杂句使用第三人称视角或被动语态以及丰富的行话、正式语气，这对于大多数数据分析报告来说都是合适的。正式的表达很适合描述细节，规格和分步说明。然而，正式的表达可能更难以理解，特别是对于不习惯阅读技术报告的人来说。简单的语法和词汇，俗语，收缩，类比和幽默的非正式表达对博客来说非常合适。非正式的表达对于讨论想法和概念，鼓励读者或传达愿景是很好的。他们更有吸引力，大多数人更容易理解。如果你有报酬写报告，一个正式的表达通常是比较合适的。这当然是有问题的，因为正式的写作通常比较难以阅读和保持兴趣。

4

添加心灵糖果。 一个由一页一页的文本组成的哈利·波特小说使年轻的和年老的读者几个小时徘徊在书中。数据分析报告也包含一页一页的文字，却在比一小瓶巴比妥酸盐在一盆热水中趁热打喷嚏的时间还短的时间内让读者昏昏欲睡。不同的是，小说通过想象激励读者。数据分析报告需要使用视觉图像，这在很大程度上意味着合适的图表。当然，大多数读者不会理解比饼图或条形图更复杂的任何东西，所以不要增加复杂图表以混淆。三维是一个禁忌。避免在多个类别中绘制数据以避免使切片和条形图变得不可解释。最重要的是，确保你分析解释了图表。你也可以做得更多。用小标题和子弹分解文本。用箱子重申重要结论，而不是让读者迷失在文字中。使用表格来解释数据组中的差异，而不仅仅是数字桶。添加脚注或超链接来解释附属概念。

5

做得更好。 正当你认为你写完了，其实还没有。那时候，你必须做更多的工作才能使报告更好。首先，如果可以，休息一下。然后，再读一遍，边读边改进。如果有需要，可以大声朗读，甚至在朗读时录下来，然后播放，这样您就可以同时进行视力和听力检查。考虑下其他人的意见，特别是如果你不能把这个报告搁置几天，你就不能把它从报告中排除。第二个意见可能来自数据分析同行，但不要忽视非技术编辑。一个好的编辑器可以帮助拼写，语法，标点符号，文字选择，风格和语气，格式，参考和可访问性。这通常是值得的。现在应该是完美的了。

End.

原文链接：http://bigdata-madesimple/how-to-write-data-analysis-reports-lesson-4-get-their-attention/

数据特工介绍

后台回复“ 特工 ”加入我们

《 如何撰写数据分析报告》系列文章

干货 | 如何撰写数据分析报告01篇——明确内容

干货 | 如何撰写数据分析报告02篇——了解读者

原作者：Charlie Kufs

作者简介：Charlie Kufs已经从事数据处理工作超过35年，开始他是一名水文地质工作者，自从二十世纪九十年代以后开始以统计学家的身份工作。他职业生涯的前24年是担任私人部门的咨询师，过去的十年则是作为一名统计学家为美国政府工作。他通过了美国质量协会的六西格玛绿带认证并且拥有许多值得称赞的出版物，包括介绍应用统计的《Stats with Cats》一书。

译者：

菲晓

撰写数据分析报告最困难的部分可能就是完成。它需要自律和坚持不懈。即便如此，也容易分心。有时分析的内容并没有被一直想到；有时分析存在缺陷，需要停下来先完成更多的计算；有时会有太多的干扰来分散注意力；有时写作过程变得无聊，需要付出很大的努力才能继续下去。

写作的阻碍是所有作家要经历的障碍。写作的阻碍可能是因为不知道下一步要写什么，试图写出完美的文章，或者担心失败。任何这些原因都可能适用于报告作者。这里有十个方法来应对写作的阻碍。

1. 坚持训练。

即使你对自己写的东西不满意，也要继续写。完成后，你可以，也应该编辑草稿。尝试确定你的生产力临界点。对于一些人来说，在一天中的某个时间完成一个特定的目标有助于确保你余下的一天是有生产力的。例如，我的生产力转折点正在上午8点开始写。如果我这样做，我会整天写作。

2. 可视化。

如果你之前从未使用过可视化技术，现在是开发这个技能的好时机。方法是闭上你的眼睛，放松一下，想想你想做什么或看到什么。从可视化的角度开始，你要写下的几句话看起来就像听起来一样。最终，你将能够看到哪些段落、部分，甚至是整个产品最终的样子。

3. 逃避完美。

如果第一次写的时候不完美，不要管它。在编写报告的其余部分时让它成熟化。你可以在以后了解更多关于报告的其他部分时重新评估和重写。

4. 类比写。

报告的某些部分，如介绍和总结，变量和其他细节的描述，几乎是标准化化的。同时写入所有相似的部分。在文字处理软件中设置第二个文件，作为重复部分的中转区域。然后，将标准化部分复制并粘贴到报告中，并根据需要编辑文本。

5. 增加大纲。

不要尝试按部分编写报告，请尝试将大纲用作模板而不是详细规划。将关键短语、说明、注释、句子，甚至段落添加到模板大纲中。当你想出写什么的想法时，你可以跳过模板大纲。最终，你可以将这些想法合并成段落，然后再合并到章节中。继续扩展模板大纲，直到它最终成为完整的报告。

6. 通过表和图形。

在开始写入之前创建所有或大部分图表（即表格和图形）。在你的文字处理软件中放置图形，并写出每个图形的文字。然后，返回并填写图形之间的差距。继续加入，直到报告完成。

7. 把它组合起来。

不要试图自己写整个报告，分解成碎片会更有帮助。

8. 设定最后期限。

它有时能帮助实现一个临时目标。设置部分或你必须完成的其他任务的最后期限。使他们具有挑战性，但可实现。

9. 休息一下。

休息使头脑更加锐利。考虑写报告的时间，但要确保你有效利用时间。安排你已经推迟的结肠镜检查、清理车库和油漆房子。去拜访你的朋友，不要只玩视频游戏或观看Netflix。

10. 做一些不同的事情。

如果你的日程不是工作，请尝试做一些不同的事情。如果你因为紧张而一无所获，那就去做别的事情或者休息一下。如果因为懒惰而一无所获，请尝试研究。如果因为写作困难而一无所获，请将图形或附录放在一起。如果因为拖延而一无所获，请问问自己为什么。

数据分析报告是通过对事物数据全方位的科学分析来评估其环境及发展情况，为决策者提供科学、严谨的依据，降低风险。

要注意四大原则，规范性-业内专业术语，重要性-选取关键指标，谨慎性-真实完整科学可靠，创新性-新的研究模型和分析方法。

数据分析报告三大作用，展示分析结果，严重分析质量，提供决策参考。

数据报告常用套路请看下文：

一 、基础分析指标

1 平均数：算术平均数，即一组数据的算数平均值，代表总体一般水平，掩盖总体内各单位差异。

2 绝对数：客观现象总体在一定时间内，地点条件下的总规模，总水平的综合性指标。

3 相对数：两个有联系的指标对比计算而得到的数值，用以反映客观现象之间的数量联系程度的综合指标。基本公式= 比较数值（比数）/基础数值（基数）。

4 百分比：相对数中的一种。

5 百分点：不同时期以百分数的形式表示的相对指标的变动幅度。1个百分点=1%。

6 频数：一组数据中个别数据重复出现的次数，是绝对数。

7 频率：每组类别次数与总次数的比值，代表某类别在总体中出现的频繁程度。，是相对数。

8 比例：在总体中各部分数值占全部数值的比重，反映总体的构成与结构，是相对数。

9 比率：不同类别数值的对比，反映一个整体中各部分间的关系，是相对数。

10 倍数：一般表示增长或上升幅度，不用于减少或下降，是相对数。

11 番数：指原来数量的２的Ｎ次方倍。翻一番是原来的２倍，是相对数。

12 环比：与前一个统计期比较所得的数值，反映事物逐期发展的情况。

13 同比：与历史同时期进行比较所得数值，反映事物发展相对情况。

二、常用表达术语

1) 现状：

数据显示。。。

数据同时表明。。。

从图表可以看出。。。

据。。。报告数据显示。。。

显然。。。不难发现。。。

基于。。。我们判断。。。

研究发现

值得注意的是

综上所述

2）对比

环比、同比增长、下降

相对较好（高）、较差（低）

相比明显增长/略微下滑

数据增幅、降幅达

进入高速发展期

月均增长

与目标的差距主要体现在

离目标进度还有。。。差距

排名前三。。。依次为

对比来看。。。增长不足。。。后期表现乏力

3）构成

市场占有率达

主要集中在

数据呈。。。分布

其中。。。主要是。。

4）趋势

从上表/图可以看出

对比数据可得

趋势平缓、回落

数据呈上升趋势

5）原因

数据上涨/下跌的原因如下：

主要原因包括：1）2）3）

主要因。。。引起

6）预测

保守预测、估计

如果按照。。。。的速度发展。。。预计（预估）。。。能完成（完不成）

7）建议

有分析得出，需要改善的地方

未来需要优化/扩大的地方如下：

后期应着重

建议一方面。。。另一方面

建议。。。以期达到。。。目的

提高。。。改善。。。缓解。。。最终

三、总结

只有明确分析的目的，才能写好分析报告，套路常常有，用心才最重要！

欢迎关注“云途数据”，回复关键词“产业报告”，免费下载《2017大数据产业报告》

首先说下，找网络上的行业报告的用途是什么？

如果是for公司的战略决策，或者产品方向，市场策略，产品设计，广告定价，投资，任何方向，不同的部分不同的人对行业报告的深浅度需求不一致。所以会需要不同层次的行业报告。

另外，行业报告良莠不齐，需要有一定的经验和对行业的理解来判断，而且不同行业报告的口径不一致，可能导致结论对接不上，所以在行业报告的选择和使用，解读和判断上也需要一定的经验和专业技能，否则引用臆断的行业报告结论来做出判断，危害巨大。

最后，行业报告的材料都是偏行业性质的，比较大范围和大规模，不一定适用本公司的具体情况。在获得大概的了解后，最好结合案头研究（行业报告），定性和定量的的研究来辅助定位问题和寻找解决方案。

好了，大概说下互联网行业报告大部分在哪里看

一，国内咨询机构网站数据报告列表

艾瑞研究（互联网行业报告，包含移动端和PC端的月度活跃和日活跃）199IT互联网数据中心（所有行业报告，内容很多，支持搜索）中国互联网络信息中心（CNNIC数据可以当作互联网人口普查基础表来看）友盟+（参考）DCCI（参考）北京赛诺市场研究有限责任公司（智能机出货量专业统计）中国信通院（国家智能机出货量的官方统计）TalkingData（行业报告可看）爱媒网（行业报告可看）dataeye（手游报告）ASO100（APP数据ASO优化IOS榜单查询）艺恩网（提供娱乐行业报告）旅游圈（旅游行业报告）

二，国内互联网公司数据报告网站列表

讲座PPT（腾讯大讲堂）

腾讯大数据（腾讯云数据分析出来的行业报告）百度开放服务平台（百度云数据分析出来的行业报告）阿里研究院（阿里行业研究报告）

腾讯MXD（移动互联网设计中心）网易UED（用户研究报告）优酷网络视频数据报告PPTV指数行业报告（PP指数 PPTV聚力）91手机资讯行业报告（提供安卓苹果等智能机行业报告）

360研究报告（360应用商店等产品出品报告）企鹅智酷（腾讯出品行业报告）

三，企业信息报告

新三板在线（各行各业的新三板上市公司财务数据，高管数据等）

企查查（查询企业产品，品牌和法人信息）天眼查（同企查查）SEC（美国上市公司年度财务报告）巨潮资讯（中国上市公司季度年度财务报告）

四，投资机构的统计网站（创业方向选择，投融资选择的时候用）

IT桔子（中国创业公司投融资数据和报告)

天天投（创业公司数据库）Fellow plus（投资人列表和支持数据库查询）CBI insights（旗下一系列产品，包括公司的估值，独角兽公司列表也包括公司估值下降趋势）PrivCo（美国金融数据公司，主要关注未上市公司的所有投融资资料，包括全世界）东方财富网（国内卷商的行业报告，策略报告，可以筛选行业，筛选报告类型）慧博投研咨讯（投资研究报告数据平台证券，股票，卷商，行业，公司，投资分析等研究报告）

先介绍日报的自动化。一般日报都较为简单，主要是通报企业运营的一些关键指标的完成情况，通报的指标、内容都基本固定，所以可以把日报模板化、自动化。日常工作中，制作日报的流程大致是这样的：首先、登录公司数据库提取数据，并复制到Excel中进行相应的处理及绘制图表，然后再把绘制好的图标复制到Word文档中，编辑通报正文，最后以邮件正文的形式发出。其实这样一个过程可以完全实现模板化、自动化。

Excel日报自动化原理如下：

通过VBA语句，从数据库自动提取前一日相应的关键指标数据，并自动追加到一张名为“数据源”表中的对应位置，实现一键自动提取数据；在数据转化区中，根据指定的日期条件，动态引用“数据源”表中的相应数据，并自动绘制图表、组合通报文字；在日报正文区中，引用相应的组合好的通报文字与绘制的图表；通过控件选择需要通报的日期，并自动生成相对应日期的日报文字。

下面以“用户明细”、“订购明细”表作为日报数据源，介绍Excel日报自动化的实现。

1、确定报告的分析框架。不论是专题分析报告，还是月报、周报、日报，每份报告都需要有层次清晰的分析框架，以便读者一目了然、正确、快速地理解报告内容。可以使用之前介绍的“5W2H分析法”确定思路、搭建分析框架。

2、建立数据模板。一个良好的数据规划习惯，不仅可以令数据井井有条，而且能降低数据处理的复杂程度，节约数据处理时间，提高工作效率。建立数据模板、实现Excel日报自动化，需要准备三张表：

“数据源”表：用于存放每日通报所需的关键指标数据；“数据转化“表：用于动态引用”shujuyuan “表中的相应数据，并进行相应的数据转化，最后自动绘制图表，组合通报文字。”日报正文“表：根据分析框架，组织引用”数据转化“表中相应的组合好的通报文字与绘制好的图表，并呈现日报。

首先，建立日报所需的”数据源“表，把日报需要通报的关键指标都整理进来，如图：

接着，建立”数据转化“表。这张表用于动态引用”数据源“表中相应的数据，并自动绘制图表，同时进行相应的数据转化、以及通报文字的自动组合。通常情况下，”数据转化“表主要有图表数据区、柱形图、通报数据区、通报数据转化区、通报正文区、日期下拉控制控件六大要素组成，进一步可归纳为控件、图表、文字通报三大类。

2.1、控件控制

在【开发工具】选项卡中，插入【表单控件】中的【组合框】，通过拖拽可绘制出一个下拉框。右击【设置控件格式】，设置

”数据源区域“为”数据源!$B$5:$B$126“，设置”单元格链接“为”数据转化!$F$2“，这样，”数据源“表中的所有日期，都可以在下拉组件中显示出来。

2.2、数据动态引用

用鼠标选中”数据转换“表中A3：E6单元格区域，单击【fx】插入函数OFFSET

OFFSET函数以指定的引用为参照系，通过给定偏移量得到新的引用，返回的引用可以是一个单元格或单元格区域，并且可以指定返回的行数或列数。在函数对话框中，进行以下设置：

设置完函数参数后，按【Ctrl+Shift+Enter】组合键，即可得到根据空间输出数值调用的数据区域。

2.3、文字通报组合

图表数据动态引用以及图表绘制完成后，接下来需要组合通报文字了。我们需要准备”通报数据区“、”通报数据转化区“、”通报正文区“三个数据区域。

”通报数据区“与”图表数据区“作用类似，就是实现根据控件所输出的数值去引用相应的数据；”通报数据转化区“就是将”通报数据区“转化为所需要的文本格式，并在各数据之间插入相应的连接词语，以便下一步进行文字的连接组合；”通报正文区“就是将”通报数据转化区“已转化好的数据连接词语，一次连接组合起来，形成一段完整的通报征文。

通报数据区的数据引用和设置如下：

当日、昨日数据可分别直接引用”图表数据区“B6:E6、B5:E5的数据；环比数据可通过公式”当日/昨日*100%“计算得到；累计数据则需要采用VLOOKUP函数根据控件输出的数值，从”数据源“表匹配相应的数据，匹配公式为：=VLOOKUP（$F$2+3,数据源!A:H,8,0）。其他累计公式以此类推。

通报数据转化区的关键，就是数据的文本转化：

根据数值大小，将的那个日、累计数据转化为带有相应单位的文本数据。例如，订购用户数28284转化为订购用户数2.8万，可采用TEXT函数；将环比数据进行文本转化，需要先对环比数据取绝对值，然后再进行文本转化：”=TEXT(ABS(L4),"0.0%")“;用if函数对环比数据进行判断，根据结果相应赋予”上升、下降、持平“的文字，例如”=IF(L4>0,"上升",IF(L4在各个转化后的文本数据之间加入连接词语，为下一步通报征文连接组合做准备，使其形成一句完整的通报正文。

通报正文区就是将”通报数据转化区“已转化好的文本数据及连接词语，以此连接组合起来，形成一句完整的通报正文，我们可以采用CONCATENATE文本连接函数或者”&“文本连接符进行连接，如果需要连接的单元格较多时，建议采用CONCATENATE文本连接函数，这样做简单方便会计，不易出错。

3、建立”通报正文“表。整理好”数据源“表与”数据转化“表后，接下来就需要把每条通报征文与图表一一对应起来，按事先拟定的分析框架进行整理。

新建一张工作表，并命名为”日报正文“；在A1单元格处输入通报标题，合并A1：H1单元格，并设置字体大小及排版大小；添加日期下拉输入空间，可直接复制”数据转化“表中已设置好的下拉控件；输入、设置通报正文，例如在B4单元格输入”一、用户规模“，在B5单元格输入”=数据转化!I18“，将新增用户数柱形图复制到B5单元格所在的行的下方，图表数据会随原图表数据的更新而更新，其他正文的设置也如此；可隐藏通报正文范围外无须用到的单元格区域，例如要隐藏I列及其以后的列，那么用鼠标选中I列，同时按下【Ctrl+Shift+左箭头】，并单击鼠标右键，选中隐藏即可；如果希望隐藏行、列标题，可通过【文件】-【选项】-【高级】,找到【显示行和列标题】的复选框，去除勾选即可。

最后效果如下：

作者：冯大福

来源：说说数据分析那些事儿

大数据，这个被炒烂了的概念，现如今已被人工智能替代。我们先不讨论人工智能，就大数据而言，我们都是在强调它的技术，例如网络热词：hadoop+spark，data mining。而我们在用大数据时候，经常神话它的影响。例如，广告投放精准化，社会安全管理有序，医药行业智能化等。

当然这些是我们的畅想，同时确实也离不开数据分析影响，但是我们有没有停下脚步去想一想，到底大数据怎么去落地呢，怎么去分析？怎么利用数据来去使企业做出决策，例如：广告投放精准化？

1

我们了解什么叫大数据分析吗？

麦肯锡给大数据定义：

“一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。”

基于我对以上定义的理解，我总结的大数据分析就是，将获取的数据打通、整合、找寻规律，立即得出决策信息。

数据获取

我总结的数据源可分类三类：

（1）一方数据：用户事实数据

例如用户在某金融机构购买的理财产品，时间、哪个出单口、姓名、电话等，或者运营数据，例如某互联金融app，用户操作行为数据。

（2）二方数据：其实这部分叫做广告投放数据

例如，广告展示量，活动页点击量，广告来源等。也有公司将这部分数据作为第三方数据，因为有些广告监测公司会利用此数据和人群数据整合构建自己dmp这样的公司一般宣称为第三方公司，三方数据。

（3）三方数据：行业数据，也叫公开数据

例如行协的数据，或者互联网行为数据，例如某互联网公司用户在此网站的行为数据，或者嵌入sdk的app后我们能采集到的安装活跃列表，以及可采集到线下数据。

打通：其实就是利用关键点的采集整合一二三方数据。例如我们可以通过手机号将一方和三方数据整合，或者利用cookie，或者imei号等将二方、三方数据整合。但是由于现在监管制度对手机号敏感数据的控制，以及互联网和移动端数据的跨平台打通技术难点，我们现实的匹配率很低，例如一方和三方的数据匹配达到20%其实就算比较不错的情况，当然运营商数据除外。

找寻规律：目标就是数据清理，从非结构化数据变成结构化数据，以便统计，数据探索，找寻规律，形成数据分析报告观点。本文将会在第三部分阐述。

立即决策：将数据分析报告中的观点系统化或产品化，目前而言，大部分公司还是会依靠人工决策。

为什么需要大数据分析？看上去大数据分析似乎按照这些步骤来，但是从第一步的数据源来说，其实已经反应了大数据的特点，就是杂乱无章，那么怎么从这些数据找寻规律，分析的内容和目标是否对应上，似乎就是我们需要大数据分析的理由。

现在，大数据的分析通常采用的数据报表来反映企业运营状况，同时，对于热点，人群分析，我们看到的统计值，目标核心都是用数据分析报告提炼的观点来指导运营，那么问题来了，怎么用数据分析来指导数据决策呢？

2

数据分析的报告思路

（从移动端的角度进行切入）

基于我对数据分析的理解，我将数据报告会分成三大类：市场分析、运营分析、用户行为分析。

市场分析

由于市场分析一般而言是定性、定量分析，最近热播剧《我的前半生》贺函和唐晶的职业就是来去咨询公司的一般会以访谈、问卷调查来一份市场分析报告去告诉客户他们的市场占有量，消费者观点等。

这里，我们以移动互联网数据的市场分析为例，通常来说，数据源是公开数据，或者在第三方数据。正如我们所讲，将sdk嵌入开发者应用，就可以收集到安装以及使用列表，那么开发者使用的sdk越多，我们能收集的数据源也越多，这样就可以形成安装app排名，使用app排名，这里面所说的覆盖率、活跃率也是这个意思，例如：即此款应用安装量、使用量在整体金融类的安装量、使用量占比。

那么，这些市场分析的作用呢，一般而言，是对公司市场营销的总结，比如某金融公司kpi是为了获客，他们做了一系列营销，下个月排名我们可以查询到此款应用的安装量，是否较上个月上升呢？ 那么我们的竞品表现呢，他们是不是也做了一些列的营销活动排名上升下降？我们都可以通过市场分析、竞品分析来观测，但是这部分的观点由于是市场数据，我们只能通过大量的搜寻官网活动，或者互联网广告推测营销来推测是否竞争对手排名上升和这些营销活动有关。

同时，根据市场的走势图，我们能发现潜在的竞争对手，例如：我们能看出下图中的工商银行由于手机属于高覆盖高活跃组，即安装xxapp活跃人群也是最高的，因此，无疑xx银行是所有银行组潜在竞争对手。需要更加注意他们的市场策略。

运营分析

移动互联网提出的方法论：3A3R，笔者之前在做咨询的时候，此方法论也可以将网站分析套用，总结来说3A3R就是：

感知 → 获取 → 活跃 → 获取 → 营收 → 传播 → 感知

这里需要注明下，运营分析只是一个公司的baseline，让产品经理、运营人员、市场人员根据自己本公司的数据参考做出合理的决定，同时，运营的数据只是参考或者叫警示，若要具体，需要特定细节的分析，例如是否app改版，怎么改？需要增加哪家渠道合作？

（1）Awareness 感知

根据广告投放数据进行分析，目的判断渠道广告页对app 或者网站引流情况，同时可以帮助广告主设计监测表格，以数字角度衡量广告投放效果。

但是，广告数据一般而言在广告监测公司手中，或者公开的使用工具上例如GA，我们需要依靠广告公司设计营销环节，例如活动页，加监测代码，或者在媒体、app应用商店加入代码便于监测广告表现，而往往这样的数据很难加载，一般是由应用商店，或者媒体提供，同时，以上数据，监测公司数据一般而言也不会提供给广告主，只是会提供统计值。

言归正传，我们看感知数据其实目的就是想衡量我们的大量的营销投放钱花的对不对，广告的展示量、点击量等是最好衡量一个公司的广告市场部门绩效，没有广告投放，就无法带来获客，因此钱花的值不值，能带来多少客人，才会有下一步 acquisition。

（2）Acquisition 获客

获客是第一步广告投放拓展，用户点击广告后到达应用商店或者着陆页后去下载app，访问网页后，登陆app后的数据是广告公司或者应用商店提供不了的数据，因此获客其实有两重目的。

目的1： 衡量第一步提供的数据是否准确，即是否渠道作弊

目的2： 判断渠道是否好坏

目的3： 判断营销活动是否有效

例如下图中，我们发现4成用户是搜索流量较上个月增加了6%，是不是我们需要增加和sem的合作呢？而在媒体引荐渠道中，我们通过渠道衡量客户转化率，点击-用户激活的，激活的注册转化，可否重点对某应用商店增加合作。

下图是目的3的应用，来衡量三个月内的新增用户，活跃用户是否受活动营销、广告投放、版本更迭等影响。例如：7月28日的版本更迭，增加新用户的利器，那么产品经理需要分析下这个版本到底哪里的改变，让用户增长这么快，而8月份的营销活动会唤醒沉睡用户，反应考核运营人员的绩效，那么，是否我们在做促活时候可以借鉴8月的成功经验呢？而这个成功经验需要进一步做专题分析。

（3）Activities 活跃

获客后，我们想看看我们的新增、活跃用户的表现情况，那么就到了第三步 活跃，其实就是为产品经理改版app或者页面提供数据支持。

活跃分析可参考以下三个步骤：

第一：从页面浏览次数，独立访问人数，来圈定主要页面分析。

例如某款app首页是pv，uv最高，我们会重点分析首页。

第二：根据圈定页面，制作点击热力图，便于产品经理对后续页面改造提供数据支持，例如我们可以将点击量小的按钮在下次改版删除，对点击量大的重新排序。

第三：根据圈定页面，制作点击热力图，便于产品经理对后续页面改造提供数据支持，例如我们可以将点击量小的按钮在下次改版删除，对点击量大的重新排序。

（4）Retention留存分析& Revenue & Refer

这几个实际上在企业运用的并不多，这里简要说明下。

① Retention

用户积累到一定数量后，我们想看下用户粘性，那么我们就来到retention，一般是衡量活动效果时候运用的比较多，来看此次活动过后，是否用户依旧会使用我们的app，但是由于金融app属性不会像游戏应用每天进行访问，因此Retention 在实际应用中不会太多，下面的例子是个展示，不做赘述。

② Revenue

这些留下来的客户给公司贡献多少现金呢？会看收入步骤， 一般公司不会将现金流数据放入在统计平台中，但是我们需要提出用户贡献的流水金额数据供我们使用，便于人群划分，例如下面简要分析：

Refer 传播：

最后，我们想让这些客户进行传播；核心是口碑营销，即用户自发的转发给其他用户链接，让他们下载app或者参与活动，因此传播的下一个环节又会转换营销，但是传播会受到很多限制，例如没有奖励机制的口碑传播，几乎转发量为0，同时，传播若要衡量比较困难，尤其在大量互联网用户基础上，这样会造成资源代码叠加，系统负担，因此一般企业也不会设计这样活动让营销人员参考。

用户分析

若说大数据分析的核心，其实就是在于用户分析，正如我们前面所讲，用户分析的步骤流程如下：

即在力所能及的搜集数据范围内，打通数据，客户用户，精准营销。

第一，我们可以筛选的条件列表，我们可以通过应用条件，位置，标签条件将数据整合，整合的目的就是刻画客户，定出营销策略。

例如：我们想筛选金融客户（应用条件筛选），出现在五星级酒店（位置条件），且为母婴人群（标签）。

但是需要注意的是，条件越多，用户轮廓越清晰，人群会越少。

第二，根据筛选的人群，我们将线上/线上统计化，或者建模多维度分析。

例如，我们根据筛选的人群，发现男性多于女性，苹果手机属性最高，常手机工具使用，那么我们可以将这部分目标人群用增加手机工具合作，或者和苹果合作获客或者促活。

第三，整合以上数据分析，形成人群画像。

【教你写好一份数据分析报告】1、好的框架；2、每个分析都有结论且要明确；3、分析结论要精且要基于紧密严禁的数据分析推导过程；4、可读性；5、图表化；6、逻辑性；7、基于可靠的数据源；8、一定要有解决方案和建议方案；9、不要害怕或回避“不良结论”；10、要感谢。

版权声明：如涉及版权问题，请作者持权属证明与本网联系

来源：电商报