第二届图像计算与数字医学国际研讨会（ISICDM 2018）虽已告一段落，但本次大会所带来的信息，仍值得深思与回味。

医工交叉与产学结合，这两个由来已久的问题随着人工智能的兴起，让医学影像分析面临着全新的机遇与挑战。

隔行如隔山，这对IT界和医学界来说尤为贴切，当双方团队共同打造一个产品时，面临着话语体系不同、评价方式不同、谁来主导等诸多问题。

目前这个市场还处于初期，各路玩家相继入场，产品仍处于科研摸索期。

在此大环境下，电子科技大学李纯明教授作为ISICDM会议的发起人和程序主席，汇聚了理、工、医三方知名专家，力促人工智能+医学图像的进一步研究与应用落地。

电子科技大学李纯明教授

会上，众多专家指出，目前企业开发的医学影像AI产品，离临床实际应用还有一定的距离。

其主要体现在两点：一方面是工程技术尚未成熟；另一方面则是产品开发者对临床需求的理解和认知有限。

首先，深度学习的不可解释性和调参难题仍未被实质性地解决，甚至研究成果的可重复性都时常被质疑。算法和软件的性能稳定性和鲁棒性在理论和应用实践上均缺乏有力的支持。

而上述问题的本质是，由于科研人员做的研究总体偏工程，较为缺乏原创性和突破性的基础研究，导致工程技术开发正在进入瓶颈期。

十分注重理论基础的李纯明教授深感基础研究的重要性，因此在会议中加强了数学理论与方法的内容，邀请了国内著名的优化理论与算法专家何炳生等数学领域的专家做了图像科学的数学理论与方法系列讲座。

此外，李纯明教授也特地安排了“临床医生谈需求与挑战专场”和“医工交流会专场”，聚集众多医生与工科人，共同探讨临床问题的技术解决方案。

为了更加全面地促进理工医深度融合，整个大会在3天内共设置了24个主题专场，100多位海内外知名讲者向与会者分享了他们的最新研究成果以及对理工医交叉的看法。

雷锋网作为两届ISICDM的独家媒体，透过这两年的报告内容，总结出以下四个趋势：

深度学习遭遇瓶颈，基础理论研究成热点

罗切斯特大学罗杰波教授

ISICDM期间，Baba Vemuri、罗杰波等嘉宾公开指出，利用大量标注医学图像数据做训练，这并不是一种长久的研究方式。

首先，由于隐私问题，目前医院方不太可能开放出太多高质量的数据供开发人员训练和使用。与此同时，深度学习的不可解释性，无法循证，这在解决医学问题当中非常受限。而这两项也严重制约了医学影像分析的发展。

因此，开拓基础理论研究，而非单一在数据上解决问题，成了学者们新的征途。

四川大学华西医院步宏教授曾在第一届ISICDM大会中指出：医生应用AI，最怕的就是别人对我们说，你们什么都不用管，只要给我数据，我就一定能做出成果来。这类人我遇到很多。医学并不是一门纯粹的科学，还涉及很多人文、伦理等因素。理工科的人也许认为，只要把数据给他们即可进行训练模型。但医生还必须考虑哪些信息必须隐去，因为涉及到伦理。

“很多医生也在做人工智能方面的研究。我的学生也经常看理工科学者发表的论文，他们有时候会拿着论文跑过来对我说，‘老师，你看！这篇论文连基本的医学常识都没有。是不是该给它加一个医学的reviewer呢？’如果真的这么做，很多论文其实根本发表不出来。论文成功发表并不代表取得了成果，只说明在你reviewer的知识范畴中这种方法是可行的，实际应用到临床当中，就会暴露很多问题。”

“矛盾的核心在于，理工科学者和医生之间的联络太少，我绝不相信随便拿一堆片子就能做出研究成果来。”

除了医学图像数据的特殊性外，深度学习本身也存在诸多弊病。

2017年，雷锋网赴夏威夷参加CVPR期间，明显感受到了基于深度学习的计算机视觉技术研究已进入瓶颈。

CVPR会场上，港中文-商汤联合实验室主任林达华教授曾向雷锋网介绍到：“今年并没有一个特别让人兴奋、惊喜的成果出来。”包括「Densely Connected Convolutional Networks」等最佳论文在内，我们看到了很多不同的网络设计的想法和切入角度，这些扎实的工作推动了现有体系、架构的一步前进，但是，却普遍缺乏一个fundamental breakthrough。

如今似乎是有新的成果诞生但又有所停滞的状态，虽然各种思路百花齐放，但是很多核心问题都尚未取得新的突破性进展。”

今年Baba Vemuri和林达华教授的观点相似，两人均提到了fundamental这个词，意在表明多数学者更多停留在工程问题，而非基础学术问题层面。

现在的深度学习其实是一个有问题的框架，多用大数据和很多标注数据来训练，这在过去几年很成功，但不代表是正确的方向。当前计算机视觉的系统是一个（特征为）training system的训练，而不是一个learning system，我们要从training system变成learning system，让机器主动，并结合数据的结构、时间空间结构去学习，而不是被动地用人工训练来标注它。

徐立曾向雷锋网介绍到“现在，基础研究不能丢，才能带来足够的时间窗口。AI的发展需要产业和研究相结合，以定义问题，解决问题。”

在大家聚焦于data set的大环境下，ISICDM却逆潮流而上，连续在两届大会中设置了数学以及基础理论的分论坛，意在让更多工科学者站在理科的视角去重新看待问题。

现场情况也印证了工科学者对基础理论的热枕。

大会报告嘉宾南京大学数学系教授何炳生向ISICDM大会程序主席李纯明感叹道“我完全没有想到自己的报告会有那么多人来听讲，开讲前座位就已经被占完，后来的人只能站在会议室门口。台下听众大多是研究生和教授。一般在会场作报告，都是PPT讲解演示。但PPT演示的效果哪里抵得上教室加黑板？所以我让会务工作人员在演讲台上给我加了块可以写字的白板，我在上面用黑笔写公式推导。总共讲了一个半小时，下面不少人站着听了一个半小时。你可以看到，他们往白板越走越近，一是因为挤，二是因为真心想学。”

医生需求仍旧难以满足

众多医生谈到，首先，人工智能在医疗领域的应用必须充分全面，不能只针对单一场景。因为医疗的对象是人，人的生命只有一次，一旦犯错就无法弥补。

以肺部为例，开发AI系统的工作人员开发出来的系统不能只会检查肺部，还要确保其他地方不出问题。现有的肺结节筛查系统大都只重点关注肺部，但医生在检查期间仍需要观察软组织、纵膈有没淋巴结肿大。此外，还要观察骨骼是否有转移或其他病变，所有场景和情况都要考虑进去。

有些影像，有经验的医生一看就知道是胰尾有问题。但当时医生由于只看了肺部，没注意其他部位，就漏检了。如果AI系统只是针对肺的检测，估计也不能检出胰腺的病变。

这对AI来说既是机遇也是挑战。未来我们能否用AI帮助医生发现上图中的病变呢，即使无法诊断，能对医生进行提醒也是好事。

广东省人民医院影像医学部主任兼放射科主任梁长虹

与此同时，梁长虹、王霄英、陆菁菁等医生谈到，AI不能单单作为第三方独立产品存在，而应该嵌入在工作流程中才能最大程度地发挥它的作用。

AI医学影像如何嵌入在医生流程中，最重要的一点便是每一步都可解释，每一个问题都能够定义正确。

此外，医疗人工智能产品不仅要输出一个辅助诊断信息，还应把多模态的临床信息结合进来，辅助临床医生做出决策。

获得监管审批，仍是一场“持久战”

在ISICDM大会中，中检院等机构也谈到了医学影像AI产品的监管流程和监管现状。

AI技术在NMPA过去批准的产品中其实已经有所应用，但深度学习是一项新技术，需要从风险的角度界定它是二类器械还是三类器械。出于谨慎，中检处倾向认定其为三类器械，但随着对深度学习技术有更多认知，也不排除会将其列入二类器械。目前，我国对医疗AI产品的分类界定仍是个例处理，缺少统一的标准。

为了应对新版《医疗器械分类目录》，国内大部分企业采取增删诊断功能的办法， 将产品同时申报二、三类器械。上工医信等多家企业已经率先获得了二类证书。据中检院披露，目前一共有40多款产品到中检院报检，雅森科技、汇医慧影、图玛深维、推想等都在积极申报三类证书。

我国的医疗器械注册流程分为注册检验、临床评价、技术审评、行政审批四大步。目前，申报三类器械的医疗人工智能产品大多还停留在注册检验阶段。

FDA认为，真实世界数据和回顾式临床数据可用于AI产品的评价。在这点上，中美两国的认识是一致的。

另外，AI具有快速迭代的特性，从研发阶段、注册上市、上市后到产品变更，质量评价应该贯彻它的整个生命周期。

中检院目前主要是采用基于标准数据集的测试方法和模拟对抗的方法进行AI产品的质量评价。

基于标准数据集的测试方法，其总体思路是在模拟临床的条件下评价AI算法的性能，减少对临床试验的压力，降低质量评价的成本，同时加速产品上市。

这对标准数据集提出了很高的要求，既要考虑数据的合规性，又要保证数据容量充分、具备多样性，标注过程严谨、可追溯等。

中检院目前已经与多家医院和企业合作初步完成了眼底和肺结节两个病种的标准数据集建设。

作为标准测试集评价方法的补充，中检院在AI产品的质量评价过程中也用到了模拟对抗的方法，以扩充样本量和模拟真实世界的波动。比如，中检院通过控制变量的方法对机型以及压缩、平滑、背景填充等预处理算法对AI产品性能的影响进行了研究。

对于医疗AI产品的审评，未来将分两步走。

第一步需要制定出相关指导原则和标准，把检验、检测标准进行统一，第二步才开始对达到标准的产品“放行”，部分符合条件的，或许可以被批准免去临床试验。据悉，中检院已经成功申报了标准化归口管理单位，正在公开征集专家组专家，规划布局AI产品质量评价的标准体系。

种种迹象表明，医疗AI企业离获得三类证还有一段距离，企业或许不得不做好打“持久战”的准备。

学术大牛涌入工业界

北卡罗莱纳大学沈定刚教授

去年的ISICDM大会期间，施俊教授与沈定刚教授在晚宴中聊到一个话题，后者问前者：“你在学术界做研究，能做得过工业界吗？深度学习把门槛拉得很低，你能做的AI影像方面的研究，任何一家企业都能做。人家钱比你多，投资速度比你快，你做出成果的时候，人家早已经产品化了。”

去年的一句玩笑话，却在ISICDM的多个嘉宾身上逐渐成为现实。

一个月后，沈定刚正式宣布出任联影智能CEO；中山大学陆瑶教授创办柏视医疗，随后也引入IEEE Fellow徐晨阳；罗杰波教授也出任腾讯优图顾问。而在近期，Dimitris Metaxas与张少霆师徒二人加盟商汤科技。此外，邢磊也在早期出任汇医慧影首席科学家。

而在这个学术界与工业界互相融合，也同时相互竞争的大时代下，德国Surpath Medical创始人谢卫国在2017 ISICDM中总结了这么一句话：我认为学术创新一定是高校先行，工业界看到可用的学术成果后才推动产品化。以西门子为例，他们有一个庞大的团队专门负责收集专业的期刊。如果一项创新已经在论文上发表了，学术界千万不要再去追赶潮流，因为肯定会被企业碾压。企业和学术界的驱动力不一样。在高校做研究，发不了论文大不了不评教授，企业如果盈不了利则关乎生死存亡。

编者按：这是一篇介绍如何制作图表的文章，作者是Amazon战略规划部的第一位分析师Eugene Wei（后来还担任过Flipboard、Hulu的产品负责人，Oculus的视频负责人），原文标题叫做《Remove the legend to become one》，意思是删掉图例成为传奇，因为在英语里面legend有图例和传奇的意思。简单来说，这篇文章介绍了一段经历，一套经验和一本宝书。是一篇告诉我们如何制作出好看的图表，更重要的是如何通过知识追求真相的非常实用的文章。

第一部分：经历

我的第一份工作是在Amazon开始的，在战略规划部当第一名分析师，接手做Analytics Package的工作。特意大写是因为这既是一项严肃的工具能让我们的业务明晰，也是因为其月复一月的制作工作统治了我整整1年多的生活。

1997年那时候，分析甚至还不是一个真正的词。我知道是因为试过找术语，希望澄清我要做的东西，但却找不到，字典里没有，互联网上也没有。回想起你刚开始成规模地使用互联网之时一般搜索引擎返回的结果数之少你就会意识到自己已经老了。那时候智慧还隐藏在新闻组，Yahoo还要靠手工去组织web目录，而很多的Google搜索返回结果寥寥无几。那时候如果俄罗斯人想要干涉选举的话，他们可能会植入一些故事到rec.artsics里面然后挑拨几个极客，但也就只能这样了。

尽管他找不到那词的定义，但是猜它是什么并不难。分析的某种名词形式。不仅如此，Analytics Package本身已经不言自明。真的。它会附带一页纸的附言，总是有一段简短的序言阐明目的，然后再跳到一段内附信息的文字摘要，形式跟论文摘要差不多，或者一封致股东信。我想贝索斯多年后创立的著名的公司政策，也就是支持写文章禁止PPT的做法，也许在那时候的Analytics Package附言那里找到一些起源。它们的启发是一样的：如果你没法用书面语言解释清楚某个东西的话，你自己是不是已经真正理解了呢？

我的面试流程最后一环用了1个小时，面试官是当时招聘的负责人Ryan Sawyer。经历了几乎包括所有资深高管以及贝索斯和Joy Covey等我这辈子预见的最出色的人的重重挑战之后，我以为最后这一道免不了的HR面试关不过是走走形式罢了。但那时候Ryan让我用他能够理解的方式解释一个我能理解的最复杂的东西。权当是给我的工作热热身。

Analytics Package都包含有什么，以至于需要书面解释？图表，一页页的图表，有关Amazon业务方方面面的图表。收入、时评、营销、运营、客服、人员编制、G&A、客户感知、市场渗透率、客户生命周期价值、存货周转率。通常一页纸4张图，横向布局。

Package这个词似乎有点累赘如果Analytics本身是名词的话。但如果你见过其中一个的话，你就会知道它为什么叫做Package。1997年我到Amazon时，Analytics Package大概是30到50页纸的图表。1年后，我转做产品管理时，它已经膨胀到100页了，此外我还在做一份有关客户订单趋势的不行报告。Analytics也许是指可交付的分析或者分析的实践，但Analytics Package在分量上就像电话簿，或者Restoration Hardware五金公司的目录。

那时候公司还没有把精力集中到开发内部仪表盘和分析工具上面，所以Analytics Package是用我们今天标准看来根本不入流的东西做的。我手工把数据录入Excel表，生成图表，调整布局，然后再打印成册。

这整件事最糟糕的部分之一是搞正确页码。Analytics Package背后是整整一个目录的链接电子表格。由于不同的图表来自不同的工作簿，我必须把整个Analytics Package都打印出来，排好序，然后再通过某个晦涩的打印设置菜单手工插入页码。总之，确保分页按照预期就像是拆除炸弹一样。

时至今日，公司都是平板电视挂在墙上，24/7不间断地展示着各种图表。其中大多数都不为人所关注。随时保持透明度的主旨没有错，但对人性的理解不是。我们无视那些随时可见的东西。然而，如果一个月一次把一大摞图表扔到你桌面，再加上概括结果的一封附言，并且如果CEO和你的同事都会在同一天收到同一份报告，同事报告里面该包含有你那部分业务的运营情况的话，你一定会留意的，就像任何人都会注意看一本有关自己公司的书的索引有没有提到自己一样。仪式很重要。

报告会发给全公司的资深经理。一开始资深的定义是根据职级，但就像职场大部分事情的走势一样，谁又被增加到分发表里面变成了一个月度竞争的来源。有人可能怀疑这是我的想法，因为分发表是我来制订的，但其实我关心这个是因为每个月我都得打印和复印纸质版。

现在我已经很少使用复印机了，但那一年我使用的次数比我之前和之后所有日子加起来的使用次数都要多，所以我可以相当自信地说这些机器是人类有史以来制造的最不牢靠的机器之一。

这是一场游戏，其唯一的目标是减少痛苦。一百份一百页的文档。机器复印到一定时候就会坏掉。过了一段时间就会卡纸。墨盒会没墨了。你一次愿意冒险复印多少份？太少你得再次重复设置过程。太多可能会有中间出错的风险，而这又会演变成一系列更为复杂的任务，比如只复印剩下还没复印的然后跟之前已经完成的合并。（如果你在想我为什么要手工插入页码的话，这不仅是为了方便引用特定图表，也是为了在复印机坏掉时找出哪一份资料的哪一页缺失了）

当然你也可以在清理卡纸之后恢复打印，但实际上这从来都没有见效过。以后我知道了，像这种量级的卡纸实际上是复印机永远也无法恢复的。

我变成了精通总部所有复印机情况的大师。我知道哪些复印机能够承担这一繁重的任务，了解每一台的可靠程度。对每一台机器可靠性的波动情况，使用情况以及上一次维修时间都了如指掌。由于我通常每天都加班到很晚，我会把大规模的复印任务留到最后，因为那时候整栋大楼的复印机都可以供我差遣。

有时候我光听复印机内部的复印鼓和引擎声就能觉察要卡纸了。有问题的机器会呼哧呼哧作响，就像烟鬼一样，有时候我会在复印机为我服务时把手放在机器上，就像医者把手放在病人身上一样。我会自称为复印机私语者，不过当我处理它们时总是会连声咒骂，从来没有窃窃过。后来在分析师任期末时，我得到一笔预算去招个临时工帮我完成每个月的打印工作，因为都忍受过那种永远也做不完的劳力之苦，我们至今仍有联系。

我的另一个痛苦来源是另一个工具的极度脆弱性：Excel 97的链接表格。直到今天我仍然是Excel的拥趸，Excel是微软Office套件最棒的工具了，而且如果你从事的是严肃的工作的话，仍然是地球上最顶级的电子表格工具。然而，我永远也无法忘记Excel 97的链接工作簿噩梦，一个理论上似乎很有前景的想法但实际工作起来却完全不是一回事。

为什么不干脆做到一个巨大的工作簿里面去呢？不同的部门必须针对不同的图表提交数据，那时候让多个人同时处理同一份Excel表格简直就是一团糟。找出谁的变更卡住了，整个比较的过程，这些都是难以为继的。所以我给不同的部门都建立了Excel工作簿。其中一些数据我会自己收集手工输入，而有的部门有年轻一点的员工，也有时间和资金去输入和维护自己组织的数据。

哪怕是这个过程很多地方也会出错。当我试图竖起护栏保留链接所有工作簿的公式时，从单元格保护到字体加粗到条件格式标明可编辑单元格等等，到了一般用户手里之后就没有一个电子表格可以幸存的。有人会在这里插入一行，那里插入一列或者误删了一个公式。某月，一个用户可能会改了一个工作表的名字，或者按季度增加此前从未出现过的摘要列。突然之间一堆的#ERROR出现在各个地方的单元格上，或者如果你不走运的话，数字还在，但却是错误的而你并没有意识到。

因此每个月有一部分时间都是用来检查每一张电子表格以及修补出问题的链接和指针，重新建立图表已经丢失的表格链接，或者更阴险的隐患，那些表格链接对了但表格区域链接错误的情况。

但哪怕这些都做完了，有时候表格计算也会出问题。这是注定的。电子表格的原理就是这样，唯一的错误只能是用户错误。我的主工作簿的一个单元格会指向另一个工作簿的单元格。它们的值应该是一致的。但是，当我打开两个工作簿时，一个现实1345另一个却显示1298。强制所有单元格重算的按键是F9。我已经反复按了。有时候重算能行。有时候不行。有时候我会试一下Ctrl - Alt - Shift - F9。有时候我只能祈祷。

我工作中唯一哭过一次，那是在一天很晚的时候，我妈刚刚因癌症去世了，我左腿又因为刚做了ACL/MCL疝气手术打了石膏，当我无法理解为什么我的工作簿核不平，有那么一刻我的意志力崩溃了，决定投降了。这不是循环引用，这个我知道只要我穷究下去是可以解决的，或者至少如果是工作簿内的循环引用的话是最终还是可以解决的。不，Excel 97链接工作簿这个固有的脆弱是一个不信神的程序里面的一个随机缺陷，我的感觉仿佛自己就是整个宇宙当中最遭天谴的那个倒霉蛋。

我想要离开办公室，但是我太累了拄着拐杖走不了太远。那个时候周围已经没有一个人。我把计算机和灯都关了，一头趴在在桌子上，直到那一刻缓了过去。然后我重启计算机，打开两个工作簿，然后看着有问题的两个单元格。它们还是不一致。我按了一下F9。这次匹配了。

大多数时候，在深夜我完成了所有Analytics Package的复印，然后用小，然后是中，最后是大的装订夹把材料夹到一起时，我会把大部分的复印册捧在手上，一册册放到每一位接收人的办公桌上。从我的办公桌出发到一个个办公室串门是一次受欢迎的休息，也许可以停下来跟某位还在熬夜的同事聊上几句。我感觉就像是个按照固定路线送报的，而且往往都在同一个时间起床。

尽管Analytics Package留给了我那么多痛苦回忆，但我仍视之为我职业生涯当中对我影响极大的经历之一。在做报告的过程中，我感觉我们企业的整个组织都摆在了我的面前，它的复杂性和内在工作变得一目了然。同样地，我想象程序员把数据表变成3D图表的数据可视化流程，我能够跟踪从客户想买书到一美元是如何在我们企业内部流动的整个过程。我清楚每一位员工的薪水，从分销商到我们仓库，从货架到传送带，然后打包，搬上运输车，我清楚每一笔订单的时间成本。我能够像职业赌徒算牌一样预测出每100订单会有百分之多少的客户向我们投诉，并且其中有百分之多少属于哪一类型的问题。

我知道，如果我们每月能获得一位客户的话，下个月有多少他的家人朋友会通过口口相传成为新客户。我知道如果1998年1月100客户完成了第一笔订单的话，其中会有多少比例的人2月、3月、等等还会再次下单，以及每一笔订单的平均金额是多少。随着我们的发展，以及随着我们影响力的提升，我可以看出跟出版商和分销商谈判更长的应付周转天数对我们现金流的影响，也能看到每次我谈成了更好的列表价折扣之后我们的毛利都会逐步攀升。

生活在高频交易和正态分布的领域，一个大数定律占主导的领域是多么舒服啊！每个月观察人们购书（以及后来的CD和DVD）的一致性和可预测性就像是在显微镜底下识别自然界的一些晶体结构一样。我不羡慕Snapchat或者Twitter或者Pinterest这样的公司，上市或有朝一日可能上市的社交网络，或者那些从事社交网络业务的公司，当他们的网络那么大但仍然那么的不稳定（收入流就更加了）时他们得设法管理好投资者的期望。社交网络的指数性增长当然很有趣，但如果你是Twitter每个季度都要努力向投资者解释为什么你又没有达到目标时就很无趣了，当你要假装知道一个季度后收入情况会怎样，且不说2、3个季度后的情况时，事情就没那么有趣了。

在Amazon，我能够卡出我们下个月甚至更远的未来的收入是多少，误差只有几个百分点的精度。唯一需要做出的决定是我们打算告诉华尔街我们的预测数字是多少。那时候，我们总是低估我们的收入（underpromise），因为我们知道结果会超出预期（overdeliver），唯一的问题是我们应该预测多少收入并且仍然在下一次财报会上给大家带来惊喜，并且这种惊喜是可靠的。

我们对自身业务的了解深度继续超过了我服务过的任何公司。这很大程度上要归功于贝索斯对详细程度的要求。没人能像最高领导人那样对责任设定标准。大部分功劳要算到Joy和我的经理Keith头上，是他们让Analytics Package成为了战略规划部门最核心的任务之一。Keith把我推给了Tufte改变了一切。还有更大的功劳属于所有那些帮助收集业务各方面晦涩难懂的数据的人，那些负责本部门相关职责的同事，其中很多人都针对自身领域建立了自己的模型，并定期对其进行维护和更新，因为他们知道每个月我都会过来敲门给他们出难题。

我相信这一点，因为Joy跟几乎每一条块的运营者一样了解我们业务的每一部分或者甚至更加了解，她是少有的几个既能防守又能主动出击的CFO之一。我见过的几乎每一位CFO做法都是老一套；总是严厉控制开支，采取财务保守主义，对任何大胆的财务事项投以怀疑的眼光。这些Joy做得可以比下一任更好，但在位时她会敦促我们多花点钱，其热...

临近新年，又到了各位回顾自己的年度工作的时间了。按照公司惯例，年底需要和直线领导一对一沟通自己在过去一年的工作表现，准备下一年度的工作安排。我也想借此机会，对过去一年的工作做一个梳理。

我是某汽车行业的销售部门高级主管，每年在这个时候都和大家一样梳理和总结工作，今年我突发奇想，为何不能利用过去一年多学习到的 Tableau 知识，把自己过去一年来的工作用 Tableau 软件数据化，可视化呈现出来呢？我想这种方式一定是最客观、最全面、最直接的方式了。

说干就干！首先我把过去一年的工作分了几个大类：

有例行的工作安排，每月每个时间节点需要提交什么分析报告，这些都是年度计划早就安排好的。有因为各种情况变化带来的突发性工作，可能只是在某个月或某几个月有这项工作需要完成，同样也有类似的例行工作仅在某个月进行。这些工作如果总结起来用 Word 或者 PPT 写出来无非就是按月写总结如每个月干了什么，或按工作类别写，这类工作在哪几个月做了，分别做了什么。那么现在看来如果用传统方法来做，很难直观地看出每个月或每类工作之间的工作量对比，很多信息容易湮没。

所以我想到了用桑基图来表示工作类别，工作量，与月份之间的联系。大家知道 Tableau 中的桑基图是由三个部分组成的：左右各两个柱状图，中间用流量图做连接。我把左边的的柱状图表示工作类别，右边的柱状图表示 1-12 个工作月份，中间的流量图表示工作量。

再来看右边的月份，如果面积越大则工作量越多。从图里看出四月和八月的面积相对较大，这刚好印证了我自己的感受，去年的这两个月确实要相对忙一些。

那么这个工作量我是怎么将其数据化呢？我是通过调取 Outlook 中去年所有的往来邮件和会议记录，将其分门别类归到不同的工作类别中和月份，每条记录记为最小单位 1， 这样就构成了这份工作总结的可视化的数据基础。

同时我对这三个工作表做了突出显示和筛选，确保在述职过程中快捷清晰查阅并最优化的呈现查看效果。

同时为了细分工作类别中不同的工作内容，我将工作类别进一步细分，每个工作类别都有几个不同的活动，做成横向柱状图放在左边，做了筛选进行联动。同时在左下放了一个所有工作量随月份变化的折线图，以求更直观的展现工作类别，活动在月份之间的变化情况。所以组成的最后的仪表板是这个样子的：

以上就是 2018 年我用 Tableau 为自己呈现出的一幅直观、多维度、且具有分析价值的工作总结。一份可视化工作报告，不仅帮助我节省了时间成本，它还突破了 Excel 和 PPT 的局限性，使我和我的领导可以动态查看各数据量之间的关系， 最为赞赏的是从数据到决策的隐性优势。通过时间分配、工作项目等指标的集成混合，直观的洞察到哪里有问题、哪里还可以再改善，进而为新一年工作的规划提供有依据的帮助。

希望个人的小小分享能给大家带来更多灵感，谢谢！

获取该作品的在线演示文档可留言加关注，我们将私信回复您。

//本文转载自Tableau社区

作为表哥表姐/数据分析师，工作中的很大一部分是根据业务部门的需求，然后写SQL/代码，从清洗数据到各种维度的数据聚合分析，再到最终的图表数据可视化展现。

好不容易调试完了一大屏幕的SQL，把报表做出来了，却常常从业务部门那儿得到这样的噩耗：

“这个数据不对吧？”

”这不是我想看的数据呀，我想看的是xxx”、

“能不能再和去年的数据做个同比分析？”

“这报表怎么这么慢？半天没加载出来......算了，关掉了”

“你导出给我打excel数据怎么半天打不开啊，一直在那转圈......”

“我这个数据用excel透视表做起来好麻烦啊，复制来复制去，xxx，要不你帮我写代码实现吧”

日复一日，表哥表姐们沉浸在不断取数据、不断该需求、不断做报表的泥沼中，无法自拔。身为一名“傲娇”的数据分析师，每天却被一堆业务人员缠着要数据，加班到凌晨之后。即使是学再多的Excel高级技能，也招架不住！

乙方——表哥表姐/数据分析师，和甲方——业务部门，永远有一道迈不去的坎儿。究其背后的原因，总结起来就两点：

1、技术变化赶不上业务变化

2、业务人员没有能力/权限去获取想要的数据

表哥表姐/数据分析师作为业务与IT的桥梁需要解决这个问题。我也经历过这样的难题，当时领导说有问题大不了多沟通嘛，然后我发现纯粹通过沟通只会遭来更多的撕逼。

这样的问题显然需要一套体系去解决，只要能找到合适的工具，部门间的配合流程都不是问题。

其实业务部门对于数据分析其实是具有极大的需求的，但却苦于没有数据以及工具的有效支持，依赖于IT的报表制作，报表需求得不到及时响应。

那如果IT为业务准备好数据，业务人员能自己根据业务的需求来完成简单的分析，操作的难度就像Excel中的数据透视表，这就是我今天想给大家推荐的工具——FineBI。

一、关于FineBI

关于FineBI，可能很多小伙伴或多或少了解过这款BI工具，这是目前市面上应用最为广泛的自助式BI工具之一，类似于国外的Tableau等BI分析工具，但FineBI在协同配合，数据权限上，能更好的解决国内企业的情况。

你可以把它视作为是可视化工具，因为它里面自带几十种常用图表，以及动态效果；你也可以把它作为报表工具，因为它能接入各种OA、ERP、CRM等系统数据，不写代码不写SQL就能批量化做报表。你还可以把它看作是数据分析工具，其内置等常见的数据分析模型、以及各式图表，可以借助FineBI做一些探索性的分析。

但严格定义来讲，它其实一款自助式BI。常常被用作大数据前端展现的工具，对接hadoop、Spark等平台，有了这一款工具之后，IT部门只需要将数据按照业务模块分类准备好，业务部门即可在浏览器前端通过鼠标点击拖拽操作，就能得到自己想要的数据分析结果。

二、如何快速使用FineBI完成即席分析？

FineBI产品的使用流程方面，IT部门人员负责准备和处理好底层的业务数据，业务人员或者是数据分析师即可通过FineBI平台对这些数据进行多维可视化探索分析，完成仪表板分析页面之后并且可以多终端发布或者分享给领导和其他业务人员，最终用于业务决策判断。

除了平台提供的强大且完善的用户权限管理机制之外，FineBI还非常友好地支持与泛微、用友等第三方门户进行同步用户、单点登录、嵌入式页面等系统集成，极大方便了企业的权限和门户的统一管理。

使用流程：

1、数据连接

企业在发展过程中，伴随着自身信息化程度的不断提高，为了解决特定信息化问题与需求，企业系统中的信息系统数量也越来越多，ERP，CRM，OA甚至专业的财务软件等。这些系统，从整个企业的大粒度来看，业务流程有相对的联系，但是在细粒度上，数据相互独立，内在逻辑互不联系，信息孤岛问题十分严重。

事实却是企业又经常需要对这些独立系统进行统一的数据分析，从而进行正确的决策。系统数量较少和数据量级较低的时候这个问题尚不突出，但随着系统数据来源的增多，每次整合调用数据就会耗费大量的时间精力，这个时候在企业系统中部署BI工具就成了一件必要的事情。而FineBI的强大的数据引擎则能够完美地对接并且打通NC、ERP，CRM，OA等数据孤岛，让各个业务模块的数据不再有”隔阂“。

2、数据准备

若要做某些分析，常见BI工具的做法是一个分析组织一批数据，或者通过新建查询得到主题相关的数据表，通过组织查询来构建数据集市，这种可复用性极差的宽表模型的弊端不言而喻。

基于此，FineBI则独创了真正意义上基于业务主题的高可复用性敏捷数据关联模型，只需IT信息部门人员一次性建立好数据模型的关联关系，即可为业务人员前端的数据自助分析高性能展现终身保驾护航。

如上图所示，借助FineBI提供的业务数据包配置我们可以轻松实现按照业务对数据进行分类、管理和权限配置，为企业的业务人员自助分析打下数据基础，完全满足企业甚至是大型集团性企业数据多级权限的分配需求。

3、自助分析

3.1 FineBI仪表板分析过程

a.新建仪表板：FineBI支持平台管理员以及授权仪表板编辑的业务人员新建仪表板（Dashboard），支持用户使用自由布局或网格布局进行快速数据分析呈现。

b.选择组件：FineBI支持用户拖拽不同类型的组件如各种表格、图表、控件、展示组件等进行分析，同时支持用户快速复用维度/指标/组件，提升仪表板开发效率。

c.设置组件数据&&属性：FineBI支持用户快速进行数据分分类统计，包括求和、求最大最小值、求平均、同比、环比、累计值、所有值等快速计算分析，支持用户自由设置图表属性。

d.调整仪表板布局&&全局样式：组件和页面布局方面，采用全拖拽式操作，并且内置了丰富多样的经典主题，极大提高了用户的数据分析效率，充分释放数据潜能。

通过这样及其简便的交互操作，使得业务人员只需要根据IT部门分配好的数据权限，即可轻松地在浏览器中通过FineBI平台进行各式各样丰富的可视化即席分析，高颜值的图表，更加挑逗起业务人员分析数据的欲望。有了这款神器，数据工作汇报还需要Excel和PPT做什么？

3.2 丰富动态的图表和交互

FineBI自主研发的H5图表，避免了使用第三方插件带来的不便。当然也支持与第三方插件的如Echarts的集成。FineBI图表类型丰富，支持柱形图，折线图，饼图，雷达图，散点图，圆环图，条形图，仪表盘、堆积图、面积图、组合图，气泡图、地图、GIS地图、热力地图、流向地图等多种图表类型和图表样式。

另外，提供丰富配色方案与个性化数据提示、图例、标签设置，实现个性化的数据展示。

鼠标托拖拽拽，只需稍加修饰，你也能十分钟做出来这样酷炫的大屏驾驶舱~

3.3 强大的GIS地图展现

FineBI平台中除了以上所示的酷炫的H5图表之外，FineBI具备很强大的地图功能：普通地图、GIS地图、流向地图、热力地图等等。

值得一提的是，GIS地图可基于GIS地图层进行数据展示，支持自定义GIS主题风格，能够与数据表钻取联动。比如省级钻取到市级、县级、街道。

三、总结

篇幅有限，以上只分享了FineBI强大功能中的冰山一角。

为什么说FineBI能提高报表开发的效率，实现高性能的大数据分析，完善业务部分和IT/数据部门的配合，减少无用的撕逼。

首先是工作流程上，BI工具打破了传统信息部门开发报表，业务人员查看报表的滞后数据流程，通过轻量便捷的BI平台使得最有分析需求的业务人员也能轻松分析出自己所需要的数据结果。

其次是大数据的处理性能上，FineBI提供的FineIndex+FineDirect双数据引擎则分别满足实时和大数据量的计算需求，秒级刷新的页面响应，让领导看数据不再经历漫长等待。

最后，FineBI除了解放业务人员之外，最大的贡献应该是对企业。毕竟传统的报表工具只能事先通过IT人员开发好，以解决业务人员查看基础数据报表的需求，但是无法真正让业务人员进行即席分析和多维深入分析。那么如果上了FineBI之后，让业务人员也能基于业务基于指标去做特定主题的数据分析，进而为公司经营出谋划策，做到全员都能用好数据，企业经营业绩指标不蒸蒸日上才怪呢。

大家好，我是零一，今天开始给大家带来基础系列教程

本系列文章适合以下情况的读者：

1丶淘宝店铺运营或者店长，目前还不会做数据分析，渴望提升自己

2丶打算在淘宝开店的朋友，目前尚在混派代学习中

3丶其他对数据分析感兴趣的朋友，尚在入门阶段

本文是第一篇会比较基础，涉及的概念也少，旨在让读者动手了解工具。

我们直奔主题

数据分析的概念必须搞清楚。简单点说，数据分析是将数据进行清洗后，把隐藏在数据背后的信息提炼出来。

另外，值得一说的是，数据分析是获取新知识的新途径。

下面看一下菜鸟跟数据分析师的区别，引自《谁说菜鸟不会数据分析》一书

可以看出来，专业一点的数据玩家的思路会非常清晰，而且会以目的为导向，建议大家参考分析师的思路。

数据分析的过程已经有非常多的前人做出了总结，我还是引用书中的结果

分别是，明确分析目的和内容——数据收集——数据处理——数据分析——数据展现——报告撰写

做任何事情都要有目的，做数据分析也不例外，而且明确目的在数据分析里面上升到了一个非常重要的高度，甚至决定了你后面所做的一切有没有价值。

做数据分析必须运用工具，没有工具几乎无从开展，大家看下一般数据分析有哪些工具

可以看到，底层是数据库，在数据量大的情况下，需要动用到数据库。

报告层是Crystal Reports（动态和可操作的报表，没用过）

分析层是分析的工具，从左到右分别是Excel（Office套装里面的一员，据说可以和SAS媲美的数据工具之一），UCINET(社会网络关系分析，没用过），SAS（最古老最专业的数据分析工具），SPSS（IBM的工具，以简单易用闻名），clementine（已经被IBM收购属于SPSS系列）

最后是表现层，也就是做报告的一系列工具，我只接触过PPT和水晶易表，一般会用PPT就可以了。

接下来讲的数据分析，选择的是大家比较熟悉的Excel，Excel做深入分析的时候比较麻烦也有局限性，但就上手指数来说，Excel是排第一的。数据量在一百万条以内是足够的了。

我选用的版本是Excel 2010

第一步，我们要明确分析的目的和内容。因为是实例，我假设

目的：了解淘宝美容行业的市场情况

内容：1丶行业分析，2丶属性分析（采用折线图和饼图直观反映行业趋势和容量）

第二步，数据收集，一般手动收集，也可以用工具收集。

这里提供工具给大家做练习。提供的是仅支持美容大类的版本，运行环境，excel2010/2013，32位xp/WIN 7，假如没有生e经，那没关系，下面用到的数据源一样会共享给大家，拿着数据源就可以一步一步跟着操作。

数据来源：生e经（必须有开通生e经，并能查看相应行业数据）

数据宽度：21（月）

因为生e经按月展示数据，因此这里的数据宽度，就是月份数。

打开表格，然后，按下列图片次序操作

自己登陆生e经复制生e经的地址进来。登陆好，就把窗口关闭即可。其中c2代表服务器编号是2。

选择正确的服务器编号才能正常抓取。

选择好后，点开始抓取数据

耐心等待（等待时间和抓取的月份丶网速有关系），会在excel中出现结果，那么可以把这些数据复制到我们的另一个工作簿上，也可以导出为csv格式。

导出的文件可以保持在本地，方便下次提取。

第三步：数据处理，简单举例，可以跟着做。

做下简单的处理，这里提取年份使用这个公式：=LEFT(E2,4)，提取月份使用这个公式：=RIGHT(E2,2)，然后填充。如下图所示，鼠标移到单元格的右下角位置，会出现个黑色小方形，鼠标也会变成黑色的十字架，双击即可填充。

接着，我们插入数据透视表，鼠标点一下我们的数据，任意一个单元格都可以，只要在数据范围内，如图，我点在F10单元格。

点数据透视表，会自动匹配整个数据框。我们点确定即可。

点确定后，效果如下图所示

用鼠标，将字段拉到下面的相应位置即可

第四步：数据分析

我们现在就已经完成了数据透视表，通过这个透视表，就可以比较直观的对比各行业间的差异，但是都是数字，不免有些晕，或许用图表来展示会更加直观

点一下数据透视表，然后点插入——折线图，这里选择第一个样式即可（其他样式可以自己尝试）

结果如图所示

发现面膜/面膜粉的走势好像不错。

接着，我想看一下各行业的容量占比，重点看下面膜/面膜粉这个行业占比多少，就以2013年的数据来统计占比。还是插入数据透视表，先设置好字段，然后再选择2013.

接着，插入饼图

结果如图所示

这里看不到占比，而且也不知道哪个行业，这就需要我们设置一下图表。右击图表——添加数据标签

出现标签后，我们再右击一下标签，设置数据系列格式

按下图红框设置即可

然后改下标题，稍微把图表的尺寸拖大一点

这样，就比较直观了，面膜/面膜粉在2013年1-9月份中，销量占了整个美容护肤行业的16%。那么我想再仔细看看面膜/面膜粉行业的销量走势。依然先插入并设计数据透视表。

然后，插入折线图

结果如下图所示

两年的销量走势对比，可以看出2013年比2012年增长了不少。增长需要涉及到环比增长和同比增长两个概念，今天先不讲。我们通过目测就已经看出来，今年比去年火，但是这个结论还不是最终结论，只是简单建立在数据层面的初步结论，还要通过淘宝去验证，搞清楚销量的增长是来自哪里。假设是某几家品牌促销的结果，那么这个数据对于我们而言，意义就不一样了。或许我们自己是这个行业的一个品牌商，则需要把后面的分析重点转移到研究这几家品牌的营销研究上面来，弄清楚对手究竟如何改变了这个市场。

属性分析里面包含了SKU，操作方法跟上面类似，这里就不演示了。

第四步：数据展现

把我们以上得到的结果，进一步优化，更加直观丶有序地展现出来。

第五步：撰写报告（非商业严谨报告，以实用为主）

把所看到的，所想到的，通过文字的方式记录下来，方便自己或者他人阅读，了解我们的分析思路。

编者按：“增长黑客”是互联网创业者Sean Ellis发明的一个术语，指的是一个介于技术和市场之间的新型团队角色，主要依靠技术和数据的力量来达成各种营销目标，而非传统意义上靠砸钱来获取用户的市场推广角色。不过这个词的流行是Andrew Chen的功劳——曾在Uber当过增长副总裁的他写了一系列文章来介绍增长黑客。不过相对于增长黑客的单打独斗，增长团队则是集体协作。那么什么是增长团队？为什么要建立增长团队？增长团队与增长黑客的区别在哪里？增长团队的关注点应该是什么？就这些问题，Andrew Chen用50张片子的幻灯片来释疑。

建设一支新的增长团队很难。你得找出宏观的组织性问题——如何适应营销、产品等职能——以及微观方面的，如怎么去衡量这些团队的成功。这是一个棘手的主题，也是目前很多团队正在思考的东西。

几个月前，我给Uber的增长团队上了一些课，就自己从不同的组织结构中学到的东西谈了谈，内容可以分为这5大类别：

为什么要建立一支增长团队？“增长黑客”与增长团队的区别在哪里？增长与营销/产品/其他的区别在哪里？增长团队的焦点应该放在哪里？我正在创立或者加入一支增长团队！我应该有哪些期望？为了回答这些问题，我和Brian Balfour基于Reforge的材料（这方面的话题可以到他们的网站去了解更多的实用参考材料）做了一份演示片。

以下就是演示片，希望能对你们有所帮助。

上图：今天我想讲几个建设公司的增长团队所需要的关键主题。首先，是为什么需要建设这么一支队伍。然后是个人从业者与组织所需的不同技能集——以及跟现有的像产品和营销等职能所需技能集的不同。最后，是团队应该聚焦什么地方以及如何在早期产生影响。

这些主题的想法源自若干地方——跟Slack、Dropbox、Hubspot、Pinterest等的增长团队负责人的交流和讨论，但也包括了我在Uber的个人体会。

上图：你们当中很多人也许还记得Uber曾经是这样的。

这支增长团队起初是由Ed Baker在2013年创立的。它曾试验过很多不同的组织配置——我在它成立了几年后加入，在那里呆了3年，并且把自己的很多时间用在推动平台乘客端的增长上面。

上图：我在Uber的时候，有很多出色的项目都是在增长团队发起的。我的中国同事（China Growth）取得了不可思议的进展——当然美国和其他地方也有不错的发展。

巅峰的时候包括中国增长团队在内的整个增长团队规模达到了500人以上。对于这家公司来说这是一个令人吃惊充满活力的时段。我从中获益良多并且对今天能够分享其中的一些想法感到兴奋。

这些年来Uber的变化很大。我们变更过logo好几次。但我认为Uber仍然有好些东西可以传递给生态体系的其他人。

先从基础讲起……

关键问题#1：为什么要建立增长团队？

上图：为什么要建立增长团队？我们知道很多公司都有正式的增长团队，有的则是由增长PM/营销人员等组成的非正式团队。

上图：上图是建立了增长团队的公司，从这些公司的行业跨度和新鲜性就可以看出增长团队的普及度。

我们也听说了很多董事会都在让他们的CEO要往增长团队的建设去投入。为什么会出现这种情况？

产品死亡周期

上图：讨论产品死亡周期的最简单方式。

不幸的是，这往往就是我们的产品交付和发布方式。有人有愿景，有人开发了一些功能并且进行了发布。一开始产品可能有点冲劲，但是当增长放缓时，却不知道该作何着手。他们跟一些客户交谈，问对方想要什么，然后再次尝试。他们又增加了一些功能，重新发布，于是这个周期周而复始。

这个周期跑得太多之后，突然之间，你就死了。

酒好还怕巷子深

上图：事实表明，做了未必就能吸引客户。更好的产品，更多的功能未必相当于增长。

很多推动更多用户获取、留存、互动的关键杠杆有时候并不在大多数出色的产品领导的工具包里。对增长很关键但往往不被视为产品核心的技能可以列一长串：广告技术集成，注册渠道A/B测试，优化通告发送，测试价格点，测试聚类曲线等。是，偶尔有人都懂这些——但是很罕见！

此外，没人可以驱动这个。相反，你需要将其注入到你的组织目标和DNA里面。你需要在公司的更大框架内集中这些努力。

增长是工具，工具是解决不同类型问题的流程

上图：因此，我们寻求建立一个增长的框架，这是一个门类，本身就是一个组织结构。

不同的流程

我们把“设计思维”与“敏捷工程”视为不同的组织结构、工作流、哲学与技能集体系。这些是公司内部工作机制的关键。

同样地，我们也可以把增长团队当做一个体系来建设。

上图：产品增长是一门把科学方法应用到业务KPI上面的学科。

这为提高指标提供了一个基础系统，不管这些指标是收入、获取、留存、互动还是其他的关键业务指标。

增长流程的主要步骤

上图：就像你对科学方法的预期一样，增长流程的主要步骤包括理解数据、建立识别特定流程之所以会出现的假设，对那些想法进行优先排序，进行试验，然后重复这个循环。

这样一来，如果你认为自己的活跃用户数低的话，就可以分析数据，然后了解到你需要更多漏斗顶端的用户获取，接着假设付费广告和推荐的组合也许管用，再去执行计划来验证想法。

相对于开发更多用户不想要的功能然后指望会出现魔术般的增长，这种做法要好得多，有针对性得多。（也许你还是应该开发那些功能，但原因不要是为了增长！）

关键问题#2：增长黑客与增长团队之别

上图：第二个主题。谈谈“增长黑客”与“增长团队”之间的区别。这一点很重要。

孤胆英雄注定失败

上图：在增长技能集的早期阶段是没有团队的。会有一些个人和初创企业创始人把必要的想法、工作流和策略组合到一起。其中一些家伙会以玩笑的口吻自称为“增长黑客”。

随着技能集的发展，有一件事情开始变得明朗，那就是如果想发挥真正影响，尤其是在更大/更复杂产品的背景下发挥影响，你得把一群人组织起来。

增长是一项团队运动

上图：因此增长团队就应运而生，其哲学是你想要的不是有所有手段的孤胆英雄以及一群帮助者。相反，你需要建立一个有着广泛技能集的组织。

增长是一项团队运动，为了对你的KPI实施科学方法，你需要一堆能帮助你的人。

大多数使命需要跨职能配合

上图：对于增长团队的大部分使命来说，你需要很多不同的职能角色的帮忙——从产品、营销、工程，到数据、运营、财务等。你要把来自独立团队的所有这些家伙整合起来成为一个增长组织。

增长团队的5种潜在角色

上图：这些角色都是干什么的？

增长经理（Growth PM）：负责试验路线图的产品经理增长工程师（Growth engineer）：聚焦技术决策和执行试验的工程师增长营销师（Growth marketer）：具备特定渠道（付费营销、SEO、电子邮件等）专业知识的全能营销人员。增长数据分析师（Growth da）：聚焦于建立洞察（用户生命周期的宏观方面以及特定试验的微观方面）的分析师增长设计师（Growth designer）：领导UX的设计师，同时强调速度你可能还得涉及到其他的职能——比方说在Uber，很多围绕着激励开支的决定必须把财务或者定价方面的人员纳入。而且你总是得把运营放进来去考虑其影响。

例子：增长团队——NUX（新用户体验）

上图：视你要解决的问题而异，增长团队的构成可能会略有不同。对于新用户体验来说——这可能包括了增加注册转化，甚至可能还包括集成进广告里面——你也许会特别强调工程师。你可能想要Android和iOS工程师。此外甚至还包括营销绩效的人，一些数据分析师去看看指标等。

例子：增长团队——SEO（搜索引擎优化）

上图：另一方面，如果你在做SEO的话，就未必需要工程师了。这更多是与优化网页结构、内容去向等有关。这种情况下，你可能会强调SEO营销、数据以及web全栈工程师。

没有完美的组织结构

最终的目标是要根据你的洞察和假设定义问题，并且配置好团队成员来解决特定问题。不同的团队也许强调不同的技能，视其他团队的使命不同，增长团队所适应的宏观组织结构也许也许有一些复杂性。

跨职能团队结构

上图：一个常见的结构是把增长团队当作一组pod，每一个都对应各自职能。比如增长经理向产品等汇报，所有的人组成增长团队。很多产品团队都是这个样子，所以相对比较适合。

独立团队结构

另外一种做法是像Facebook和早期的Uber增长团队，其结构类似一个业务部门。那些角色得向总经理汇报。这种结构的好处是团队内部有很大的独立性，但是拆分各种组织也会带来复杂性，有时候还会引起冲突。

混合结构

上图：显然你也可以选择混合模型。

关于增长团队3个要回答的关键问题

上图：太多初创企业都是从“我需要一个增长团队!”开始，然后随便建立一个组织而没从根本上去思考过。最终，你得从你要解决的问题开始。从KPI、你产生的洞察开始，然后再去执行。你要按照问题领域和想要的执行类型配置人员。组织结构要根据这些来设计。

关键问题3：增长跟营销/产品/魔法/等等有什么不同？

上图：我经常会被问到这个问题。难道增长和营销不是一回事儿吗？难道增长跟产品不是一回事儿吗？难道让大家都负责增长不行吗？

在这个环节里，我们将审视一下它们的不同。

增长与营销

首先，说到营销与增长，其中有很多方面是你想要解决的：

品牌营销活动内容营销电子邮件付费营销病毒式传播/推荐功能新的用户体验用户对用户通知......所有这些你可以采用一堆不同的配置，但大概而言通常归为3类职能：

品牌增长营销增长产品通常很显然的是，品牌最后还是要归结到营销。类似地，像NUX和产品生成通知最终都要落到增长团队身上。但一些中间手段，像SEO/付费营销/电子邮件等，也都有可能出现。这些我都见过。Facebook把很多效果营销放到增长团队里面。Uber就是这样开始的，但最终都放到了营销上。可能的配置有很多。

增长与产品

上图：如果核心产品团队有工程师、设计师和PM，那增长团队也有这些角色，有什么区别呢？一切都要取决于他们做什么。产品团队聚焦于创造核心价值。随着时间转移去增强产品/市场匹配。这意味着在核心的互动周期中要把心思放在每一次小小的交互上面——这是一个寸距之赛，积小胜为大胜。

另一方面，增长团队应该专注于传播核心价值——要让尽可能多的家伙体验到那种价值。

在让用户尽可能频繁体验到核心价值上面可以进行妥协——你可以想象把这件事情放到另外一个团队，但如果解决方案往往需要经常反复/量化驱动的话，也许就应该由增长团队去做。

3种所有权模型

上图：你还得决定所有权模式。有两个极端：增长即服务（GaaS）以及自动化。以及介乎其间的一切。

“增长即服务”这种模式下，团队在技术上并不拥有任何功能或者代码库。他们跳到了产品的最高价值部分，进行他们的分析和优化，交付一堆的改进，然后继续。团队要保持温柔，这一点很重要，因为他们是客人，但他们保持轻量也很重要。如果增长团队最终拥有他们碰到的每一块代码的话，那他们最终就会陷入到一切的维护模式当中。

另一方面，完全的所有权模式意味着增长团队可以拥有新的用户漏斗、通知、广告技术、A/B测试平台、支付流，以及许多其他数字胜过直觉的关键领域。这样可以管用，但然后团队需要恰当地配置人员。

不同模型的优缺点：GaaS——优点是敏捷，缺点是容易冲突；自治——优点是可控，缺点是会臃肿；混合——优点理论上是各取所长，缺点很难划清团队之间的界限。

上图：每一种模式都会有各自的优缺点。Uber各自模式都试过，不过慢慢地开始拥有产品越来越多的部分。但是你得根据自己的约束、组织和产品需求决定选择哪一种。

关键问题#4：增长团队的关注点应该是什么

一旦增长团队建立起来之后，其关注点应该放在什么地方？就像之前讨论过那样，他们的使命和工具包应该跟营销或者产品团队使用的那些有所不同。尤其是在团队的早期阶段，应该有一些唾手可得的东西选用。

尽管直接跳到用户获取或者看看流失情况很容易，但是从更高的角度去看看这个体系还是很有帮助的。先从优先级框架开始。

确定优先项目的框架

上图：最终有3样关键的东西需要进行权衡——有一个尤其棘手：

投入。执行需要付出多少的设计/工程/营销资源？成功。取得成功的可能性有多大？提升。这个比较棘手——如果管用的话，对整体增长会产生多大的影响？每一次增长试验最终都是根据这三样东西的排名选择出来的优先事项，慢慢地，你的增长团队在如何选择方面就会变得很明智。但我还想就增长团队可能会出问题的地方提供一些注意事项。

选择增长项目最常见的反模式是把影响到0.01%用户的功能改进+50%...

你好，我是陈西。

之前在公众号里写了一篇关于制作PPT如何挣钱的文章，有很多的小伙伴看了文章之后表示也想通过制作PPT来改变自己。

不管是锻炼自己也好，还是学习提高也好，一旦最终的目的变成挣钱，那么效率就会变得很高，很多人也可以轻松的坚持下来。

以挣钱为目的的学习才是最快的。因为一旦和钱扯上关系，那么你就有了短期的目标，有了盼头和希望，而看到希望是最宝贵的，就像是茫茫的知识海洋里看到了灯塔的光一样。

而在PPT学习上，如果也抱着以挣钱为目的来学习，我相信也会进步很快的。

综合考虑，PPT挣钱比较自由的一种方式就是制作模板，时间和地点以及想法都可以由自己来掌控。可以作为锻炼自己或者挣钱的一个副业。

而PPT模板应该如何制作，有没有一些基本的规范？当然是有的。在下面的文章里就会详细介绍。

而做好的模板如何变现，如何售卖，可以点击公众号菜单栏右下角加我好友，可以给你做一下分析。

另外，一个人做PPT模板，质量和数量上都很难保证，我最近在招募组建高质量的PPT模板团队，有基础和兴趣的小伙伴带上一份模板作品我们可以谈一谈，毕竟抱团取暖才能实现利益的最大化，也会少走弯路。

那么PPT模板的制作规范是怎样的呢？下面我们仔细分析一下。

PPT模板主要由封面页，目录页，过渡页，内页和结束页组成。当然，少数的会有一些前言概要等的页面。

01

封面页

PPT模板的封面页比较重要，或者说任何的PPT汇报的封面页都是比较重要的，封面页是一份PPT演示汇报的门面。

所以PPT的封面页制作是需要花一定的时间来创作修改美化的。

封面页的组成主要分为两个大的版块：

第一：标题文案。

第二：装饰元素。

所有的PPT封面页的设计都是由这两个版块组成，所以我们的创作重点就可以从这两个方面入手。

首先确定标题文案，是科技型的标题文案，还是发布会型的标题文案，亦或是工作汇报毕业设计答辩的标题文案，可以选定一个，模板标题运用相似的假文字就可以。

一旦选定了主题文案，那么你的PPT模板的风格类型大致就确定了。比如做商务风，科技风，简约风，小清新或者是卡通可爱风。

你不能取一个文案标题为科技行业年终汇报总结大会，然后做成卡通可爱风的，那这样的PPT模板谁买呢？

标题文案选定之后，就可以进行文案标题的初步美化设计和排版，包括主标题字体的选用，字体的大小，颜色风格。以及辅助文案，演讲或者汇报人的信息，时间等等这些文案的排版，字体字号的处理。

PPT封面页的文案排版方式有很多，也比较灵活。可以分为居中，居上，居左，居右，居下，不规则等的排版方式。

还是不知道具体怎么排版怎么办？去看，找到一个模板网站，从第一个网页开始看，就看PPT模板的封面页标题文案的排版方式。

明确了标题文案的排版美化，那么接下来就是装饰元素的设计和使用。

而从装饰元素来看，PPT的封面类型大致又可以分为三种：全图形，半图形（或者说不规则图片型），无图型（没有图片，形状色块线条等装饰）。

当然，也有一些延伸，比如封面页使用视频加文案的方式，更加炫酷大气。

这里的装饰元素也不是单一的，并不是说，封面页用了图片，然后其它的装饰元素就不用了，我们的最终目的都是达到视觉和主题上的最优化的设计。

所以综合使用这些装饰元素是比较合适的。只是各方面的比重不一样。

比如以图片为主，那么可以使用少量的色块线条，进行点睛之笔的设计美化。再比如图片和蒙版色块的处理方式制作封面页就很常用。

如果说，还是不知道这些装饰元素是什么，怎么找，怎么排版，那该怎么办？

好办，还是上面同样的方式：去看。找到一个目前比较知名的PPT模板网站，从第一个网页开始看，只看PPT模板的封面页，并且忽视掉所有的文案相关的信息，只看剩下的元素，那些就是装饰元素，看它们的层级关系，排版，位置关系，元素的选取等等。

总之，PPT模板封面页的制作就从这两个方面进行思考，标题文案和装饰元素。

02

目录页

目录页基本上是不可或缺的存在。一份PPT演示汇报要有逻辑性和结构性，那么就需要目录页的辅助。

通过目录页，可以大致知道你这一份PPT汇报主要讲了哪几个方面，总体内容结构是怎样的。这样观看者可以做到心中有数，而不至于一头雾水。

那么PPT模板中的目录页应该怎么做呢？

整体来说，目录页的制作变化不多，大致也就分为两类：

第一类：常规型目录页。

第二类：创意型目录页。

对于常规型的目录页，主要就是几种的排版方式，上下左右，横排，竖排，交错和倾斜等的这些类型的排版。

对于创意型的目录页，所见到的不多，毕竟创意这东西很宝贵的。主要的创意点还是通过装饰元素来呈现的。

PPT模板的目录页最好有4个目录以上，确保PPT模板页数的需要以及方便模板的购买者进行修改编辑，真实情况下的PPT演示汇报的目录页也会偏向于多一点。

同样的，没有灵感，没有想法，没有思路，该怎么办？还是前面那句话，去看。具体的操作思路和前面的一致，在这里就不赘述了。

03

过渡页

过渡页在PPT模板的设计中也是比较常见的。但是在PPT定制设计或者真实的演示汇报中，使用过渡页的不是太多。

一方面没有过渡页也可以表述清楚，另一方面，过渡页可能没有太多实质性的内容。

但是在做PPT模板的时候，还是要加上的，可以让整体的设计思路更加的清楚连贯。

过渡页的内容主要是对目录页的其中一个类别目录做更加详细的补充说明。

04

内页

PPT模板的内页设计就比较宽泛了，但整体也就几个类别。

图文内页：

图片和文字排版型的内页，很多的汇报都会用到图片和文字的混排，所有这也是模板中不可或缺的一种内页。

图文的混排具体有可以分成很多的形式，比如一张图片和文字的排版，或者是两张，三张，四张，五张，六张图片等等更多的图片和文字的排版。

纯图片内页：

这种内页一般文字较少或者没有文字，只是用来展示照片，有一种照片墙的属性。

当然，这里的图片数量也是随机变化的，可以是一张，两张，三张，四张等等更多张的图片排版在一个内页中。

纯文字内页：

纯文字的内页比较少，模板中可以制作，由于美观程度不是很好，所以很多的模板中都没有这种内页。

纯文字内页并不是说就是所有的文字，只是文字偏多。有时候也会使用少许的色块，线条或者图标进行装饰美化。

逻辑关系图表型内页：

逻辑关系图表型的内页是PPT模板中最常用的一种内页，有些模板甚至全是这样的内页。当然，这样的模板是不负责任的哈。

而逻辑关系的图表又有很多的分类，比如：总分关系，递进关系，并列关系，对比关系，时间轴等等的类型。

数据图表内页：

做PPT演示汇报，很多情况下都绕不开数据图表，而在PPT模板中，美化好的数据图表就十分重要了。

而数据图表又有很多的分类，比如：柱状图，折线图，面积图，散点图，饼图，组合图表等等的数据图表。

当然，一份PPT模板中不太可能将这些图表全用上，一般会使用比较常用的一些图表，像折线图，柱状图和饼图等。

以上，是PPT模板中比较常用的一些内页，基本都会出现。

当然，这些只是通用的一些内页形式，还有很多的变体，比如上面的两项或者几项的组合，又可以有新的内页。

比如：数据图表和文字组合的内页；数据图表，文字，图片这三者组合的内页；逻辑图表和图片的组合等等的内页。

每一个过渡页下面最好搭配4个或以上的内页。

05

结束页

一般情况下，PPT模板的结束页的设计都是延用封面页的设计。或者延用封面页的大部分的元素。

这样可以形成首尾呼应的效果，整个PPT汇报演示也会显得逻辑清楚，结构严谨。

当然，结束页可以适当的有一些创意，创意点可以在文案上也可以在装饰元素上。

06

总结分析

在制作PPT模板的时候，要善于使用参考线来做好对齐的工作。

某些相同的元素在不同的页面的位置关系要注意好对齐，不要每一页PPT页面看上去还行，整体来看就乱了。

作为PPT模板来说，目前加动画的模板会更好卖一点，即使是偏简单一点的动画。

因为加动画的模板，购买者可以选择不使用动画或者使用动画，但是如果是静态的那么就只能使用静态的或者自己加动画。

虽然大部分时候PPT模板的购买者不太会修改动画，很多时候也只会使用静态的。但从购买的角度看，很多人仍然会倾向于购买动态的，另一方面，动态的模板会有视频展示，会给人带来更好的视觉效果，毕竟模板都是经过包装的。

关于PPT模板的页数说明，一般情况下最好是20页以上。

这里可以给大家一个初步的规范：1封面页+1目录页+1过渡页+4内页+1过渡页+4内页+1过渡页+4内页+1过渡页+4内页+1结束页=23页（页数可以更多）

这是一个初步的PPT模板页数规范，等你做PPT模板熟悉之后，就可以自己进行一些改变，比如多加几个过渡页，多加几个内页等等。

但总体上，PPT模板的页数最好在20页以上，保证基本的一些版面和排版方式都有。

以上，干货总结分析。

有任何问题或者想法可以在评论区回复或者私发消息亦或者点击公号菜单右下角加我好友。

再会！

往期好文：

【PPT】PPT鼠绘，那个要成为海贼王的男人路飞！

【PPT赚钱】PPT设计到底能不能赚钱的终极思考

【PPT书籍】学习PPT设计应该看哪些书籍的相关思考

【PPT】PPT中布尔运算的全面讲解及升华应用思路分析

END

都说颜值即正义，在这个看脸的时代，连 PPT 也逃不过看脸的命运

PPT 的封面直接决定人们对这个文档的第一印象

好多小伙伴在制作 PPT 封面

尤其是标题文字时常常陷入没有思路的困境

一直来问，怎么办呢

今天就 PPT 标题文字排版专题整理了一些方法和技巧分享

希望能对你的 PPT 制作有帮助

大致分为：案例转换及思路分析、标题布局排版作品欣赏、如何收集标题文字排版灵感作品

标题文字排版也可以是有套路的，通用的

最常见的比如大部分美颜相机中的水印/文字模板

板式已经设计好，只需要改改文字内容无论怎么换图都还是很好看

案例一

PPT 封面的标题板式也可以借鉴

一般比如海报、banner、网页都可以找到好看并且能适用于 PPT 的文字排版

如下图

对板式的元素和结构进行结构分析

可以替换成你的文字内容，不一定需要完全照搬

你可以根据实际需要进行调整

非必要元素也可以删除

比如原图中的蝴蝶和叶子元素，在这里被删除

添加一个背景图收尾

案例二

对途中排版构成进行结构分析，找出设计点，可以试着去理解原作者的构思

这张图的设计比例与 PPT 中的 16:9 是有差异的

使用时需要进行些微调

调整时可以借助 PPT 中的参考线

添加背景图

案例三

也可以对颜色进行调整

比如从背景图中进行取色，图文更加和谐一体

再如下图圆形中的纹理填充

可以适应背景图改为纯色

好的标题排版太多了，整理了一些不错的案例

下面我们直接看吧

电脑如果在身边，你也可以尝试自己动手做做看哦~

注：图片仅供个人欣赏学习、采编于网络，版权归属原作者。

除了上面的，纯文字排版

你也可以有意识的收集一些板式图片

比如下图类型

by：做设计的面条

好灵感好作品其实也不那么好找

本来就不是专业设计，不知道那么多好的设计资源怎么办

这个其实是需要你长期的进行信息收集与整理的

“信息搜集及整理术”会包含三个关键阶段：搜索：“找信息”——用各种搜索渠道快速找到所需的精准信息。集成：“存信息”——简单来说，就是把你找到的信息，定制成为个人资料库，按照自定义的主题，分类存储在自己很方便访问的地方。整理：“理信息”——信息单纯集成而不加整理，时间长了就会杂乱不堪，所以才会出现很多人自己的硬盘资料库已经塞满了，每当需要什么资料的时候，还是需要去搜索。定期对所集成的信息进行整理（归类，去重，留精，加可供搜索的标签等），能够显著提升信息搜索效率。——kacash 《设计师高效工作秘籍（设计资料收集与整理）》

哥布林用的比较多的是花瓣

如果自己没有整理过相关的资源和素材

搜索关键词，找前辈们整理好的画板（偷懒秘籍）

然后点击进入画板

惊不惊喜~

最后还是想叨叨一句：

别人收集的毕竟不是自己的，只能一时取巧，自己收集整理的才是真正的王道哦~

— END —

iSlide 官网地址：https://islide.cc

又到了写年终报告的时候，相信大多数人最近都在找模板，梳理工作指标，做PPT吧。

过去一年成绩无论好坏都已定性，但年终报告作为年底展示成绩和价值的机会，关乎到能否给明年的自己“卖上一个好价钱”。关键年终报告是一拍板子的事，直接关乎到年终奖和升职加薪。

如何给年终报告贴金？

报告的内容，不同岗位各有不同。财务、销售、生产、供应链等业务岗尤其是管理岗，少不了数据、指标的呈现。 相较于传统密密麻麻的表格汇报形式，可视化的图表能更加直观的呈现业务状况。如果能结合数据分析对业务指标数据做一个全面的分析，并提出可行性决策，相信领导一定眼前一亮。

其实，这也是大部分专业咨询人士惯用的一套。

如何确保信息准确的同时，让人一目了然，甚至眼前一亮？

“好图胜眼前，擅用可视化”本文将分享如何用可视化来做工作数据汇报。

全文干货很多，建议收藏后慢慢品读，对日常工作分析和汇报大有裨益！

目录大纲：

技能：学做一份可视化报告分析：对关键业务指标分析汇报：报告的展现与美化技能：学做一份可视化报告

能制作可视化报告的方式有千千万。如果Excel驾轻就熟的话，结合VBA能玩出很多花来。如果会Python，手握matplotlib可视化包能打天下。但有人说我这些技能都不熟，那不妨用简单易用的BI工具来做可视化报告，而且BI本身就是一个简单强大的数据分析工具，专业做可视化分析报告的。

这里以FineBI工具制作可视化为例：

1、数据分析的操作流程

一个完整的数据分析都需要经历数据获取、数据预处理、数据分析与建模、可视化分析及报告撰写的过程。FineBI的操作也是这样来分的：数据连接——数据准备——可视化分析——仪表板驾驶舱——分享仪表板等。

官网安装好合适的版本，成功激活，设置初始账号密码后，会跳转到这个web页面。

左侧是导航栏，类似于菜单栏。目录类似首页，展现已完成的分析报告，这里默认展现官方的内置demo。数据准备是连接数据、准备数据，以及对数据进行再加工处理的地方，可进行业务包、数据表、关联、多路径、数据更新、自助数据集等管理。仪表板即创建可视化分析。管理系统即对整个数据决策系统进行管理的地方，包括目录的设置、外观设置、数据、报表、分享权限等管理配置。创建是提供给用户快捷新建数据连接、添加数据库表、添加SQL数据集、添加EXCEL数据集、添加自助数据集、新建仪表板的地方。

2、连接/导入数据

制作数据报告，第一步是导入数据。FineBI能从很多种数据源导入数据：如Excel，CSV，XML，以及各类数据库SQL Server，Oracle，My SQL等。最常用的方式是连接数据库和导入excel数据。以导入Excel为例：

第一步：数据准备—添加业务包，点击添加表，新建excel数据集，将Excel数据导入。

就得到如下的数据明细，至此，数据导入成功。

3、处理数据

拿到的数据要做一些处理，比如空缺值、重复数据，新建字段，比如环比同比平均值汇总值等等。就是丢原数据进行再加工处理的过程，处理好的数据才能用来分析，否则分析无意义。

4、可视化分析

到这里数据准备好了，接下来开始正式分析。

随便拿了一份数据做示例，这份数据是我从网上当下来的，也是刚刚导入的一份数据。展示了1945年——2015年登陆我国的台风信息，包括时间、登陆省市以及台风强度。

那么我们可以汇总统计下历年来台风最常光顾的省份和城市有哪些，一年中哪个时间段是台风频发日，以及台风强度分布。

① 新建仪表板，即我们说的可视化报告、dashboard，叫法很多。

② 新建可视化组件，添加刚刚导入的数据集。（图表、查询筛选框等都叫组件，是finebi仪表板的组成元素。）

分析各年度登陆我国的台风数量

添加完数据集会进入到这个分析界面。拖拽要分析的字段（记录数—统计台风数量的指标，登陆时间——这里只展示年份这个维度）

这里要注意，源数据表中一个台风有多行记录，那是因为台风可能同时登陆两个区域，记录了两条信息，所以记录数要依赖CMA编号统计（记录数右侧小三角下拉），以免重复。

其次，这里又添加了一个统计每年台风平均数的指标。

最后再对次图表稍加美化，通常在图形属性和组件样式中：

① 修改线条颜色：图形属性—颜色

② 修改连线为平滑曲线，并且可调整有无标记点

③ 修改该组件标题：组件样式—标题，可调整字体样式

最终得到如下成图：

能明显感觉到登陆我国的台风呈现一个2~4年的波动变化，且2000年以来，直击我国的台风整体数量有略微下降。

具体分析成什么样，大家根据自己的分析目标来，这里只是做一个操作演示。

5、可视化报告

图表分析组件完成之后，就是构建可视化报告（dashboard）了。

仪表盘样式中有预设的模板可以直接套用，以下是我随便套用的一个模板，根据模板的风格，后面调整了每个图表的样式和配色。好不好看全看个人审美了。

以上就是用FineBI做一个可视化分析的流程，关于报告的美化下文还会再讲。

分析：对关键业务指标分析

一般年度汇报业务会分析哪些核心指标呢？大体可以分为下面6类：

数据合计分析发展趋势分析数据对比分析组成结构分析达成进度分析影响因素分析以财务版块为例：

1、数据合计分析

数据总计分析通常用于统计业务板块下领导最为关心的关键核心指标，例如财务就是年度营业收入、年度消耗成本、年度净利润。

如下图所示，我们通过仪表盘组件统计出企业的年度营收总额、年度消耗成本、以及净利润这三个核心指标，同时将仪表盘的区间最大值设置为营收总额2.78亿，开启FineBI中显示百分比功能，如此，消耗成本占比以及利润率这两个指标也迎面而至了。通过仪表盘的数据合计分析功能，将领导和决策者最为关心的企业核心指标直接呈现出来，年度营收状况一目了然。

2、发展趋势分析

发展趋势分析通常用于直观比较某一连续区间内的数据走向，用于明年计划的预判。比如销售额预测，财务比率走势。如财务，一方面可以分析数据增减变化是否存在异常，发现企业可能存在的问题；另一方面还可以帮助企业预测未来财务状况，判断企业的发展前景。

此类直接呈现企业发展趋势的图表，一般可使用折线图进行分析统计，用横轴表示时间（年、月、日），纵轴表示如营业收入、成本支出、利润率等指标再合适不过了。如下图所示，左值轴统计出每年营业收入和成本支出的走势，右值轴统计出每年的利润率走势情况。

3、数据对比分析

数据有对比才有价值，单个孤零零的数据无法判断好坏。一般来说，对比分析的参照标准有如下四个方面：

1.时间比较：与上期、去年同期实际数据进行比较

2.实体比较：与同行业先进企业或痛行业其他企业数据进行比较

3.口径比较：与计划或预算数据线相比较

4.结构比较：在构成分析的基础上比较两个数据的构成，分析财务指标的变化

我们再做对比分析时，比较数据的大小，通常推荐使用柱状图、条形图，当进行数据结构比较时通常推荐使用累积柱形图、累积条形图进行数据对比分析。除此之外，还可以根据分析的具体情况使用其他图表，比如通过折线图的高低连线来表现几个公司的库存最高最低和库存的对比。

4、组成结构分析

组成结构分析方法通常可用于对象中各项目组成元素进行数据分析，例如各产品的销售组成分析、流动资产组成分析、各部门管理费用组成分析。表示数据结构组成，图表方面通常可使用饼图、圆环图和百分比堆积条形图、百分比堆积柱状图进行元素组成分析；元素组成表示数值大小，通常可以使用堆积条形图、堆积柱状图等。

5、达成进度分析

需要展现某项指标或者某项任务的达成进度，比如部门业绩完成情况、申报费用进度等。为了更加直观地展示各项指标和任务的进度，我们一般可以通过堆积柱形图、堆积条形图、甘特图来展示数据进展情况。

6、影响因素分析

对于分析财务数据时，数据的影响因素主要有两种不同的指代含义：

1.因素分析法，比如影响销售收入的价差、量差；

2.某一指标到另一指标的各种累积影响；

类似分析此类多渠道影响因素数据时，瀑布图无疑是最佳的选择，能够快速将数据进行差异化统计，同时对数据进行累积统计。

以上是做简单的数据汇报时，一些数据展现的常用方法。教大家拿到数据用什么角度分析，用什么图表来呈现。

汇报：报告的展现与美化

知道拿到数据怎么分析，用什么工具分析，最后要考虑如何把可视化报告做得漂亮。

这个在FineBI做可视化的技能里提到，这里主要讲一下美化和排版。

1、指标展现

假设要做如上图所示的一个可视化dashboard，首要考虑的是，那么多指标，我应该考虑放那些？

一般而言，你的汇报一定会有明确的主题，比如“地产公司销售报告”。针对这种主题明确的可视化，推荐给大家一个非常好用的套路——多维度拆解北极星指标法。

第一步：确定一个北极星指标。如销售汇报，你的销售总额一定是最重要的吧，这就是主题。

第二步：多维度拆解北极星指标。把你的销售额情况分解。

从时间的维度。每个季度每个月的销售额情况是如何，销售额特别高的时间段，原因是什么，做了哪些措施？

从地理维度。各大区域销售额情况如何？可以做个排名情况。

从计划维度。和年初定的计划相比，差了多少？

从占比维度。各个产品占的销售额多少，哪些是带来贡献最多的明星产品。

2、布局

布局的目的是为了让业务指标和数据合理地展现。由于往往展现的是一个全局的业务，一般分为主要指标和次要指标两个层次，主要指标反映核心业务，次要指标用于进一步阐述分析。所以在制作时给予不一样的侧重。

这里推荐几种常见的版式。

上面几个版式不是金科定律，只是通常推荐的主次分布版式，能让信息一目了然。实际情况中，不一定使用主次分布，也可以使用平均分布，或者可以二者结合进行适当调整。比如下图所示，指标很多很多，存在多个层级的，就根据上面所说的基本原则进行一些微调，效果会很好。

3、配色

合理的布局能让内容更富有层次，合理的配色能让观看者更舒适。配色的学问很复杂，主要看个人审美。色系选择尽量不要超过三个，避免太过亮眼的颜色，比如紫红色，亮绿色，柠檬黄等。无论是哪一个，都遵从两点基本原则：色调统一和一致性。

实在不会配色，FineBI内置了配好的颜色，一键调用。

最后，离月底还剩10天，还不赶紧用BI来做个分析？

答|百度派 @殇小辛

其实跟PPT商务不商务无关，PPT丑，怎么商务都不行，这个关键不是商务风格怎么做的问题，而是美的PPT怎么做的问题？

你们公司需要做周报吗？

公司开会需要PPT吗？

你年终总结需要做幻灯片吗？

你领导嫌弃你PPT做的丑吗？

你PPT做得不好看被领导叫去喝过茶吗？

例如你花了3个小时，终于做出了上面这样一页PPT...

心里忍不住为自己鼓掌，尼玛，我真是太有才了，蓝色和红色文字突出重点，还为每一个服务项目添加了非常有逼格的3D小人。

同时使用蓝色箭头做引导，代表中这是循序渐进的服务流程，更具有点睛之笔的是云朵图片的使用，不仅避免了使用纯白色背景造成PPT单调，用云朵把整个服务项目包裹进来，还表示整个服务数据在云端进行，准确的表达除了要传达给观众的信息。

秒呀，太妙了，领导一定会被我感动的。

第二天你满怀期待的拿给领导看后，领导....

升职加薪迎娶白富美的梦想破灭....

那么校长就来拯救你的梦想

我们先来分析下这页PPT的问题？

文字颜色混乱页面元素没对齐图标、图片素材太丑

知道了问题所在，我们就来拯救这页PPT吧

第一步：先把主要内容提取出来

第二步：加入图标、线条等进行简单美化

第三步：加入图片等素材进行修饰

嗯，好多了，但是有个问题，这样做没法体现业务的流程，继续改

DONE！

我们来对比下修改前和修改后

修改前

修改后

注意：图片的方向盘和那个弧线很巧合的保持了一致（巧合，一定是巧合）

这样是不是逼格提升很多，也能更快读懂这页幻灯片传达的信息了

做PPT很难吗？

其实并不难，但是需要你不断的进行模仿练习，

你看着我做的挺轻松，但是找图标、找图片你知道该去哪儿吗？

选择怎样的的图标、图片可以提高PPT逼格？

这些都是一些很小的技巧，但都是通过不断的模仿练习慢慢积累下来的经验

其实跟PPT商务不商务无关，PPT丑，怎么商务都不行

以上内容由百度派作者提供