用数据说话（一）

用数据说话（一）在日常工作中，数据是十分重要的呈现因素，通过数据，你可以清晰地展现你的工作成果，也可以让业务得到更强有力的支撑。不过，你知道如何才能更有效地呈现数据，实现高效的数据沟通吗？不如来看看作者的经验分享。一、前言“Claire，我来公司3个月了，你是第一个给我讲清楚这些图表到底是干什么的人。”“Claire,wheredoyoulearnyourpresentationskills?Youdidagreatjob!”“Youranalysisandpresentationisveryinsightful,Claire.Ilovethewayhowyoupresentedthefindings.”以上来自我工作中同事、老板对我presentation的评价。在我近三年的数据分析生涯中，数据可视化和presentation一直是工作中的重要部分，present的对象包括但不限于公司内部技术和非技术人员、高管以及客户中的高管。正是这些经验的积累，本文我想针对“用数据说话”这一主题，分享给大家我踩过的坑和有效的用数据沟通的技巧，希望能帮你也在工作中清晰有效的呈现数据。本文内容受众不只限于数据分析师，因为事实上，不管是金融分析师、产品经理、项目经理、运营专员、市场营销专员或是销售经理，在工作中都或多或少需要向同事、老板、高管、或者客户用数据来展示自己的业绩/项目成果、公司的运行现状或者客户的需求满足。众所周知，数据让你的statement（论据）更具说服力，量化结果也更容易让人留下深刻印象。但事情没有那么简单，现实是没有良好的沟通表达，对方不一定完全理解你的意思，下面让我们来看看如何“用数据说话”。作者注：本文侧重点在于如何用数据更好的表达自己的观点，里面涉及的数据可视化建议与咨询公司的报告图表（更偏静态和需要阅读）有一定区别。请读者容忍作者中英混杂的文风。作者的工作经历都是toB（面向企业）的数据分析。这部分想分享的内容太多，所以会写成一个系列。二、有效数据化沟通的知识点1.上下文的重要性一次好的数据化沟通要从介绍需求背景/上下文开始，比如本次meeting的目标是什么，谁提出了这个分析的需求，需求方想实现什么效果。再者，不同公司、环境、职级的人对同样事物的认知和熟悉程度是不同的，比如说某公司第二季度revenue是$1M，很多人可能并没有概念这个数字的大小、反映的业绩好坏，但如果你加上与去年同期的对比、有没有达到我们的预期（OKR），就会更容易被人理解。2.knowingyouraudienceiskey（了解你的听众）通常情况下，对不同audience做的dashboard都是不同的，比如面向公司内部市场和销售团队使用的dashboard，他们希望分析尽量细节（granular），这样他们可以选取对不同客户有效的信息进行pitch（产品推销）或者回答客户关于一些细节指标的提问。但如果dashboard是面向客户企业的非技术人员和C-level的高管来使用，就要更偏向战略宏观角度的分析，作图尤其要注意简单易懂，不仅一张图不要放太多内容，也切忌堆砌图表。3.apictureisworthathousandwords（一图胜千言）有效的图表可以让听众更好的记住你的结论，而一个好的图是不需要使用者思考太多的。下面分享一个技巧和案例：1）pre-attentiveattributes这是人类大脑对图表处理的一种潜意识表现，比如颜色的不同、深浅，线的长宽大小、方向，形状，2-D散点图等。正是人类的这种信息处理特质，我们应该在数据可视化的时候利用起来，用这些特点来highlight我们想突出的insights。颜色最容易被人们观察到，但不要使用过多颜色，会分散人们的注意力；尽量不使用倾斜的axislabel，因为人们需要更多的时间来process，必要时使用缩写；去掉图表的边框而选择用空白来划分边界，因为边框会吸引受众的目光，而我们需要受众的注意力在图标的细节里。2）同样的数据，目标不同，选取的图表也应不同比如我们有麦当劳不同地区不同月份的销售额，如下表（fakedata）。当我想知道哪个地区哪个月销售额最高，一个好的visualization是直接在上表highlight最大值，如下图：当我想知道哪些数据达到了每月$100K的销售目标，用不同颜色的柱状条形图+目标水平线来展示。注：这里需要先unpivot上表。4.数据的粒度（granularity）任何人都能给出一个数字化的结果，但是注意你数据的levelofdetails/granularity是保证你结果正确的重要前提。比如下表：同一个电影可能有多个类别，这里不同的类别被分在了不同行。如果要算每个制片厂制作电影的的平均票房，就不能只按制片厂groupby算票房的avg，因为同一电影的票房数有重复计算，种类越多的电影，票房的加权也越重。正确的算法是先去重（de-duplicate），保证每个制片厂的每部电影只有一个票房纪录，再按制片厂算票房平均值。另外，这一点在你需要写SQL进行tablejoin的时候也尤为重要！5.actionablenextsteps判断自己数据化沟通的成效之一，是在meeting或者presentation的最后，看audience能否带着你提供的insights进行一定的决策或者有清晰的下一步规划，这才保证我们的沟通是有效并能解决实际的问题。数据分析师在做dashboard时的好习惯：1）理解你要解决的问题先自己想想你需要什么样的数据支持，再看你要从哪些database或者sourcetable中获取数据。然后写SQL的时候，对你的结果有一个expectation，run出结果再和自己的expectation比较，起到verify你工作的效果。2）数据分析师很重要的一个品质我愿称之为skepticism（怀疑精神）很多时候当你看到一个奇怪的结果时（比如近三个月销售额一直在下降），与其立马投入业务分析，不如先去看看这个结果的生成用了哪些数据，进行了哪些数据转化，可视化的操作对不对等等。如果是数据源头的问题（例如数据捕捉不完整），那就需要先把datapipeline的处理修正，再进行分析。有时候你甚至会发现业务部门让你做的分析还没开始就结束了…3）拿到数据后别急着画图，现实生活中已有的数据很可能不是你直接能用来可视化的数据，你需要进行一定的数据清理和数据转化比如算消费者随月份的平均订单花费变化趋势，你一方面要保证纳入计算的数据