報告放很多數據不等於專業！掌握４要點，寫出讓老闆激賞的報告

經過了複雜且冗長的數據分析過程後，最重要且最關鍵的一環就是：讓公司了解數據分析的結果。因此，只要掌握下列四個重點，就能寫出一份，一目了然又有重點的完美報告書。

重點一：幾乎沒有人能理解比「％」更複雜的數據型式

如果本身不是學統計、數學、數據工程的人，幾乎沒有人能夠理解比交叉分析和比率分析（％）更複雜的數據模型。就算你在報告書裡洋洋灑灑寫了一堆複雜的建造模型的過程，也幾乎沒有人能夠理解。

我並不是說沒必要寫這樣的報告書，有時報告書含有這些理論性內容，也會為我們帶來好處，因為這種報告會給人「真的使用了非常專業的分析方式」的感覺。

一般來說，比起直接使用「負相關」這種詞彙，我們可以使用「成反比」這種，聽起來比較耳熟的詞彙，幫助對方理解。雖然沒有提出任何具體的演算法，而直接說出了「機器學習」，是一種很奇怪的說法，但使用像「機器學習」這類的流行字彙也不錯。

上司們很常說一句話：「所以接下來要怎麼做？」遇到與負責的部門，對於分析結果或未來方向無法達成協議時，在報告書裡，就應該大致提到接下來的方向或提案。

我並不是說分析結果就絕對正確，因為如果執行部門沒有給予回饋的話，那麼日後的分析就無法繼續。為了行動計畫，或者與行動計畫相輔相成的提案，分析部門與執行部門，都要努力找到彼此的契合點。

我們不只要公司的決策者們聽懂分析結果，也要說服實際工作的組織成員們，相信這個分析結果，這麼做才能讓分析結果不會只是紙上談兵，而是能夠實現推向市場的目標。

千萬不能因為自己不是執行者，就隨便提出行動計畫，因此我們至少要知道，執行時大概需要多少費用。分析師雖然不是專家，但最好能夠了解每個方法之間費用的差別，此外我們也要知道，根據產品特性和消費者特性的不同，對於策略的反應也會有所不同，這樣一來，才能真的完成一份有效的報告書。

其實所有的報告書內容都很類似，都是為了讓企業賺錢，所以要了解店面、消費者、產品中的某個部分，數據就是為了解釋這些東西而存在。雖然裡面具體內容可能不一樣，但其實最後都是要講述一樣的事情。

假設我們現在要做的是「文字探勘」，也就是要針對產品的反應，從人們描述該產品的文字中，找出特定的單詞進行分析。而下面是針對這項分析所延伸而出的問題。

每一項都是一個故事，都是為了能更進一步理解，這些可能會喜歡公司產品的消費者們。

在數據目標裡，除了分析結果以外，也要一同點出此次企劃投入多少費用，賺取了多少收益；消費者變得有多麼喜歡我們的公司。包含數據分析在內，公司必須要擁有這一連串的訊息，才能夠將數據活用最大化。

賦予數據目標吧，讓數據為你的公司效勞。

節錄自：樂金文化《解讀數據的技術 / 車賢那著》

工作術