数据分析报告写作攻略（三）：分部门汇报

小提示：您能找到这篇{数据分析报告写作攻略（三）：分部门汇报}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的数据分析报告写作攻略（三）：分部门汇报内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

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。

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，关注到业绩网络销售部门细节，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交抖音没有认证在那设置自动流下，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，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。

本文于。，

，基一叶子策划推广方案于CC0协议