从根本上讲，报表只是数据的展示工具，而BI是数据分析工具。商业智能（BI）是提取企业各个运作系统的数据，然后进行清理、抽取、转换和装载，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理，最后将结果呈现给管理者，为管理者的决策过程提供支持。 从功能上讲，以报表和DataViz举例。

1、多样数据源：DataViz可以接入多种数据源，对报表进行分析，包括excel，可以看成exccel是作为DataViz的数据源之一。

2、聚合汇总数据：excel报表难以交互分析，无法将各表格的数据关系建立起来，也难以挖掘出潜在的规则，难以追溯数据历史，容易形成数据孤岛。DataViz可以交叉关联各报表间数据，挖掘潜在数据规则并建立联系，实现多维度的多层次的分析，支持拖拽数据集中维度和度量即可自动实现可视化展现以及数据透视功能。

3、可视化形式多样且支持大屏展示：excel的展示样式有限，且无法将数据分析的过程可视化地展现出来。DataViz具有上百种模板图表样式，配色、主题均可一键切换。根据分辨率设置的不同，还支持拖拽图表组合布局，设置图表联动交互，实现大屏展示。

何为数据可视化

这里主要是指工作场景中的数据可视化(海报类、信息图不在范围内)。

数据可视化就是承接数据分析之后的数据展示，包括图表设计、动效组合，形成二维图表，三维视图、联动钻取，搭配成大屏……

数据可视化的功能主要体现在两个方面：一是数据展示;二是业务分析。数据展示很好理解，就是将已知的数据或数据分析结果通过可视化图表的方式进行展示，形成报表、看板、dashboard、甚至配合现在流行的大屏展示技术，数据展示的方式也越来越为人所接受和欢迎。业务分析就是在看到图表、dashboard、大屏之后，将所分析的度量和数据有效地转化为有商业价值的见解，使其能够为基于事实所做的决策提供支持。

数据可视化的工具

对于数据可视化，有诸多工具，如：

1、图表类插件：ECharts、Highcharts、D3js等功能都十分强大。

2、数据报表类：Excel、金蝶、FineReport等，对于日常的报表制作，易学实用。

3、可视化BI类：比如cognos、tableau等，更直接地针对业务分析。

以上，前两者是纯粹的可视化图标，后两者涵盖从数据采集、分析、管理、挖掘、可视化在内的一系列复杂数据处理。

如何实现可靠的数据可视化

数据可视化最终还要回归到“阅读者”，通过传递有指向性的数据，找出问题所在，制定正确决策。所以数据的价值不在于被看到，而在于看到之后所引起的思考和行动。

这里，企业内数据还不同于普通的应用数据，它们大多不是通过算法程序直接产生价值应用于用户，而是通过合理的展示和分析，再经应用者或管理者思考和判断，最后采取行动，从而发挥价值。

1、谁是可视化的受益者

无论你在做一份传统的报表，汇报的PPT还是其他，首先需要搞清楚这是给谁看的，他需要了解哪些事项，关注那些指标，在决策过程中会如何利用你展示的信息和数据，一句话概括就是搞清楚数据分析工作的目标，这一张报表是用来做什么的。后续的数据分析工作和分析报告里所要呈现的全部内容，之后都是要紧紧围绕着这个目标主题而服务的。

2、梳理指标体系

数据可视化是要讲繁杂的各条数据，梳理成指标，围绕每个业务财务、销售、供应链、生产等形成指标体系，最后通过可视化的方式展现，比如回款率、收益效率…

可以说，数据分析工作是否成功，大体就在指标的梳理。这个工作需要数据中心的人员或者BI组的人员深入业务一线去调研需求，拉来数据，建好数仓…

指标体系分享

如何针对业务场景做数据分析-零售业管理指标

数据化管理的指标体系大全(一)，店铺与销售

数据化管理的指标体系大全(二)，商品、电商、战略决策

分析生产和库存，靠这一套指标就够了!

将数据可视化与业务方案结合起来

首先我们需要知道为什么要撰写数据分析报告呢？

主要目的在于 将分析结果、可行性建议以及其他价值的信息传递给管理人员。 而数据分析报告实质上是一种沟通与交流的形式，它需要对数据进行适当的包装，让阅读者能对结果做出正确的理解与判断，并可以根据其做出有针对性、操作性、战略性的决策。

我们撰写数据分析报告的时候需要注意三个方面:  展示分析结果、验证分析质量，以及为决策者提供参考依据。

如何写好一份数据分析报告

一份数据分析报告由以下几个部分组成：

标题

目录

前言

正文

01

标题

标题是一份报告的文眼，是全篇报告最浓缩的精华。好的标题让读者能毫无偏差地理解这篇分析报告的主要目的，有时可以直接在标题中加入部分或者关键性结论达到直达文意的效果。

在标题的命名过程中，现在有一份关于数据分析师招聘和薪酬方面的一份报告，你可以：

1  直接在标题中放上报告的结论 ，例如《数据分析师在人工智能大环境下需求直线上升》

2  提出分析报告的研究问题， 例如《数据分析师的职业规划在哪里》

3  中规中矩地写上研究的主题， 例如《数据分析师的招聘研究》

02

目录

体现数据分析报告的整体架构

我认为一个好的分析报告应该要的结构:

03

前言

前言部分就和写论文时候的Abstract类似：

1 要写出做这次分析报告的目的和背景

2 略微阐述现状或者存在的问题

3 通过这次分析需要解决什么问题  

4 运用了什么分析思路，分析方法和模型

5 给出总结性的结论或者效果

6 给出数据来源

但所有的分析报告都有一个大前提------- 了解报告的受众

知道他们是谁，喜欢什么样的风格，怎样的叙事过程，才好判断报告的载体和形态。

是用excel，还是用word，或者PPT和key note ？

是喜欢鲜艳的对比色，还是稳重的商务色 ？

是总分，还是总分总，还是总分分 ？

是喜欢开门见山，还是喜欢先扬后抑

是希望逻辑严整，还是喜欢单点突破按照模块去拆解？

是喜欢专业的词汇，还是通俗易懂的大白话？

根据受众的数据理解能力，去判断用哪种图表进行呈现，做合适的解读。

04

正文

逻辑性强

现实状况的给出和论证一定要严谨合理，逻辑性强。这正是数据分析师存在的意义。按照写议论文的方式，总分总，是最常见的结构，总的部分，就是结论了。

结论可进行前置,其好处在于能帮助读/看报告的人节省时间，快速聚焦到结论事项上。如果本身的话语权足够大的话，还能减少决策链路，直接进行策略抉择，少了很多环节。

举个例子：通过对各省用户在客服部门的诉求信息分析，发现湖南和吉林两省的用户体量大（x），新用户的占比高（x%），在平台入驻、协议签订、商品发布几个环节的问题量，高于平台平均水准x%。 

原因：经过对数据的拆解，在两省的培训材料少、知识库覆盖面比较低，语料素材匹配度不高；

策略：建议培训部门加强对知识库、语料的建设，并针对两省用户的问题，制定相应的策略；

价值：通过对知识体系的完善，能够减少客服人员在基础问题上的人力投入，加快问题响应解决率，从而提升用户的使用满意度。

05

架构清晰

分析报告的架构体现了分析师的分析思路的框架，一定要显而易见，符合常识。思路最好不要出现跳跃的地方，以免出现阅读障碍，令读者不知所云。一步一步得出结论，给出观点。

大部分情况下，一般的数据分析到结论就结束了，因为是总分的关系，只需要暴露问题，至于问题的解决，是依赖于其他的团队，或者部门的领导去拍板。

针对结论，对每一项分开进行阐述，支撑起重要结论的论点分别是什么，以及对应的论据。在这个环节过程里面，所需要组织的内容就是一套标准的数据分析过程，即：

数据采集-数据处理-数据统计-数据可视化-数据结果 

需要强调的是，在整个分析的过程里面，最好能够提前明确好统计的核心指标和维度。看待问题的视角有很多，所以需要提前定下来一个框架，从主视角、第二视角去对指标进行剖析。

分析的方法，就不在报告层面上展开了，会在另外一个部分里面体现。

06

结论明确

数据的结论一定是要从数据中得出来，要严谨的切合数据分析的主题，最好一个分析模块只给出一个最直接最和主题关联的分析结论。一个特征当然可以从多个角度提取出多个观点和结论，但是一定要选择和主题相关性最强的那个，不然大量的低相关信息会很容易打乱读者的思路。

熟悉业务多一点的分析师，会看的更远一些，从业务的视角尝试进行数据解读，即根因分析，先定义异常，然后去解释异常，再之后去阐述异常。

07

可视化

人都是视觉动物，一图胜千言。在数据报告中需要大量地使用各种图表而非文字，图表能够一步到位的将数据呈现在读者面前，大部分时候无需做多余的解释。

08

术语

根据读者的不同决定是否要解释报告中的分析方法和术语。

报告的协同部门，即谁参与方，无论是确定数据来源的部门，还是核对数据口径的部门，或者是参与数据解读的部门，都是协同方，应该事先去做好沟通确认的工作，避免数据结果被质疑。

写在最后

在报告主体之前，最好能明确报告的业务适用范围，内容中涉及到的指标，数据采集的渠道，抽取样本的时间，作为说明页，插入到内容之前。

                                                                        end

了解整理数据来源或者采集数据；

理解数据、处理数据；用工具Excel、数据库等对数据进行处理。

掌握数据整理、可视化和报表制作：数据整理，是将原始数据转换成方便实用的格式，Excel在协同工作上并不是一个好工具，报表FineReport比较推荐。项目部署的Tableau、FineBI、Qlikview一类BI工具，有没有好好培训学习，这些便捷的工具都能淡化数据分析时一些重复性操作，把精力更多留于分析。

Desktop

Desktop 是一款功能强大的数据发现工具，可让用户自行探索、分析数据。用户使用Desktop 来创建自定义的交互式达析报告，用于探索其业务数据。可从许多不同的来源导入业务数据，包括本地文件、数据库、Google Drive、Facebook 等。

Desktop 提供一套完整的分析功能，其综合能力优于其他各种数据发现工具。并且永久免费。

Desktop 有 Windows 和 Mac 版本，本文中我们用的是windows 版本。

第一步：添加数据

打开软件最显眼的左上角蓝色按钮提示用户需要建“新达析报告”。

点击“新达析报告”按钮后，跳转至达析报告页面。引导框非常清楚地提示用户怎么操作。

点击“新数据”按钮，跳转到数据源界面。选择合适的数据源。这里以本地csv文件为例，因此选择“来自磁盘的文件”。

选择好文件后点击“完成”按钮即可。如果不确定此数据源的数据是否需要整理，则可以选择“准备数据”来预览数据。

第二步：整理数据（如有必要的话）

在预览页面对导入的数据进行预览，如果发现需要对数据进行整理，可选择左上角“整理”按钮整理数据。

关于如何数据整理，可以参考文章微策略一步到位搞定数据清洗。在本文关于杭州各小区房价信息的演示文件中，我们主要是做了如下处理：

1 去除单位，如“平米”，“元/平米”，“室”，“厅”等

2 将“万”转换为“0000”，或者直接去除也可以。

3 拆分某些列，例如将“Building Data”列拆分成“建造年代”，“房屋类型”两列。

4 修改标题栏名字成中文

第三步：预览数据（如有必要的话）

数据整理完后，可以返回“预览”界面，查看数据类型、实体(维度)、度量是否正确。如果不对，可以通过右键实体或者度量去做改变。

第四步：建可视化效果，开始探索数据吧

建可视化效果来分析数据非常简单，直接将你想要的实体、度量拖放到中间“编辑器”栏就完成啦！

如果想要看某个板块平均房屋价格可以基于房屋价格新建“聚合依据”。

如果想要对平均房屋单价按从高到低排序，可以在“平均房屋单价”上右键选择降序排序。或者选择高级排序。

如果想要只看西湖区的但不看良渚，还可以将“区”、“板块”拖放到中间栏“筛选器”中。选择区里选择西湖区，板块内不包括良渚板块。

如果你想要接着分析更多其它信息，可以接着插入可视化效果、页面或章节。

如果想要看其它图形化的报表，也可以点击最右栏选择不同的可视化效果类型。

最后，保存你的达析报告就行了!

好了，数据分析就完成了，是不是很简单呐！

体验感受：

1Desktop 提供一套完整的分析功能，其综合能力优于其他各种数据发现工具。即适合无IT背景的小白用户通过图形操作来分析数据，也提供脚本化方式让高端用户更方便地进行大规模的流程管理。

2Desktop 可连接至200 多个数据源。凭借开箱即用数据连接和本机驱动， 可以轻松地无缝连接到任何企业资源，包括数据库、移动化设备管理 (MDM) 系统、企业目录、云应用、物理访问控制系统，以及诸如 Tableau、Power BI 和 Qlik 等其他自助服务工具。

3 永久免费！

4 安装包比较大，有11G，下载安装包需要一定时间。

数据可视化就是以柱状，饼图等各类图形的方式来展示数据，它将技术和艺术完美结合，通过图形化的手段，让用户更直观，更快速的的了解信息，获取信息。我觉得数据可视化平台主要有以下几个好处：

1、速度快

使用图表来总结复杂的数据，可以确保对关系的理解要比那些混乱的报告或电子表格更快，从而轻松理解数据。

2、多维度显示数据

在可视化的分析下，数据将每一维的值分类、排序、组合和显示，这样就可以看到表示对象或事件的数据的多个属性或变量。

3、数据的直观展示

大数据可视化报告使我们能够用一些简短的图形就能体现那些复杂信息，甚至单个图形也能做到。决策者可以轻松地解释各种不同的数据源。

数据可视化平台靠不靠谱，来试试Smartbi,思迈特软件Smartbi经过多年持续自主研发，凝聚大量商业智能最佳实践经验，整合了各行业的数据分析和决策支持的功能需求。满足最终用户在企业级报表、数据可视化分析、自助探索分析、数据挖掘建模、AI智能分析等大数据分析需求。

Smartbi数据可视化大屏工具

1多方位、多角度、全景展现企业的各项指标；

2数据实时监控，企业动态一目了然；

3个性化定制，布局灵活，样式丰富；

可视化配置、快速发布、支持页面模板

丰富的互动性，支持What-if分析，参数控件可视化

支持页面内部、页面之间的钻取、关联分析

提供几十套大屏幕背景模板，快速开发无门槛

如今，不管在零售、物流、电力、水利、环保、还是交通领域，都开始流行用交互的实时数据可视化视屏墙来帮助人们发现、诊断问题。

不管你是需要放在企业前台电视大屏，会议室大屏、展会现场还是其他业务场景，只要你有一块智能数控大屏，Smartbi都可以满足你所想即所得的需求。

思迈特软件Smartbi个人用户全功能模块长期免费试用

马上免费体验:Smartbi一站式大数据分析平台

近年来，随着技术的进步、互联网速度提升、移动互联网更新换代、硬件技术不断发展、数据采集技术、存储技术、处理技术得到长足的发展，使我们不断加深了对数据分析的需求。但数据分析本身并不是目标，目标是使业务能够做出更好的决策。如何做好数据分析，简单来说，只需5步。

第一步：明确分析的目标和框架

对一个分析项目，数据分析师应该明确业务目标是什么，初步选定哪些变量作为研究对象，从而为收集数据、分析数据提供清晰的目标，避免无意义的数据分析。同时对项目进行简单的评估，即时调整项目，构建出分析的思路与整体的框架。

第二步：数据收集

有目的的收集数据，是确保数据分析过程有效的基础。作为数据分析师，需要对收集数据的内容、渠道、方法进行规划。

1) 将识别的需求转化为具体的需求，明确研究的变量需要哪些数据。

2) 明确数据的来源渠道，数据的渠道主要有三种，一种是从公司系统数据库直接导出，另一种是通过网络爬虫软件（如火车头、集搜客GooSeeker）从网上抓取数据，也可以直接通过问卷的形式来收集数据。

第三步：数据处理

数据分析的中最重要的一步是提高数据质量，最好的数据值分析如果有垃圾数据将会产生错误结果和误导。因此，对收集到的数据进行加工、整理，以便开展数据分析，是数据分析前必不可少的阶段。这个过程是数据分析整个过程中最占据时间的，数据处理包括数据清洗、数据转化等处理方法。

第四步：数据分析

数据分析是指通过分析手段、方法和技巧对准备好的数据进行探索、分析，从中发现因果关系、内部联系和业务规律，通过数据建立模型，进而为商业提供决策参考。

到了这一阶段，为了驾驭数据、展开数据分析，需要涉及到工具与分析软件的使用。

要熟悉数据分析的方法，首先需要良好的统计基础，了解像方差、抽样、回归、聚类分析、判别分析、因子分析等数据分析方法的原理以及使用，才能灵活的根据业务目标以及已有数据来选择分析的方法。

其次掌握几种常用的数据分析软件，如较基础的Excel、SPSS,或SAS、R等较高级的分析软件，保证分析工作的高效进行。

第五步：撰写分析报告

一份好的数据分析报告很重要，因为分析报告的输出是是你整个分析过程的成果，是评定一个产品、一个运营事件的定性结论，很可能是产品决策的参考依据，好的分析报告应该有以下一些要点：

1) 要有一个好的框架，层次明了，让读者一目了然。

2) 每个分析都有结论，而且结论一定要明确。

3) 分析结论一定要基于紧密严禁的数据分析推导过程，不要有猜测性的结论。

4) 数据分析报告尽量图表化。

5) 好的分析报告一定要有解决方案和建议方案。