花了无数时间来创建和进行一系列的活动,现在你终于准备好了要把结果展示给老板看。你已经精心排练了你的演示报告,对整个工作感觉好极了,除了那张展现结果表述得不是很清楚的幻灯片。
就算数据的其余部分很吸引人,你知道老板总是会不自觉地把注意力集中到那张表述不太清楚的幻灯片上。虽然你可能不喜欢那样,但是我们认为任何活动最重要的部分是在所有工作都做完了才到来的。换句话说,那张图是十分重要的。
当然,做一张简单的图表很容易,但是要让你的下次汇报水平上一个台阶,并展现出你所做工作的真正影响力,你需要非常关注细节。为了帮助你把下一次演示做得更好,我们列出了10个快速便捷的报告微调方法作为入门。 具体来说,下面的每个例子,我们将让你体会到利用Excel和HubSpot进行报告微调的效果。
1)改变图表类型
下面这个例子,表明如何选择不同的图表让你的报告变得清晰。
之后:
虽然两张图显示的都是相同的数据——某时段MQLs的产生量,根据来源区分——第二张图是一个区域图,让观众能够把不同时期的MQL流的变动看得更清楚。
2)输出以先前表现为基准的图
让我们假设你刚刚出版了一本非常棒的电子书。让你高兴的是,你的潜在客户不断攀升。太棒了!但是,你的老板总是问尖锐的问题:潜在客户增长是好事,但是否能带来不一样的效果?
你如何来更新你的报告,给老板展示你的潜在客户数据和正常数据的对比?在你的报告中额外增加一系列的数据,显示一下跟以前相同时间段指标的比较情况。
在下面的例子中,你可以看到随着时间的推移,有稳定的增长值——带有和不带有以前月份的数据。
之前:
之后:
增加额外的内容提供了更好的快照来比较你的当前和之前的工作表现。
3)改变数据的次序
就算全部正确的数据都已经在你的图表里,关键的一点是把数据用有逻辑性和直观性的方式排列。可以按字母顺序、次序或按价值排列。
在下面的例子里,我们把销售周期的速度绘制成一张柱状图,根据最初的销售来源进行细分。根据这个报告,我们试图了解哪个来源带来最快变现的潜在客户,以及哪个来源潜在客户变现最慢。
之前:
之后:
看到不同了吗?如果数据是随机排列的,会很难发现战略上的关键点。
4)显示数据标记。
如果你是在绘制一段时间内的趋势图,加上标记会非常有用,因为它能清晰展示出数据间隔之间的逐步变化。在下面的例子中,我们要绘制MQL在特定某一周的增长,把客户的不同来源划分成9个种类。添加标记有助于分清不同日期之间的数据变化,从而更容易得出到底哪种渠道增加客户的效果更好。
之前:
之后:
5)展示累计数据
如果你想要展示累计的增长,就用累计后的数据来绘图。在下面的例子中,第一张图表的信息告诉我们的可能是“我们在这个时间段的后半部分新增了更多的MQL ”。第二张图, MQL总量增加的变化更为明显:总共新增了超过1500个 MQL ,而且随着时间的推移新增的数量加速增长。
之前:
之后:
6)删去多余的数字
不是所有的数据都要放在图上。删掉那些性质不明确的或者跟你要解答的问题不相关的数据。
只要记得把握好分寸来清理报告即可。不要因为有些数据不能展示出你想讲的故事而删除它们。
之前:
之后:
7)画出目标线
原始数据很好,但它有时候并不能说明一个完整的故事。比方说,你这个月生成了500 MQL 。干得不错……但是那又能说明什么呢?跟你之前所定的目标相比如何?添加一条目标线,可以帮助你的团队更加明确你们的表现跟期望之间的关系。
之前:
之后:
8)堆叠数据
过多的数据可能给人招架不住的感觉 。可视化的堆叠能更容易看出不同类别间的总体趋势,分组图更容易比较同一个类别的不同的单个数据。根据你想要回答的问题,选择最合适的方式。
假设你在绘制每个月的客户增长图,根据客户所在的不同行业来分类。你的目标是比较单个月的不同行业的客户增长。你可能会遇到一个问题:4月份我们的高等教育或者生物科技的客户是不是增长得更多?
在一个堆叠图表中,很难对某个月的不同行业的数据进行比较 。在这种情况下,最好使用一个分组条形图,用来表示在某个时间段内的单个值的大小更为明显。另一方面,如果你想把重点放在展示某个行业的客户增长对总体增长的贡献,一个堆叠图表能把汇总数据表示更清楚。
之前:
之后:
9)调整所用的配色方案
我们不一定都是艺术家。但我们中的大多数人都可以判断出某个配色方案的使用是否恰当。如果你展示一组数据,有几个选项,就选择一个配色方案,能够明确辨别出不同的选项。 否则,数据的呈现将毫无意义。
之前:
之后:
专业提示:用不同的颜色来区分报告里的不同类别。例如,你可能用绿色表示有关交易或机会,而用蓝色或黄色来为与市场相关的填色。
10)调换坐标轴
调换你的X轴和Y轴可以使你的图表展示一个完全不同的故事。在下面的例子中,我们要用图表来展示客户的初始来源和客户生命周期的阶段数据。
在“之前”这个截图上,一个重点可能是绝大多数的客户都是通过线下渠道产生的。然而,很难看出线下渠道发展的客户在每个客户生命周期的比例。
调换图表的X轴变量,使我们能够更深入地分析我们已有的内容。 “之后”的这幅图更加清楚地显示了离线渠道在开发新客户上所起的巨大作用。尽管这两个图表都展示出有操作性的重点,但是更重要的是明确你最初的问题。很多时候,调整X轴变量后的,你会找到更好的答案。
之前:
之后:
之前:
之后:
现在你已经知道怎么让你的数据吸引眼球了,并且能让你的报表达到一个更高的水平。衷心希望你以后再也不会把一个难以理解的图表呈现给你的老板了!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14