又到了写年终报告的时候，大多数人最近都在找模板，梳理工作指标，做PPT吧 ：）
过去一年成绩无论好坏都已定，但年终报告作为年底展示成绩和价值的机会，可能关乎到能否给明年的自己“升职加薪”。
如何“美化”年终报告？
报告的内容，不同岗位各有不同。财务、销售、生产、供应链等业务岗尤其是管理岗，少不了数据、指标的呈现。 相较于传统密密麻麻的表格汇报形式，可视化的图表能更加直观的呈现业务状况。如果能结合数据分析对业务指标数据做一个全面的分析，并提出可行性决策，相信领导一定眼前一亮。
其实，这也是大部分专业咨询人士惯用的一套。
如何确保信息准确的同时，让人一目了然，甚至眼前一亮？
本文将分享如何用可视化来做工作数据汇报（全文干货很多，对日常工作分析和汇报大有裨益！）
本文目录大纲：
一、技能：学做一份可视化报告
二、分析：对关键业务指标分析
三、汇报：报告的展现与美化
一、技能：学做一份可视化报告
能制作可视化报告的方式有千千万。如果Excel驾轻就熟的话，结合VBA能玩出很多花来。如果会Python，手握matplotlib可视化包能打天下。但有人说我这些技能都不熟，那不妨用简单易用的BI工具来做可视化报告，而且BI本身就是一个简单强大的数据分析工具，专业做可视化分析报告的。
这里以FineBI制作的可视化为例：
1、数据分析的操作流程
一个完整的数据分析都需要经历数据获取、数据预处理、数据分析与建模、可视化分析及报告撰写的过程。FineBI的操作也是这样来分的：数据连接——数据准备——可视化分析——仪表板驾驶舱——分享仪表板等。
左侧是导航栏，类似于菜单栏。目录类似首页，展现已完成的分析报告，这里默认展现官方的内置demo。
数据准备是连接数据、准备数据，以及对数据进行再加工处理的地方，可进行业务包、数据表、关联、多路径、数据更新、自助数据集等管理。
仪表板即创建可视化分析。管理系统即对整个数据决策系统进行管理的地方，包括目录的设置、外观设置、数据、报表、分享权限等管理配置。
创建是提供给用户快捷新建数据连接、添加数据库表、添加SQL数据集、添加EXCEL数据集、添加自助数据集、新建仪表板的地方。
2、连接/导入数据
制作数据报告，第一步是导入数据。可以从很多种数据源导入数据：如Excel，CSV，XML，以及各类数据库SQL Server，Oracle，My SQL等。最常用的方式是连接数据库和导入excel数据。以导入Excel为例：
第一步：数据准备—添加业务包，点击添加表，新建excel数据集，将Excel数据导入。
就得到如下的数据明细，至此，数据导入成功。
3、处理数据
拿到的数据要做一些处理，比如空缺值、重复数据，新建字段，比如环比同比平均值汇总值等等。就是丢原数据进行再加工处理的过程，处理好的数据才能用来分析，否则分析无意义。
4、可视化分析
到这里数据准备好了，接下来开始正式分析。
随便拿了一份数据做示例，这份数据是我从网上当下来的，也是刚刚导入的一份数据。展示了1945年——2015年登陆我国的台风信息，包括时间、登陆省市以及台风强度。
那么我们可以汇总统计下历年来台风最常光顾的省份和城市有哪些，一年中哪个时间段是台风频发日，以及台风强度分布。
① 新建仪表板，即我们说的可视化报告、dashboard，叫法很多。
② 新建可视化组件，添加刚刚导入的数据集。（图表、查询筛选框等都叫组件，是finebi仪表板的组成元素。）
分析各年度登陆我国的台风数量
添加完数据集会进入到这个分析界面。拖拽要分析的字段（记录数—统计台风数量的指标，登陆时间——这里只展示年份这个维度）
这里要注意，源数据表中一个台风有多行记录，那是因为台风可能同时登陆两个区域，记录了两条信息，所以记录数要依赖CMA编号统计（记录数右侧小三角下拉），以免重复。
其次，这里又添加了一个统计每年台风平均数的指标。
最后再对次图表稍加美化，通常在图形属性和组件样式中：
① 修改线条颜色：图形属性—颜色
② 修改连线为平滑曲线，并且可调整有无标记点
③ 修改该组件标题：组件样式—标题，可调整字体样式
最终得到如下成图：
能明显感觉到登陆我国的台风呈现一个2~4年的波动变化，且2000年以来，直击我国的台风整体数量有略微下降。
具体分析成什么样，大家根据自己的分析目标来，这里只是做一个操作演示。
5、可视化报告
图表分析组件完成之后，就是构建可视化报告（dashboard）了。
仪表盘样式中有预设的模板可以直接套用，以下是我随便套用的一个模板，根据模板的风格，后面调整了每个图表的样式和配色。好不好看全看个人审美了。
二、分析：对关键业务指标分析
一般年度汇报业务会分析哪些核心指标呢？大体可以分为下面6类：
数据合计分析
发展趋势分析
数据对比分析
组成结构分析
达成进度分析
影响因素分析
以财务版块为例：
1、数据合计分析
数据总计分析通常用于统计业务板块下领导最为关心的关键核心指标，例如财务就是年度营业收入、年度消耗成本、年度净利润。
如下图所示，我们通过仪表盘组件统计出企业的年度营收总额、年度消耗成本、以及净利润这三个核心指标，同时将仪表盘的区间最大值设置为营收总额2.78亿，开启软件中显示百分比功能，如此，消耗成本占比以及利润率这两个指标也迎面而至了。通过仪表盘的数据合计分析功能，将领导和决策者最为关心的企业核心指标直接呈现出来，年度营收状况一目了然。
2、发展趋势分析
发展趋势分析通常用于直观比较某一连续区间内的数据走向，用于明年计划的预判。比如销售额预测，财务比率走势。如财务，一方面可以分析数据增减变化是否存在异常，发现企业可能存在的问题；另一方面还可以帮助企业预测未来财务状况，判断企业的发展前景。
此类直接呈现企业发展趋势的图表，一般可使用折线图进行分析统计，用横轴表示时间（年、月、日），纵轴表示如营业收入、成本支出、利润率等指标再合适不过了。如下图所示，左值轴统计出每年营业收入和成本支出的走势，右值轴统计出每年的利润率走势情况。
3、数据对比分析
数据有对比才有价值，单个孤零零的数据无法判断好坏。一般来说，对比分析的参照标准有如下四个方面：
1.时间比较：与上期、去年同期实际数据进行比较
2.实体比较：与同行业先进企业或痛行业其他企业数据进行比较
3.口径比较：与计划或预算数据线相比较
4.结构比较：在构成分析的基础上比较两个数据的构成，分析财务指标的变化
我们再做对比分析时，比较数据的大小，通常推荐使用柱状图、条形图，当进行数据结构比较时通常推荐使用累积柱形图、累积条形图进行数据对比分析。除此之外，还可以根据分析的具体情况使用其他图表，比如通过折线图的高低连线来表现几个公司的库存最高最低和库存的对比。
4、组成结构分析
组成结构分析方法通常可用于对象中各项目组成元素进行数据分析，例如各产品的销售组成分析、流动资产组成分析、各部门管理费用组成分析。
表示数据结构组成，图表方面通常可使用饼图、圆环图和百分比堆积条形图、百分比堆积柱状图进行元素组成分析；元素组成表示数值大小，通常可以使用堆积条形图、堆积柱状图等。
5、达成进度分析
需要展现某项指标或者某项任务的达成进度，比如部门业绩完成情况、申报费用进度等。为了更加直观地展示各项指标和任务的进度，我们一般可以通过堆积柱形图、堆积条形图、甘特图来展示数据进展情况。
6、影响因素分析
对于分析财务数据时，数据的影响因素主要有两种不同的指代含义：
1.因素分析法，比如影响销售收入的价差、量差；
2.某一指标到另一指标的各种累积影响；
类似分析此类多渠道影响因素数据时，瀑布图无疑是最佳的选择，能够快速将数据进行差异化统计，同时对数据进行累积统计。
以上是做简单的数据汇报时，一些数据展现的常用方法。教大家拿到数据用什么角度分析，用什么图表来呈现。
三、汇报：报告的展现与美化
知道拿到数据怎么分析，用什么工具分析，最后要考虑如何把可视化报告做得漂亮。
这里主要讲一下美化和排版。
1、指标展现
假设要做如上图所示的一个可视化dashboard，首要考虑的是，那么多指标，我应该考虑放那些？
一般而言，你的汇报一定会有明确的主题，比如“地产公司销售报告”。针对这种主题明确的可视化，推荐给大家一个非常好用的套路——多维度拆解北极星指标法。
第一步：确定一个北极星指标。如销售汇报，你的销售总额一定是最重要的吧，这就是主题。
第二步：多维度拆解北极星指标。把你的销售额情况分解。
从时间的维度。每个季度每个月的销售额情况是如何，销售额特别高的时间段，原因是什么，做了哪些措施？
从地理维度。各大区域销售额情况如何？可以做个排名情况。
从计划维度。和年初定的计划相比，差了多少？
从占比维度。各个产品占的销售额多少，哪些是带来贡献最多的明星产品。
2、布局
布局的目的是为了让业务指标和数据合理的展现。由于往往展现的是一个全局的业务，一般分为主要指标和次要指标两个层次，主要指标反映核心业务，次要指标用于进一步阐述分析。所以在制作时给予不一样的侧重。
这里推荐几种常见的版式。
上面几个版式不是金科定律，只是通常推荐的主次分布版式，能让信息一目了然。实际情况中，不一定使用主次分布，也可以使用平均分布，或者可以二者结合进行适当调整。比如下图所示，指标很多很多，存在多个层级的，就根据上面所说的基本原则进行一些微调，效果会很好。
3、配色
合理的布局能让内容更富有层次，合理的配色能让观看者更舒适。配色的学问很复杂，主要看个人审美。色系选择尽量不要超过三个，避免太过亮眼的颜色，比如紫红色，亮绿色，柠檬黄等。无论是哪一个，都遵从两点基本原则：色调统一和一致性。
实在不会配色，软件中一般会有配置好的配色，一键调用就行。
以上
离月底还剩十多天，还不赶紧用BI来做个分析试试？
年终加油！
公众号“数据分析不是个事儿”，[十周入门数据分析]正在更新中！
欢迎留言交流！
网友评论