很多数据分析师都会陷入无休止的取数中，但这些数却不一定会用到，甚至没有什么作用。面对这种处境，我们该如何应对？作者总结了如何写一篇“有用”的分析报告的思路，希望对你有所帮助。
前言
很多数据分析师会陷入业务方无休止的取数需求中，很可能是没什么作用就看看的临时取数；也会有无穷无尽的报表需求，但是产出的报表很可能看过一次之后被丢弃在一旁。
这时候数据分析师就陷入自我怀疑，我堂堂一名数据分析师怎么每天就在做这些重复的“毫无价值”的取数工作，就是业务方的一名取数工具人。并且你的领导和业务方会觉得你没有产生什么业务价值，还感觉你的工作没做到位，即使你已经是加班加点每天在完成业务方无穷尽的需求。
D(X)与E(X)公式，那这个时候应该怎么破局呢，可以尝试对业务写一份数据分析报告，指出业务中存在的一些问题并且给出优化的建议，并且想尽办法落地你的建议，使其真的对业务有所提升。
那么这时候业务方就会明白你的能力所在，你就可以和业务方进行谈判，你是想我把时间花费无意义的取数需求上还是进行有价值的数据分析。只要业务方不是傻子就肯定会做出正确地判断。这样你就渐渐地开始拥有话语权，能做多一些你想做的事情。那么如何写好一篇有价值的数据分析报告呢，且看下文介绍。
01 分析报告作用
一篇好的数据分析报告是可以解答报告受众遇到的问题的原因是什么。我们来拆解下作用，受众会有普通业务同学、也会有业务线的Leader，甚至还有公司的管理层的。这些人在日常的工作中遇到各种各样的问题，你需要在这些问题中筛选出有价值的问题去进行分析背后的原因到底是什么。
一般情况普通业务同学问题可以直接无视，虽然这么说带有一点歧视，但是因为他们的视角和信息输入受限，很少能发现有价值的值得分析的问题，因为作为一名数据分析师就是一般要服务于高于自己几个职级以上的业务方。
再补充一点，数据分析报告为什么不是发现业务中做得好的点使其发扬光大。因为业务方自己做得好的点，根本轮不到你来发现，早就已经去各处汇报，想尽办法的落地到其他适用的地方。只有他们自己无法解决的问题才能让你给他们做一些输入，指导他们如何做突破，要不然怎么可能让你教他们做事呢。人性如此，在职场中多待一些时间慢慢就会习惯了。
02 选题
其中E(x）为期望，∑为求和公式。在概率论和统计学中，数学期望（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。
日常的业务中会有各种各样的问题，并不是每个问题都值得去深入的分析。这就需要你有很强的业务sense，当然这个判断会很难，需要你懂这个行业也懂公司的业务运转逻辑。
这里有个简单粗暴的判断方法，也就是职级越高的人困扰着的问题越值得深入分析，因为他们的精力是有限的，他们只会对他们关心的业务模块进行思考从而产生了问题，一般职级越高的人信息越多能力也越强，这样等于天然的帮你做了一道相对准确的过滤。
还有一点要看这个问题是否存在理论上可解决的资源和方案。比如说政策变更带来的问题，你是无法解决的，那么你只能被动接受，而不是想要分析点什么然后去解决这个问题。你需要找到你的资源能解决的问题去分析。在选定有意义的命题后，就可以发挥你的十八般武艺进行分析啦。
03 结论
数据分析报告最重要的是一定有结论，表达你的观点。但是XXX指标环比上涨10%这种内容不是结论，这只是陈述事实，你一定要给你的最能体现你分析命题的对应的数据指标结果，这个指标的数据结果背后的业务含义是什么，并且给出你的可行性建议。
当然要做到这个事情非常难，这个往往就是一个数据分析师能不能成长为驱动业务增长的高级分析师的一个很大的门槛。
这个非常体现出一个数据分析师的综合能力，你既要懂数据，又要懂运营、产品、市场、产研等等业务岗位。才能根据数据发现背后的业务问题是什么，并且基于公司实际情况给出合理的优化方案。
那只有给出这样的结论才是一个完整的数据分析报告，才能给业务带去真正的帮助，才能实现数据驱动增长的第一步。你要明白你和业务方的差异点是什么，能做哪些他们做不了的事情，才能体现你的价值所在。
04 内容
4.1 排版
强烈建议大家采用总分总的形式去撰写数据分析报告，虽然这和你的分析过程是相反的，很多分析师就是把自己的分析过程写下来就认为是一个数据分析报告，其实，这样的排版非常不好。
数学期望是试验中每次可能结果的概率乘以其结果的总和。计算公式：1、离散型：离散型随机变量X的取值为X1、X2、X3……Xn，p(X1)、p(X2)、p(X3)……p(Xn)、为X对应取值的概率，可理解为数据X1、X2、X3……Xn出现。
你一定要采用总分总的形式，报告的开头就是一个十分吸引人往下阅读的结论，你的受众都是相对职级较高的业务方，特别是管理层他们的时间非常有限，如果不能在报告的一开头就引起他们的兴趣，那么他们很可能会直接跳过这篇报告，这样的话就对你特别不利，轻则无法争取到对应资源，重则对你的印象也会变差，觉得你在做一些无意义的研究。
那么总分总就十分符合大部分人的阅读习惯，相信大家在上学时期，老师也会要求你用总分总的形式写作文，这样更有可能获得高分，这背后的本质都是一样的。
4.2 数据展示格式
另外能用总结性的指标就不用明细性的指标的，在报告中不宜过多展示明细数据。报告的篇幅有限，阅读者不需要完全了解你的计算过程，你需要在其他地方建立你的数据专业度，让其信任你的数据。
数据分析需要全链路的，所以不仅仅要展示结果指标的，核心过程指标也需要有所展现。
4.3 逻辑
你的分析逻辑一定是严谨的闭环的。数据分析报告的论点是清晰的，并且这里宜精不宜多。你的论据是清晰合理的，然后通过你的逻辑严谨的推理出你的结论，而不是做很多自以为是的猜想。这样分析报告的结论才能站得住脚，大家才会认可你的结论。
1、如该题所示，A1：A10十个数的权值（或函数密度)B1：B10 都为1/10 2、C1 输入=SUMPRODUCT(A1：A10，B1：B10)，也就是说权重相同的一组数求期望可以用=AVERAGE(A1:A10)。3、期望值 μ=3，标准差 σ=2，P{|X。
05 落地
很多数据分析师会陷入一个误区，以为数据分析师写完分析报告就已经结束了，后面的事情就不关他的事了。
技术日新月异，在这一点你永远竞争不过你的后来者，因为这里的学习门槛极低。只有这种底层能力才是你需要去建立的护城河。
那么经过你的千辛万苦的努力，你把分析报告落地了。那么真正的价值也就产生，也做到真正意义上的数据驱动增长。
06 最后
数据分析报告是一名数据分析综合能力最好的表现，大家一定要多拒绝业务方的无效需求，多花时间在有意义的事情上，这样你的工作成就感也会越高。业务方也会对你越发信任和依赖，尽情满足业务方所有需求从来不是他们真正想要的结果，并且也不会念你的好，反而你会逐渐沦为一个“表哥”或“表姐”，就这样陷入恶性循环。
希望大家看了这篇文章后能有所收获，也希望大家在数据分析的道路上越走越远，能发挥出自己最大的价值！
在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。期望值计算：例子 某城市有10万个家庭，没有孩子的家庭有1。
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
X ；1,X ；2,X ；3，……，X。n为这离散型随机变量，p(X1）,p(X2）,p(X3），……p(Xn)为这几个数据的概率函数。在随机出现的几个数据中p(X1）,p(X2）,p(X3），……p(Xn)概率函数就理解为数据X
