读用数据说服：如何设计、呈现和捍卫你的数据08数据呈现和反对意见

关注

原创最新推荐文章于 2026-11-07 17:19:24 发布 1.5k 阅读 AI 写同款· GEO 优化 ›

Excel 数据分析常用函数汇总很多传统行业的数据分析师只要求掌握 Excel 即可，会 SPSS / SAS 是加分项。哪怕在数据分析岗位很多的互联网行业，Excel 依旧是不可替代的基础工具。Excel 是数据分析最常用、最基础的工具。大量传统行业（商贸、工厂、门店进销存）的数据分析师，熟练掌握 Excel + SQL 就可以完成绝大多数日常工作。对于初学者，不用一上来就啃 Python、R 这类编程语言，Excel 自带的函数、透视表、可视化插件足够支撑大部分统计、核对、报表需求；阅读详情

1. 数据呈现

1.1. 数据自己会说话，但事实并非如此

1.1.1. 数据不会说话，当然更不能解释它对你的业务有何意义
1.1.2. 数据自己不会说话，必须由你让它说话

1.2. 在最好的情况下，数据导向的演示文稿能够促进交互，丰富讨论，得出优质决策

1.3. TOP-T框架，这是一种数据向幻灯片的制作思路

1.3.1. 能确保你全面涵盖优秀演示的要素，让你的内容与受众的思维处理模式相契合
1.3.2. 明托金字塔是在宏观层面制定沟通的整体结构，TOP-T框架则是一款微观层面的工具，针对的是如何讲述一次演示中的一张幻灯片

1.4. 哪怕他们和你共处一室，哪怕他们在盯着你，那也不能保证他们在用心听

2. TOP-T框架

2.1. 运用TOP-T框架，减轻受众的认知负荷，让演示更加清晰，也能让你少花时间准备

2.2. TOP-T框架包括四个发言要素，受众在处理每张数据幻灯片时都需要它们：话题、导引、要点、过渡

2.3. 话题(Topic)

2.3.1. 用两三个词介绍幻灯片的话题
2.3.2. 话题是简要描述幻灯片显示的数据类型
2.3.3. 话题应该言简意赅，不要直接跳到结论
2.3.4. 要聚焦于数据呈现的内容，而非“如图所示”
- 2.3.4.1. 要让受众聚焦于底层数据，而非数据可视化

2.4. 导引(Orient)

2.4.1. 向受众讲解数据图中的每一个编码，包括坐标轴、数据、分析、缩写、方法、计算过程
2.4.2. 导引受众指的是，向受众说明数据幻灯片上的每一个编码
2.4.3. 完整导引有助于受众理解数据图，进而认同你的结论
2.4.4. 导引过多是有可能发生的，但导引不足才是压倒性的常态
- 2.4.4.1. 由于知识诅咒的作用，你容易对受众的体验视而不见
2.4.5. 你考虑图中数据的时间比受众长得多
- 2.4.5.1. 要给他们消化处理的时间
2.4.6. 在导引环节，要考虑如何讲述和阐释数据图中的每一个元素
- 2.4.6.1. 心里要有一张自查表，表中涵盖了图中的所有元素
2.4.7. 误区是要么是导引时间太短，要么是完全跳过导引，不给受众理解数据图的时间，直接得出要点
2.4.8. 效果好的迹象
2.4.9. 效果好的迹象是受众提问都在预料之内，而且切题
2.4.10. 受众提出偏题的问题，或者对结论提出意料之外的反驳，这都表明你需要强化导引
2.4.11. 跳过导引会让受众晕头转向
- 2.4.11.1. 受众无法同时处理相互冲突的视觉和听觉信息
- 2.4.11.2. 演示者蒙受着知识的诅咒，回想不起自己不熟悉数据时的感受
2.4.12. 导引，导引，还是导引

2.5. 要点(Point)

2.5.1. 介绍数据图的要点
2.5.2. 要点也应该是幻灯片的提要
2.5.3. 要点是这批受众为什么需要理解这些数据的原因
2.5.4. 明确表示了数据呈现的内容
2.5.5. 理想情况下，它是对数据图意义的简要说明
2.5.6. 误区是要点超出了幻灯片中的数据范围
2.5.7. 效果好的迹象是受众赞同你给出的要点，直接开始讨论数据的意义与后续行动
2.5.8. 不要妄言“图中表明”
- 2.5.8.1. 不要说“图中表明”，更不要说它的加强版“图中清楚地表明”

2.6. 过渡(Transition)

2.6.1. 说明这张幻灯片与下张幻灯片的内容联系
- 2.6.1.1. 过渡清晰
2.6.2. 有效过渡会讲好故事，将每张幻灯片串联起来，置于演示整体的语境下
2.6.3. 过渡句的作用是将当前幻灯片与下一张幻灯片连起来，应该放在切幻灯片之前说
2.6.4. 常用的过渡句
- 2.6.4.1. 时间变换：这是第三季度的成果。到了第四季度，我们发现……
- 2.6.4.2. 流程步骤：分拣错误往往会在下一步造成更大的混乱，也就是装箱……
- 2.6.4.3. 对另一个群体做同一种分析：重度用户使用产品的方式不同于轻度用户……
- 2.6.4.4. 对同一个群体做另一种分析：新客和回头客可能在一天的同一时间下单，但购买的产品大不相同……
- 2.6.4.5. 镜头拉近：第四季度的表现最好，但当我们看分月情况时，图形就是另一番模样了……
- 2.6.4.6. 镜头拉远：我们在加州发现的销量表现不能反映整个西海岸……
2.6.5. 误区是切到下一张幻灯片之前不做过渡，或者过渡不清晰
2.6.6. 效果好的迹象是受众提问为下一张幻灯片做好了铺垫
- 2.6.6.1. 表明你讲的故事清晰有逻辑
2.6.7. 一张图当一张幻灯片来讲

2.7. 不要语出惊人

2.7.1. 说完要点后，受众应当觉得：“果然如此！数据明显就是这个意思。”

2.8. 选好切入点

2.9. 考虑无声导引

2.9.1. 如果数据图设计得特别好，受众也熟悉数据，那可以考虑无声导引
2.9.2. 你不用专门说话导引，而是过渡结束后，心里慢慢数到五，然后给出要点
2.9.3. 数据图设计优良，要点清晰突出
2.9.4. 图中的所有数据选项都在幻灯片内做了解释
2.9.5. 字体大小和数据密度匹配环境
2.9.6. 每一名受众都熟悉所用的数据图类型

3. 反对意见

3.1. 每名沟通者终究都会遇到受众的反对

3.2. 反对有建设性意义

3.2.1. 众之所以会质疑沟通者，是因为他们接受的教育就是如此
3.2.2. 几乎所有学科的高等教育都会培养批判性评估他人数据和论证的能力
3.2.3. 沟通者相信，提问少代表讲得好，数据多能减少受众的反对意见
3.2.4. 要调整心态，将受众的反对视为独特的机遇，受众的专注力可资利用

3.3. 反对是可以预测的

3.3.1. 要想理解受众会对描述既有现象或预测未来现象的分析做出什么反应，你就必须明白受众经历了怎样的变化，面对新信息又会做出什么反应

3.4. 比率变化比数值变化更容易引发反应

3.4.1. 比率变化比数值变化更容易引发反应
3.4.2. 没有变化就不可能有反应
3.4.3. 要理解受众的反应，你就必须明白什么是变化
3.4.4. 明白了受众会对比率变化做出反应，你就能明白受众会对你的分析作何反应
3.4.5. 噪声会淹没真实变化

3.5. 内在预期变化比外部世界变化更容易引起反应

3.5.1. 相比于证实自己先前想法的信息，人们会对挑战自身世界观的信息做出更强烈的反应
3.5.2. 心智模型概念与证真偏误有助于解释这种反应
3.5.3. 心智模型是对世界的简化认识，每个人的脑子里都有
- 3.5.3.1. 大脑用这种模型来解释为什么特定的原因会产生特定的结果，预测未来可能会发生什么

3.6. 用受众混淆矩阵预测反对意见

3.6.1. 受众混淆矩阵是一个2×2的矩阵，体现了受众对变化的感知和原有预期
3.6.2. 借助这个模型，你可以预测受众会提出什么反驳，并做出更有效的应对
3.6.3. 预期无变化，观测无变化
- 3.6.3.1. 受众提出的问题很少
- 3.6.3.2. 不要细节太多，或者讲的时间太长
3.6.4. 预期有变化，观测有变化
- 3.6.4.1. 如果变化是正面的，受众会立即开始讨论后续步骤
- 3.6.4.2. 如果受众想要讨论操作方案的话，不要花大量时间介绍数据
3.6.5. 预期无变化，观测有变化
- 3.6.5.1. 受众想要采取行动，而且可能对如何行动有强烈分歧
- 3.6.5.2. 要专注于解释发生了什么，但也要准备好解释数据意味着组织应该采取什么行动
- 3.6.5.3. 不要直接进入分析
  
  3.6.5.3.1. 要站在受众一边，与他们感同身受
3.6.6. 预期有变化，观测无变化
- 3.6.6.1. 受众会对数据、分析和决策提出疑问，还会提出很多以“你有没有考虑过……”开头的问题，强烈暗示你本来应该考虑到
- 3.6.6.2. 要提醒受众，当初做决策时有哪些事情是已知的，推理过程是怎样的
- 3.6.6.3. 受众质疑时，不要混淆视听，也不要开启自卫模式
- 3.6.6.4. 当受众还在问责的时候，不要提出揣测
- 3.6.6.5. 不要低估这种情况对受众造成的沮丧情绪
3.6.7. 因为受众的反应取决于预期，所以预期变化有多快，反应变化就有多快
3.6.8. 与所有心智模型一样，框架对现实进行了简化，使其更加清晰
- 3.6.8.1. 受众混淆矩阵将受众的反应和数据简化为有变化和没有变化二选一