如何在演示中回答数据问题（无需猜测）

几乎所有关于图表的问题都可以归结为三类：这个数字是什么意思、它的底层数据是什么，以及是否有其他合理的解释。针对每种类型准备一个答案，你就能应对现场的大多数提问。

答不上来很少是因为无知，而是因为幻灯片展示的是结论，而听众提问的却是底层的细节，而那个层面的数据在几个小时前就已经被关闭了。

本指南将探讨为什么现场提问如此棘手、人们常用的三种准备方法，以及在什么情况下仅靠准备是不够的。

为什么数据问题在现场很难回答

幻灯片是一种信息压缩。你花了一个下午的时间来决定哪个切面最重要，然后展示了结果。而推导过程要么留在你的脑海里，要么留在你电脑的某个文件里。

提问往往直奔这个被压缩的层面。有人会问这是否包含试用期用户，或者只看企业级客户时图表会是什么样，又或者这次下滑是否只是季节性波动。每一个问题都要求你重新解压那些你已经收起来的数据。

时间紧迫让情况变得更糟。你只有几秒钟的时间，台下有观众看着，你不可能在大家等待的时候重新运行一次分析。

此外还有一个社交陷阱。说一次“我不知道”没关系，会显得很诚实；但说三次就会让人觉得你准备不足。于是人们开始凭空估算，而一个事后被证实是错误的估算，其代价远比现场的片刻停顿要高得多。

还有第四个容易被人们低估的原因。数据问题其实并不完全针对图表本身，而是针对主讲人是否真正理解自己的数据。听众在评估分析结果的同时，也在评估分析师。

这会让你付出什么代价

决策被推迟。最常见的结果不是意见不合，而是“等你拿到那个数据再来汇报”，这让原本可以做出决定的会议变成了下一次会议。

你的其他数据可信度打折扣。一个含糊其辞的回答会改变全场对整份幻灯片其余部分的看法，甚至包括那些原本无懈可击的部分。

你不得不承担计划外的后续跟进工作。每一个临时做出的承诺都会变成一项任务。三个问题就可能带来一整天的工作量，而这些工作甚至没有人书面要求过。

这三种代价是相互关联的。推迟决策会产生后续跟进，而后续跟进时的可信度已经比最初开会时要低了。

人们尝试的应对方法

以下三种方法都是为了解决同一个问题：将现场即兴回答数据问题，转变为照本宣科地读出你已经写好的内容。

方案 1：针对三类问题进行事前剖析

会前，针对你要展示的每张图表，写下这三类问题的答案。

对于定义，写明该指标具体包含和排除了什么。对于深度，要了解下一层的数据：哪些细分市场、哪些账户、哪些周的数据构成了这个数字。对于其他解释，指出质疑者可能会提出的那一种竞争性说法，并说明你是否对其进行了验证。

这是最具价值且成本极低的准备工作。它的局限性在于覆盖面，因为你是在猜测听众会要求看哪些切面的数据，难免会有所遗漏。

方案 2：准备一页纸的定义与假设说明书

将每个指标的定义、筛选条件和排除项整理在一页纸上，放在手边。包括日期范围、货币、是否扣除退款、删除了哪些记录以及原因。

照着纸读出定义比凭记忆重新组织语言更快、更具公信力。它还能防止你在同一个会议中对同一个问题给出两种不同的回答。

这种方法的上限在于，定义表只能很好地回答第一类问题，而对另外两类问题几乎无能为力。

方案 3：带上底层数据

在另一个窗口中打开每张图表背后的详细数据：数据表、透视表、行级提取数据。当有人问起数字背后包含什么时，直接展示给他们看，而不是口头描述。

如果做得好，这是最强大的方案，因为它能将质疑转化为共同查看数据。我们关于如何从电子表格构建月度业务回顾幻灯片的指南中，介绍了如何在准备幻灯片的同时整理这些材料。

提前决定你要深入到什么程度。通常比图表深一层就足够了，深两层就会把会议变成排错现场。

它的代价是准备时间，而且它仍然只能覆盖你预料到的切面。一个真正全新的问题需要全新的分析，而这正是上述三种方案都会遇到的瓶颈。

共同的上限。上述每种方法都依赖于对问题的预测。预测大概能解决五分之四的问题，而第五个问题通常才是决定决策走向的关键。

如何使用 Powerdrill Bloom 准备数据提问

步骤 1：上传你的数据

上传用于构建幻灯片的源文件，而不是摘要。Powerdrill Bloom 会在导入时对列进行画像分析，这样你可能会被问到的定义就会直观呈现，无需凭记忆回答。

步骤 2：用自然语言提出可能的问题

在听众提问之前，先审视你自己的结论。询问如果排除试用期用户，同样的图表会是什么样，以及哪些细分市场拉动了总量。然后询问去年的同一时期是否也呈现相同的规律。

把答案写下来，因为对数据问题经过排练的回答听起来与即兴回答截然不同。

然后直接提出质疑者会问的问题。询问数据还支持哪些其他解释，以及要让相反的结论成立，必须满足什么条件。

步骤 3：导出图表、报告或幻灯片

提取备用图表、简短的定义和注意事项书面说明，或者用于附录的额外幻灯片。

为什么这比在现场猜测更好

	手动准备	Powerdrill Bloom
预料到的切面	手动构建每一个	一次性询问多个
意料之外的切面	承诺后续跟进	现场针对同一文件进行提问
指标定义	维护一份单独的表格	从画像分析数据中直观可见
下个月的幻灯片	重复准备工作	上传新的导出文件

第三行比看起来更重要，因为关于定义的争议比一个错误的数据更能快速毁掉一个会议。

第二行是改变会议走向的关键。当一个新问题只需要一句话就能解决，而不是一封后续跟进邮件时，决策就能在大家还在会议室时当场做出。

常见错误

凭空估算。一个你半记不清的数字会被听众拿来反问你。应该说你会去确认，把它记下来，然后继续。

回答你没听懂的问题。在回答之前，先询问他们对该术语的定义。如果两个人对“活跃用户”的理解不同，那么双方都会带着错误的结论离开会议。

极力辩护而非记录在案。如果质疑是合理的，承认这一点比试图挽回能赢得更多的信任。记录下来并继续。

隐瞒限制条件直到被问起。在展示图表时就说明排除项。主动提出的限制条件显得严谨，而被动挖出来的限制条件则显得像是在隐瞒。

带了源文件却毫无头绪。在听众面前打开一个你不知道如何查找的电子表格，比不带还要糟糕。要清楚答案在哪个位置。

将数据提问视为攻击。大多数提问都是出于真正想要理解的目的。防御性的回答会把一个充满好奇的会场变成一个充满怀疑的会场。

承诺你不会去做的后续跟进。三个随口的承诺就会变成一整天的工作。只承诺其中一个，并说明其他问题需要评估范围。

结论

关于图表的问题有三类，每一类都有不同的准备方法。写下定义，了解底层数据，并在别人提出之前先说出竞争性的解释。

事前大声练习回答这三类问题。排练数据提问的成本远低于冷场应对。

准备工作无法覆盖的是那些没人预测到的问题，而这些问题通常才是最重要的。如果你宁愿在现场回答，也不愿承诺后续跟进，不妨在准备下一次幻灯片时，针对背后的源文件尝试使用 Powerdrill Bloom。另请参阅我们关于讲述数据故事和将 CSV 转换为图表的指南，以及 auto insights 页面。

常见问题

如何为演示中的数据提问做准备？

为每张图表写下三个答案：指标包含什么、下一层详细信息展示了什么，以及你排除了哪种其他解释。这三个方面涵盖了大部分会被问到的问题。

当我不知道某个数据时，我该怎么说？

说明你会去确认，并把问题记下来。凭空估算会产生一个事后会被拿来反问你的数字，而一个错误的数字付出的代价远比片刻停顿要高。

我应该把限制条件写在幻灯片上，还是等被问到时再说？

把它们写在幻灯片上，紧挨着受其影响的数据。主动说明排除项显得严谨，而在提问时才暴露出来的排除项则显得像是在刻意回避。

我应该带多少备用详细数据？

足够展示你所呈现的每张图表下一层的数据即可，无需更多。数量不是目的，能够快速找到答案才是关键。

如果有人质疑我的方法怎么办？

如果对方说得有道理，坦然承认，记录下来，然后继续。在现场试图为自己的方法辩护，通常比接受合理的批评更损害可信度。