如何撰写数据驱动型白皮书（无需研究团队）
数据驱动型白皮书需要具备普通报告所不具备的四要素：一个立得住的论点、明确的方法论、独立成章的图表，以及经得起陌生人质疑的数据。你不需要专门的研究部门来做这些，你只需要一份现有的数据集，以及如实描述如何使用它的严谨态度。
撰写只是其中较小的一部分工作。白皮书之所以具有公信力，是因为其中的证据经得起读者挑剔的审视。
本指南将介绍需要首先确定的内容、分为三个步骤的手动撰写路径，以及在进行年度更新时，该路径会在哪些环节拖慢进度。
动笔前的准备工作
你需要一个拥有发布权的数据集。产品使用情况、调查问卷结果、交易记录和公开数据都符合条件，前提是你能如实对其进行描述。
你还需要一个明确的论点。试图论证三个观点的白皮书无法说服任何人，因为读者无法判断你到底在捍卫哪一个。
在动笔之前，需要先做好两个决定。
读者是谁。面向从业者的白皮书可以默认其掌握相关专业词汇。而面向买家的白皮书则不能，这类白皮书往往会因为技术性过强（而非内容单薄）而宣告失败。
读者下一步应该做什么。没有引导行动的白皮书，只是一份加了封面的普通报告。
有一个习惯最能减少后期的重复劳动：在开始分析之前，先写好方法论段落。这会迫使你在还可以修改的时候，明确你的研究样本和日期范围。
如何通过手动方式撰写
方案 1：先确定论点，然后用数据进行验证
用一句话写下你预期的结论。然后检查数据集是否真的支持这一结论。
这种顺序看似反直觉，却能避免代价最惨重的失败。如果先分析后写作，你可能会发现一些有趣的现象，并围绕它重构整篇白皮书。这就是为什么一份文件最终会变成在论证四个不同的观点。
接着，刻意去寻找反例。按照最有可能推翻你论点的维度对数据进行细分，看看论点是否依然成立。
这里的难点在于诚实而非技巧。在这个阶段没有人会检查你的工作，因此这也是最容易被跳过的一步。
方案 2：构建证据链，让每张图表只表达一个观点
让每个图表只承担一项任务。一张承载了两个论点的图表，最终哪个论点也表达不清楚。
标注必须完整，因为白皮书在传播时不需要你在场解释。坐标轴单位、样本量、日期范围和数据来源应该直接写在图表上，而不是写在周围的段落中。我们的 AI graph maker 页面介绍了制作方面的内容。
然后撰写方法论说明。说明研究样本、时间段、排除的数据及其原因。通常两段话就足够了，缺少这些内容会让白皮书看起来像是一篇推销软文。
这样产生的证据才具有传播力。这也比撰写正文花费更多的时间，初次尝试的人往往会对此感到惊讶。
统一确定四舍五入规则，并贯穿始终。如果图表中的百分比保留了一位小数，而正文中没有保留，读者会觉得这是两个不同的数字。
保留每个图表背后的原始数据表。如果读者询问某个数字是如何得出的，你应该能在几分钟内给出解答，而不是重新做一遍分析。
方案 3：围绕证据而非大纲来起草文件
先撰写包含核心图表的章节，然后向外扩展。那些配不上图表的章节，通常就是应该删减的部分。
将执行摘要留到最后再写。它必须以一种可以独立阅读的形式，阐明论点、证据和启示。我们关于如何根据电子表格撰写执行摘要的指南专门介绍了这部分内容。
最后以包含完整数据表的附录收尾。任何读者可能想要核实的内容都应该放在附录中，而不是放在正文论证中。
共同的瓶颈。以上三种方案都假设分析结果是固定不变的。但在实际操作中，评审人员往往会在后期提出一个新问题，而这个问题会让你不得不手动重新梳理整个证据链。
手动路径在何处会拖慢进度
第一版通常会让人非常有成就感。但一年后的第二版，往往是这种做法难以为继的开始。
原因是结构性的。更新白皮书意味着要用新的日期范围重新运行每个图表，然后检查引用了数字的每一句话。问题恰恰出在这些句子上，因为它们看起来似乎没有变化。
这种失败是完全可以预见的。图表会被重新生成，因为它们显然必须更新。但正文却保留了去年的数据，读者最终会发现第四页的内容与第九页相冲突。
还有第二个拖累进度的因素。评审人员或法务人员后期提出的问题往往需要进行新的分析，而每一次分析都会消耗你在原始工作簿中整整一个下午的时间。
这些后期问题也是整个流程中最容易预测的部分。样本量、排除的数据和日期范围几乎每次都会被提及，因此在别人提问之前，先准备好这三个答案。
如何使用 Powerdrill Bloom 撰写数据驱动型白皮书
步骤 1：上传论点背后的数据集
上传你打算发布的使用情况导出数据、调查问卷文件或交易记录。Powerdrill Bloom 会在导入时对列进行分析，因此在任何数字进入文档之前，空白、重复和类型不匹配等问题就会暴露出来。
步骤 2：用自然语言询问论点和反例
说明你想测试的论点，然后同时索取证据和异常情况。询问哪些细分数据与该规律相悖，以及哪些对比是基于过小、不宜发布的样本。
然后询问你需要披露的方法论事实。询问排除了多少条记录、依据什么规则，以及日期范围实际覆盖了哪些内容。
步骤 3：导出图表、报告或幻灯片
导出带有标注的图表、用于附录的数据表，或者可直接编辑到白皮书正文中的文字草稿。
为什么这比从空白文档开始写更好
| 手动路径 | Powerdrill Bloom | |
|---|---|---|
| 在动笔前验证论点 | 按每个角度重新进行分析 | 依次询问每个角度 |
| 寻找反例 | 手动进行细分并碰运气 | 询问哪些细分数据打破了该规律 |
| 需要披露的方法论事实 | 手动计算排除的数据 | 询问排除了什么以及原因 |
| 明年的版本更新 | 重新运行每个图表并逐行重读 | 上传新导出的数据 |
最后一行决定了白皮书能否成为一个系列。如果一份年度报告需要耗费一周的时间去更新，那么它往往只会发布一次。
“寻找反例”这一行是大多数人会跳过的步骤。在读者发现之前，先找出打破你论点的细分数据，这是区分有公信力的白皮书与防御性白皮书的关键。
常见错误
论证多个观点。两个论点会使每个论点的说服力减半。选择数据支持最充分的那一个，其余的放入附录。
隐藏方法论。无论分析多么精彩，没有明确说明研究样本和时间段的白皮书读起来都像营销软文。
公布百分比却不提供分母。12 个回复中的 60% 算不上什么发现。请在图表上注明样本量。
图表需要结合段落才能看懂。白皮书会被摘录、截图和引用。每个图表都必须能够独立表达意思。
让正文保留上一版的数据。在更新图表的同时更新文字，然后对照数据源核对每个数字。
将白皮书当成长篇博客文章。读者期待的是证据而非观点。我们关于数据故事化的笔记介绍了结构上的差异。
跳过附录。没有附录，持怀疑态度的读者除了离开别无选择。放入完整的数据表并不会增加任何成本。
结论
确定一个论点，用数据（包括可能推翻该论点的反例）进行验证，构建独立成章的图表，并披露你的方法论。这就是白皮书与宣传册的本质区别。
决定这是否能成为一种习惯的关键在于更新。手动重新运行每个图表并重读每一句话，是导致大多数白皮书止步于单期版本的原因。
如果你的文档也止步于此，不妨针对你论点背后的数据集尝试使用 Powerdrill Bloom。另请参阅我们关于如何使用 AI 撰写分析报告的指南以及 AI report generator 页面。
常见问题解答
白皮书与报告有什么区别？
白皮书是为组织外部的读者撰写的，因此它必须是内容自洽且可核实的。这意味着它需要有一个明确的论点、描述清晰的方法论，以及无需结合上下文即可看懂的图表。
数据驱动型白皮书应该有多长？
长度刚好能承载证据即可，无需冗长。大多数白皮书在 6 到 12 页之间，完整的数据表会移至附录，而不是放在正文论证中。
如果没有研究团队，我可以使用什么数据？
你已经拥有的数据通常就可以：产品使用情况、调查问卷结果、交易记录或支持工单。唯一的要求是你能如实描述研究样本和时间段。
方法论章节应该放在哪里？
如果受众是技术人员，可以放在靠近前部的位置；如果不是，可以放在附录中，但它必须存在。无论哪种方式，都请先写这部分，因为这会迫使你在分析之前先明确研究样本。
白皮书应该多长时间更新一次？
对于任何引用当前数字的内容，通常的更新频率是每年一次。请预留出重新运行每个图表和重新核对正文中每个数字的时间，这通常是最容易被遗漏的一步。