做之前先搭建框架：好的分析肯定是有基础有层次，并且层次明了才能让阅读者一目了然，架构清晰、主次分明才能让别人容易读懂，这样才让人有读下去的欲望。
必须要有相应的结论：结论一定要明确，如果没有明确的结论那分析就不叫分析了，也失去了他本身的意义。
分析结论要少而精：如果可以的话一个分析一个最重要的结论就好了，很多时候分析就是发现问题，如果一个一个分析能发现一个重大问题，就达到目的了，不要事事求多，如果别人看到问题太多，结论太繁，不读下去，一百个结论也等于0。
结论基于数据分析：太主观的东西会没有说服力，如果一个结论连你自己都没有肯定的把握就不要拿出来误导别人了。
分析结论有可读性：这里是指易读，每个人都有自己的阅读习惯和思维方式，写东西你总会按照自己的思维逻辑来写，你自己觉得很明白，那是因 为整个分析过程是你做的，别人不一定如此了解，所以要考虑你的分析阅读者是谁？他们最关心什么？你必须站在读者的角度去写。
数据分析报告图表化：用图表代替大量堆砌的数字会有助于人们更形象更直观地看清楚问题和结论，当然，图表也不要太多，过多的图表一样会让人无所适从。
报告要有逻辑性:通常要遵照：1、发现问题--2、总结问题原因--3、解决问题，这样一个流程，逻辑性强的分析报告也容易让人接受。
基于可靠数据源:其实很多时候收集数据会占据更多的时间，包括规划定义数据、协调数据上报、让开发人员 提取正确的数据或者建立良好的数据体系平台，最后才在收集的正确数据基础上做分析，既然一切都是为了找到正确的结论，那么就要保证收集到的数据的正确性， 否则一切都将变成为了误导别人的努力。
要有解决方案和建议方案:你既然很努力地去了解了并在了解的基础上做了深入的分析，那么这个过程就决定了你可能比别人都更清楚发现了问题及问题产生的原因，那么在这个基础之上做出的建议和结论想必也会更有意义。
不要害怕得到结论:分析就是为了发现问题，并为解决问题提供决策依据的，发现产品问题也是你的价值所在，发现问题，在缺陷和问题造成重大失误前解决它就是分析的价值所在了。