
作者:接地氣的陳老師
來源:接地氣學(xué)堂
要說數(shù)據(jù)分析里,什么方法最常用?當(dāng)然是趨勢分析法。只要和數(shù)據(jù)有關(guān),幾乎每個人,時時刻刻都在用。很多同學(xué)一聽:“啥?還有這方法?。课艺]感覺到呢!”今天我們系統(tǒng)講解一下。
請聽題,下圖是本月1到8號的銷售業(yè)績走勢,看圖回答:
【判斷題】8號比7號的業(yè)績好,對不對
【判斷題】7號比6號的業(yè)績好,對不對
【判斷題】6號比5號的業(yè)績好,對不對
【判斷題】所以本月業(yè)績向好好,對不好
思考一秒鐘,估計一秒鐘不到,很多同學(xué)都能脫口而出答案了
1
趨勢分析法的做法
上題就是通過業(yè)績趨勢圖進(jìn)行分析的直觀體驗。很多同學(xué)是不是脫口而出四個“對、對、對、對”。是滴,趨勢分析法的基本原理就是這么簡單,幾乎是個人都會用。
第一步,明確一個指標(biāo)是正向/負(fù)向。比如本題里,銷售業(yè)績是個正向指標(biāo),肯定大家都希望銷售得越多越好。因此,正向指標(biāo)一天比一天大,就是趨勢向好,一天比一天小,就是趨勢不好。
第二步,收集數(shù)據(jù),觀察指標(biāo)走勢。因為已經(jīng)明確了“銷售指標(biāo)越高越好”,所以只要觀察數(shù)據(jù)就好了,我們看到一天比一天好,所以能下結(jié)論:銷售趨勢向好。下邊可以分析為啥銷售這么好了。你看簡單吧,90%的網(wǎng)上文章、數(shù)據(jù)分析課都是這么教的。
然而,這個回答是錯的。
因為根本沒考慮,到底是什么行業(yè)、什么產(chǎn)品的銷售業(yè)績。不同行業(yè)、產(chǎn)品的銷售,在一定時間內(nèi)會呈現(xiàn)不同的銷售走勢。比如吃喝玩樂類銷售,往往集中在周末,會呈現(xiàn)以周為單位的周期性波動。比如3C類電子產(chǎn)品,新品上市是最火熱的時候,之后會呈現(xiàn)逐步衰退的跡象。當(dāng)銷售趨勢增加了時間維度后,才會呈現(xiàn)出規(guī)律性。
所以,這個題的前三問,都是“對、對、對”,第四問則是“不確定”。想要確定,還至少需要,在已經(jīng)做的兩步工作基礎(chǔ)上,再多做兩步。
第三步,樹立趨勢標(biāo)桿,建立判斷標(biāo)準(zhǔn)。樹立標(biāo)桿的方法有兩種,如果自己熟悉這個行業(yè),可以直接根據(jù)行業(yè)特點,畫出大致走勢圖。如果不熟悉,可以把時間往前拖長,看之前幾周的趨勢。當(dāng)然,想觀察趨勢,最好是畫出同比、環(huán)比、三年比三張圖。這樣看的最準(zhǔn),能最大程度的避免短期波動的影響(順便一提,也是為啥大家在做報表的時候,經(jīng)常有同比、環(huán)比、三年比三個指標(biāo),并且分日、周、月三種口徑統(tǒng)計,就是為了避免短期影響,觀察趨勢是否正常)。
第四步,將現(xiàn)狀數(shù)據(jù)套入標(biāo)桿,得出結(jié)論。如果我們已經(jīng)樹立了標(biāo)桿形態(tài),套入文章開頭的題目的數(shù)據(jù),馬上會有不一樣的解讀(如下圖)
所以,為啥有個名字叫“趨勢分析法”,而不是“我畫個折線圖,高了就是好,低了就是不好”。是因為即使畫個折線圖,想要不作出錯誤判斷,也得按規(guī)矩一步步來。這就是方法和隨便玩玩的區(qū)別。而下邊我們會看到,隨便玩玩,經(jīng)常玩出問題來。
2
趨勢分析法的優(yōu)點
趨勢分析法最大的好處,就是:省事!因為它無需任何理論基礎(chǔ),無需任何專業(yè)知識,無需很多數(shù)據(jù),只要有一個結(jié)果數(shù)據(jù),無論是正向還是負(fù)向,都能直接得出判斷。所以它是所有數(shù)據(jù)分析方法里最先被總結(jié)出來,并且沿用了20多年的祖?zhèn)魇炙嚒?
要知道,在20年前,企業(yè)的數(shù)字化系統(tǒng)還在洪荒混沌狀態(tài),那時候的職業(yè)經(jīng)理們想做判斷,可沒有現(xiàn)在這么多明細(xì)數(shù)據(jù)進(jìn)行分析,于是只能死磕利潤、成本、銷售額幾個結(jié)果數(shù)據(jù)。因此只能死磕曲線走勢,你會發(fā)現(xiàn)60、70后的職業(yè)經(jīng)理人,和85前的數(shù)據(jù)人,都對曲線走勢特別敏感,特別喜歡拖三年走勢,過往12個月的走勢之類數(shù)據(jù)看。
第二個好處:直接!還拿銷售舉例,很多輔助性活動,比如營銷活動、拉新裂變,到底對銷售有沒有用?不需要很復(fù)雜的漏斗分析,只要看一眼趨勢,立馬見效果。越簡單的方法,在評估結(jié)果時越靠譜!(如下圖)。
第三個好處:自帶標(biāo)準(zhǔn)。曲線走勢本身,可以成為判斷指標(biāo)好壞的標(biāo)準(zhǔn),除了上文說的自然周期/生命周期型標(biāo)準(zhǔn),漲跌程度,也能成為判斷標(biāo)準(zhǔn),這樣省去了大量找標(biāo)準(zhǔn)的時間。(如下圖)。
今時今日,這個方法也很好用。因為雖然我們有條件做ABtest,做漏斗,做多維度交叉分析,但是每天、每時、每刻都讓你這么搞,你試試看。且不說做數(shù)據(jù)的會累死,為了搞這么多分析,要業(yè)務(wù)延遲上線,APP開發(fā)進(jìn)度減緩,活動hold住去一個個做埋點、做測試,你問問業(yè)務(wù)干不干。所以大量常規(guī)的分析,依然要依靠日報、周報的數(shù)據(jù)做趨勢分析來滿足。
況且,每天、每時、每刻的數(shù)據(jù)變化,搞得業(yè)務(wù)神經(jīng)過敏,嚷嚷著要深入分析,結(jié)果事后發(fā)現(xiàn)屁事沒有的情況:非常多!
3
趨勢分析法的不足
不足之一:神經(jīng)過敏。三人成虎的效應(yīng),在趨勢分析里非常常見。具體的如下圖所示。人們往往習(xí)慣于對:突發(fā)巨大的、連續(xù)幾次的、與前邊連續(xù)幾次不一樣的神經(jīng)過敏。卻容易忽視更大的問題。
不足之二:混雜因素。趨勢分析在觀察因果效果的時候,無法處理混雜因素。在多個因素疊加的時候,是無法區(qū)分出來真正的關(guān)鍵影響因素的。
不足之三:亂用濫用。注意,趨勢分析是有前提的,在指標(biāo)是結(jié)果指標(biāo),有明確的正向/負(fù)向判斷的時候,才可以使用。其他場景,比如活躍率、消費率這種比例,比率類指標(biāo),不能直接套用,比例/比率類指標(biāo)得先看分子分母到底哪個引起的變化。比如:用戶注冊數(shù)、瀏覽數(shù)這種不明確正負(fù)的,也不適合用,至少得跟轉(zhuǎn)化率連起來看。至于文章開頭所說的:看著高了就是好,低了就是不好,更是典型的亂用。
不足之四:缺少洞察。最最最經(jīng)典的場景,就是炒股票。直接上圖,一看就懂。
因為本質(zhì)上,趨勢是由背后的原因推動的。看趨勢,更得看背后的原因,而不是單純的看著結(jié)果走勢想當(dāng)然。這也是我們?yōu)樯稌邪l(fā)出ABtest、漏斗圖、多維度交叉對比等等方法的原因。我們需要簡單的方法短平快做決策,也需要更復(fù)雜的方法深入問題。
4
還有哪些祖?zhèn)鞣椒?/strong>
還有一些方法是數(shù)據(jù)分析領(lǐng)域的祖?zhèn)魇炙?。比如多維度交叉分析,如果是2維的話,就是矩陣法,如果3維以上,就是切割對比法。是滴,這些在網(wǎng)絡(luò)文章里被吹得云里霧里的各種“底層邏輯”“核心思想”其實一點都不神奇。都是基于具體場景、數(shù)據(jù)限制、業(yè)務(wù)需求所產(chǎn)生的方法。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10