数据对比不是简单的两个数字的对比，需要从不同的维度进行对比，分析问题的本质。

双十一，双十二，年货节接踵而至。

促销后，销售额，客单价，询价转化率...各种数据指标充斥着老板办公桌上的报表，运营人员手中的PPT，以及我们产品负责人设计的数据产品。

而“数据比较”是数据分析中最常用的方法之一。今天想通过“我有一个朋友系列”和大家探讨一下常见的数据对比。

孤数不证

我有一个朋友叫老王，经营一家淘宝女装店。以下是老王最近的销售情况:

老王淘宝店今日销售额 10000元。老王淘宝店今日销售额10000元，昨日销售额 8000元。老王淘宝店今日销售额10000元，老王竞争对手老李的女装淘宝店今日销售额20000元。

从老王最近的销售情况不难看出，当我们只知道今天的销售金额是10000元的时候，这个数据对我们来说是没有意义的，无法判断这个淘宝店铺的情况。

当我们知道昨天的销售额和竞争对手今天的销售额时，我们可以得出一个简单的结论:今天的销售额高于昨天，今天的销售额低于竞争数据。

由此可以得出结论，孤数不证明。当数据单独存在时，它没有分析意义。数据分析是建立在比较的基础上的，好的数据分析方法一定会用到比较。

在电子商务领域，数据对比对于公司来说可以说是普遍存在空。比如业务人员首页的今日和昨日支付金额折线图，通过对比帮助用户了解今日和昨日支付金额在不同时间点的水平以及整体波动趋势。

图片来自网络。

时间维度的对比

在时间维度上，我们经常和过去比较，和未来比较。

与过去相比，当前数据的值主要通过与历史数据的比较来分析，一般会考虑与不同时期的比较、与之前同期的比较、与上一统计期的比较、历史特殊值比等。

与以前不同时期相比

【/h/】与前期相比，趋势常用来表示数据在整体趋势中的变化。常见的时间维度有近7天、近30天、本周、本月、今年。

基本规则如下:

数据格式:今天的数据。

对比结果:演示某一数据在不同日期的表现，得到数据变化的趋势，包括上升趋势、下降趋势、波动趋势等。

比如从老王的案例中，我们可以通过趋势分析出7日一个店铺销售数据的波动，了解7日的整体销售情况。

老王淘宝店今天(12-16)销售额一万。下表显示了过去七天的销售额。

老王淘宝店12-09-12-15销售趋势图

与以前同期相比

同比对比常用于展现同一单位周期内数据的对比，分析某一数据的相对发展速度，如周同比、月环比等。

基本规则如下:

数据格式:单日数据或一定时间段内数据的总和。

公示:同比=(本单位周期数据-更大周期同单位周期数据)/更大周期同单位周期数据* 100%。例如，12月和去年12月，12月的第一周和11月的第一周。

对比结果:演示同一单位周期内的数据变化，如同比增长、同比下降等。

比如从老王的例子中，我们可以简单分析2019年11月和2018年11月的销售变化，得出2019年11月销售同比增长的结论，了解11月的销售情况比去年好。

老王淘宝店今年11月销售额10万元，2018年11月销售额8万元，同比增长25%。

与前一统计期相比

与上一统计期的比较往往通过环比来体现，表现为连续两个统计期数据的比较。分析某个数据的渐变。

基本规则如下:

数据格式:单日数据或一定时间段内数据的总和。

公示:环比=(当前单位周期数据-上一单位周期数据)/上一单位周期* 100%。例如，12月和11月、12月的第二周和12月的第一周。

对比结果:论证本单位周期数据与上一单位周期数据相比发生变化，常见的有环比上升和环比下降。

举个例子，从老王的例子，我们可以简单分析2019年11月和2019年10月的销售变化，得出2019年11月销售环比增长的结论，了解11月的销售情况比10月好。

老王淘宝店今年11月销售额10万元，今年10月销售额8万元，环比上涨25%。

以及历史的特殊价值比。

与历史特殊值相比，经常会考虑峰谷值和异常值，一般用于异常数据的故障排除。

基本规则如下:

数据格式:今天的数据。

比较结果:当一项数据有可能出现异常时，与历史特殊值进行比较，检查是否存在异常情况。

比如从老王的例子中可以看出，今天的数据销量比平时大幅增长，出现了异常情况。但实际上，因为今天是双十一，通过与历史峰值对比，可以排除异常。

老王淘宝店今天卖5万，昨天卖8000，但是今天是11月11号。

与未来相比，未来值主要通过数据模型对历史数据的分析来预测。

数据预测需要慎用，预测偏差很容易导致用户对我们的不信任和怀疑。一般情况下，用户对准确性的期望会通过一些模糊的概念而被削弱，比如经验数据和历史回测。

同花顺股票的未来预测

不同个体的对比

在不同个体的比较中，我们经常会用到与自己比较、与竞争对手比较、与目标比较、与行业数据比较等比较方法。

与自己比较

与自己对比，通过内部对比，分析公司内不同个体之间的数据差异，为优化内部团队提供参考。

一般会考虑不同个体的比较和相同特征或属性的比较。

1)内部不同个体的比较。

不同个体的内部比较，考虑同一数据域或同一时间不同个体之间域的比较，一般用于了解不同个体之间的差异。

基本规则如下:

数据格式:同一日期的个别数据。

比较结果:展示相同条件下不同个体的数据差异和差别，常用于比较分析不同个体的能力差异。

比如老王的例子，对比两个客服的销售数据，可以发现客服A今天的销售额高于客服B。

老王淘宝店的两个客服分别是客服A和客服B。

客服A今日销售额为5000元；客服B今日销售额为3000元。

2)相同特征或属性的比较

在不同个体的内部比较中，将具有相同特征或属性的个体通过标签的方式进行分组归类，从而进行更细致的比较，探索群体内的共性和差异。

基本规则如下:

数据格式:抽象标注单个日期的数据。

比较结果:展示相同条件下具有相同特征或属性的个体的数据的差异和差别，常用于比较分析具有相同特征的个体的数据差异。

比如从老王的例子来看，客服专员和客服助理的区分有助于我们对客服团队进行有效的分类。客服专员本身在接待能力上是优于客服助理的，客服A的客户数高于客服C的比较结果意义不大，标签相似的不同客服的比较更有意义。

老王淘宝店的三个客服分别是客服A、客服B、客服C。

客服A是客服专员，接待人数为100人；客服B是客服专员，接待人数为120人；客服C是客服助理，接待人数为30人。

与竞争对手相比

与竞争对手相比，一般用于跟踪竞争对手的相关数据，了解其优劣势。

基本规则如下:

数据格式:相同日期主题数据，相同日期对象数据。

对比结果:论证某一数据与同等条件下竞争对手相比的优劣，如优、平、劣。

比如从老王的例子，通过和竞争对手老李的店铺对比，简单得出12-15老王的店铺流量指数比竞争对手老李好。

与目标对比

一般用于与设定目标、绩效考核的对比。

基本规则如下:

数据格式:同一天的实际数据和同一天的目标数据。

比较结果:展示某一数据与设定目标在相同条件下的差异，如完成目标与未完成目标。

举个例子，从老王的例子中，通过与目标销售额对比，得知客服团队12月份销售额超额完成目标。

2019年12月，老王淘宝店客服团队实际销售额103204，12月目标销售额10万，目标完成率103%。

与行业数据相比

一般用来和行业数据对比，经常用来和行业的优秀或平均水平对比，找出自己的位置。

基本规则如下:

数据格式:日期相同的实体数据和日期相同的经验数据。

对比结果:展示某一数据与同条件下行业数据的差异。常见的数据有行业平均数据和行业优秀数据。

【/h/】举个例子，从老王的例子中，通过与业务人员中的行业数据对比，我们知道该店处于女装行业的第二层次，对我们店在整个女装市场的情况有一个简单的了解。

2019年12月15日，老王淘宝店销售额10000元，位于女装行业第二位。

最后，对比数据也比较混乱，有陷阱。

以老王的店为例。单纯看今天“无声销售占比超过昨天总销售额”的数据，很可能导致今天对无声销售的更多误判。但由于销售数据不同，这两天的无声销售其实是一样的。

今天无声的销售额占全店销售额的12%。今天销量100万，今天默默销量12万；

昨天无声销售占店铺销售额的10%，昨天120万，昨天12万。

总结

数据比较是一种常用的挖掘规则的数据分析方法。它的优势在于可以通过比较发现不同领域、不同个体之间的关系。

但同时需要注意的是，在对比数据的同时需要考虑全局和业务。单纯的数据对比也比较混乱，容易出现误判。

本文由@ noon原创发布。每个人都是产品经理。未经作者允许，禁止转载。

题图来自Unsplash，基于CC0协议。

,