老王的服装店经营，告诉你科学的数据对比是怎样的？

为了分析问题的本质，需要考虑从不同的维度进行比较。 双十一，双十二，年货节接踵而至。 促销结束后，销售额、客户单价、查询转化率……各种数据指标充斥着老板桌上的报告，运营商手中的报告PPT，以及我们产品人设计的数据产品。 作为数据分析中最常见的方法之一，数据比较也被频繁使用。今天，我想通过我有一个朋友系列与您讨论常见的数据比较。 孤数不证 我有个朋友叫老王，经营淘宝女装店。以下是老王最近的销售情况: 老王淘宝店今天的销售额 10000元。 今天老王淘宝店的销售额是1万元，昨天的销售额是 8000元。 老王淘宝店今日销售额1万元，老王竞争对手老李女装淘宝店今日销售额2万元。 从老王最近的销售情况不难看出，只知道今天的销售情况 1万元，这个数据对我们来说毫无意义，无法判断淘宝店的情况。 当你知道昨天的销售额和竞争对手今天的销售额时，你可以得出一个简单的结论：今天的销售额比昨天增加，今天的销售额低于竞争商店的数据。 因此，我们可以得出一个结论：孤数不证。当数据单独存在时，它们没有分析意义。数据分析是基于比较的，良好的数据分析方法也将用于比较。 在电子商务领域，数据比较可以说是一种常见的存在。例如，业务人员主页上的折线图和昨天的支付金额帮助用户了解今天和昨天支付金额的不同时间，以及整体波动趋势。 图片来自网络 对比时间维度 对比时间维度，往往采用与过去和未来的比较。 与过去相比，当前数据的价值主要通过与历史数据的比较来分析，一般考虑与过去不同时期、同一时期、前一个统计时期和历史的特殊值。 与以往不同时期相比 与以往不同时期的常见趋势相比，显示了数据在整体趋势中的变化，包括近7天、近30天、本周、本月、本年等。 基本规则如下： 数据格式：当日日期 当日数据。 对比结果：论证不同日期数据的表现，得出数据变化趋势，包括上升趋势、下降趋势、波动趋势等。 例如，从老王的案例，我们可以通过趋势分析7天店铺销售数据的波动，了解7天的整体销售情况。 今日(12-16)老王淘宝店销售额1万元，下表为近七天销售额。 老王淘宝店12-09~12-15销售趋势图 与以前相同的时期相比 与以往相同时间的比较通常反映在同一单位周期中显示数据的比较，分析某一数据的相对发展速度，常见的是周同比、月同比等。 基本规则如下： 数据格式：单日数据或某一时间段数据和。 公示：同比=(单位周期数据-同一单位周期数据在更大周期内)/同一单位周期数据在更大周期内* 100%。比如12月和去年12月，12月的第一周和11月的第一周。 对比结果：论证同一单位周期内的数据变化，如同比增长、同比下降等。 例如，从老王的例子中，我们可以简要分析2019年11月销售额与2018年11月销售额对比的变化，得出2019年11月销售额同比增长的结论，了解到11月销售额优于去年。 今年11月老王淘宝店销售额为1万元，2018年11月销售额为8万元，同比增长25%。 与前一个统计期相比 与前一个统计期的比较通常反映在连续两个统计周期中显示数据的比较中。分析数据的逐步变化。 基本规则如下： 数据格式：单日数据或某一时间段数据和。 公示：环比=(单位周期数据-上一个单位周期数据)/上一个单位周期* 100%。和11月，12月的第二周和12月的第一周。 比较结果：与上一个单位周期的数据变化相比，本单位周期数据的常见变化包括环比增长和环比下降。 例如，从老王的例子中，我们可以简单地分析2019年11月销售额与2019年10月销售额对比的变化，得出2019年11月销售额环比增长的结论，了解到11月销售额优于10月。 今年11月老王淘宝店销售额为1万元，今年10月销售额为8万元，环比增长25%。 与历史特殊值相比 与历史特殊值相比，常考虑峰谷值和异常值，一般用于调查异常数据。 基本规则如下： 数据格式：当日日期 当日数据。 比较结果：当某一数据有异常可能时，通过比较历史特殊值，检查是否真的有异常。 例如，从老王的例子中，我们可以看到今天的数据销售额比平时大幅增长，并且存在异常情况。但事实上，这是因为今天是双11。通过与历史高峰的比较，可以排除异常。 今天老王淘宝店卖5万元，昨天卖8000元，今天是11.11日。 与未来相比，未来的主要通过数据模型对历史数据的分析来预测。 数据预测需要谨慎使用。预测偏差很容易导致用户对我们的不信任和怀疑。一般来说，用户对准确性的期望会被一些模糊的概念削弱，如经验数据、历史回测等。 未来同花顺股票预测 对比不同个体 在不同个体的比较中，往往采用与自己、竞争对手、目标和行业数据的比较。 与自己比 通过内部比较，分析不同个体之间的数据差异，为优化内部团队提供参考意义。 一般考虑不同个体的比较和相同的特征或属性。 1)内部对不同个体的比较 考虑到不同个体在同一时间内对同一或多个数据字段的比较，通常用于理解不同个体之间的差异。 基本规则如下： 数据格式：相同的日期 个体数据。 对比结果：论证不同个体在相同条件下的数据差异，常用于对不同个体的能力差异进行对比分析。 例如，从老王的例子中，我们可以发现，通过比较今天两个客户服务的销售数据，我们可以了解到客户服务团队中客户服务A的销售额高于客户服务B。 老王淘宝店的两个客服是客服A、客服B。 今日客服A销售额为5000元； 今天客服B的销售额是3000元。 2)对比相同的特征或属性 在不同个体的内部比较中，相同特征或属性的个体相同特征或属性的个体进行分组分类，进行更细分的比较，挖掘组内的共性和差异。 基本规则如下： 数据格式：相同的日期 抽象标签 个体数据。 对比结果：在相同条件下，对具有相同特征或属性的个体的数据差异进行比较和分析。 例如，从老王的例子来看，通过区分客户服务专家和客户服务助理，帮助我们有效地对客户服务团队进行分类。客户服务专家本身在接待能力上优于客户服务助理。客户服务A接待人数高于客户服务C的比较结果没有意义，不同类似标签的客户服务比较更有意义。 老王淘宝店的三个客服是客服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，了解竞争对手的优缺点。 基本规则如下： 数据格式：相同的日期 主数据，相同的日期 客体数据。 比较结果：在相同的条件下，与竞争对手相比，一些数据通常优于、持平、劣于等。 例如，从老王的例子中，通过与竞争对手老李店的比，简单得出12-15老王店的流量指数优于竞争对手老李的现象。 与目标对比 一般用于比较设定目标，常用于绩效考核。 基本规则如下： 数据格式：相同的日期 实际数据，实际数据 目标数据。 比较结果：在相同的条件下，与设定目标的差异相比，一个数据通常包括完成目标和未完成目标。 例如，从老王的例子中，通过与目标销售的比较，我们了解到12月客户服务团队销售超额的现象 2019年12月，老王淘宝店客服团队实际销售额为103204，12月目标销售额为1万，目标完成率为103%。 与行业数据进行比较 一般用于与行业数据进行比较，通常用于通过与行业优秀或平均水平的比较来找到自己的位置。 基本规则如下： 数据格式：相同的日期 主数据，相同的日期 经验数据。 对比结果：在相同的条件下，与行业数据相比，某些数据存在差异，包括行业平均数据和行业优秀数据。 例如，从老王的例子中，通过与业务人员中的行业数据进行比较，我了解到该商店处于女装行业的第二级，并对整个女装市场的商店有了简单的了解。 2019年12月15日，老王淘宝店销售额为1万元，位于女装行业第二级。 最后，对比数据也很混乱，有陷阱。 例如，老王商店的例子，简单地看看今天无声销售比商店总销售的数据比昨天多，很容易产生今天无声销售更多的误判。但由于销售数据不同，事实上，两天的无声销售是一样的。 今日静默销售额占全店销售额的12%，今日销售额100万，今日静默销售额12万； 昨日静默销售额占全店销售额的10%，昨日20万，昨天12万。 总结 数据比较是一种常见的数据分析方法，其优点是通过比较可以发现不同字段和个体之间的关系。 但同时需要注意的是，数据比较需要考虑全局和业务，纯数据比较也很混乱，容易产生误判。 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。