编辑导语：数据阐明是为了提取有用信息和形成结论而对数据加以具体研究和归纳综合总结的进程，我们在日常事情中总会用到数据阐明，它极大的辅佐了我们看数据比拟、细分数据等方面；本文作者先容了数据阐明三板斧，我们一起来进修一下。

前两天有个小同伴问我关于数据阐明相关的对象，说来忸怩，本身也不是出格擅长这块，只能说会些简朴的应用。

先总结下此刻相识的一些对象，等今后有更深的感悟之后再继承更新吧。

如题，本文主要是数据阐明相关的一些对象，三板斧指的是趋势、比拟、细分。

一、看趋势

顾名思义就是追踪数据的趋势变革，找到一些增长可能下降的拐点，然后去阐明对应的原因，合用于一些指标的恒久追踪可能权衡一些要害行动有无结果。

好比产物的焦点指标是GMV，那必定就需要按期存眷增长的趋势是否正常、是否切合预期，在追踪的时候，自然而然就需要比拟着来阐明。

二、看比拟

光看趋势不必然靠谱，因为某些指标是一直增长的，好比注册用户数，这个数据必定是一直在增加，除非没有新用户进来了。

别的没有比拟就没有伤害，好比你的增长速率是每年50%，以为已经很不错了，也许你的竞争敌手正在以每年500%的速率举办增长。

所以，凡是环境下，数据会比拟着来看，一方面是纵向较量，即自身和自身举办比拟，另一方面是横向较量，即自身和别人举办比拟。

纵向比拟凡是包罗环比、同比：

环比就是本期统计数据与上期较量，好比拿2018年9月份的数据和2018年8月份的数据举办比拟。

同比指的是本期统计数据和上一周期的同期数据举办较量，好比拿2018年9月份的数据和2017年9月份的数据举办比拟。

凡是环境下，我们在举办数据阐明的时候大城市用本周的数据和上周的举办比拟，可能用本月的数据和上个月的举办比拟，然后节制差异的变量举办阐明。

这内里需要存眷一些周期性的颠簸，好比某些产物会有明明的周末效应；以我们的产物为例，DAU根基上是周一更低、周二周三一连低迷、周四小幅回血、周五下降、周六周日到达顶峰，然后一连轮回。

之前有个其他部分的同事问我做了什么，为什么昨天的数据涨的很锋利；我翻了下，发明是周四，就汇报他和上周同期的数据比拟下，然后把这个周期拉长一些，以周为单元再看下。

凭据履向来看，大大都APP在小长假期间数据城市下跌，出格是春节这种节日，下降的会很是锋利。

碰着这种环境先不要方，先看看有没有新发版本，确认下埋点是否有异常，再看看是否处在节日影响范畴内，和其它同周期的数据比拟看下，之后再找找其他原因。

横向比拟凡是包罗行业竞品、全站数据、测试AB组等。

和竞品比拟，主要是为了相识我们今朝做的怎么样，业界的领先程度是奈何的，固然这部门数据很可贵到。

全站数据凡是指的是大盘数据，有大概你认真某个成果模块的时候发明数据涨了，最后绞尽脑汁也没阐明出来原因；然后转头一看，哦，本来是整体的数据涨了，顺带着躺赢了一把。

测试AB组指的就是尝试组和比较组了，节制差异的变量比拟阐明差异的功效。

三、看细分

凡是环境下用的最多的就是数据细分，不只可以或许追溯到问题产生的原因，还能为后续的一些行动提供参考依据。

本部门主要分为维度和怀抱、拆数据、拆用户和拆因子这几部门；维度和怀抱主要是观念说明，后头几部门则是详细如何看细分数据。

1. 维度和怀抱

许多时候数据阐明都是通过差异的维度和怀抱举办交错比拟阐明，找到一些大概的原因，然后再去验证意料。

维度：指的就是阐明数据的角度，好比都市、时间、欣赏器、新老用户、操纵系统、终端等。

怀抱：指的就是详细的数据值，好比UV、PV、转化率、跳出率等。

凡是环境下，单独的数据值只能通报整体的轮廓，细分查察需要团结着维度。

好比整体DAU大概是在逐渐上升的，同时老用户的留存大概却是在下降的，假如我们只是看怀抱的话，有大概就被蒙蔽掉。

凡是环境怀抱需要团结着详细业务来看，好比以一款内容型产物为例，用户最焦点的路径是欣赏内容——发生互动行为。

那需要存眷的怀抱就是人均欣赏时长、人均欣赏条数、利用频次、点赞、评论、转发等互动行为。

在此基本上，再团结着新老用户、男女用户、年数漫衍、地区漫衍、终端漫衍、行为差别等维度再来举办更细致的阐明。

2. 拆数据

这部门就是基于数据自己来做一些拆解，可以分为单指标和多指标两种形式。

单指标主要是权衡成果自己的表示环境，好比说：

成果自己的深度：利用频次、利用时长、漫衍环境等；

成果自己的广度：利用人数、DAU%等；

成果自己的留存度：留存率；

成果自己的转化率：各环节转化率。