【干货】5分钟讲透数据分析之【对比分析】

在数据分析工作中，你可能经常遇到这样的问题： 从浏览到消费的转化率一直很低 ，那到底该优化哪里呢？如果你要投放广告该怎么选择对象人群呢？遇到类似的问题，我们需要将具体的业务问题和数据之间建立一种关系，然后通过一些分析方法和分析工具，让我们在遇到此类问题时知道：我该选择什么样的分析工具或分析方法去解决实际业务中的问题。

俗话说：没有对比就没有伤害。数据分析的最终目的是对现实的情况或一个功能的好坏做评估，这里最常用的方法就是对比分析法啦。

举个例子来说 ，2020财年淘宝天猫GMV达成6.589万亿，如果没有对比GMV只是一个数字而已，我们并不知道这个数字代表的业务状况到底如何，业务是增长了呢，还是衰退了呢？如果我们把前三财年的GMV数据也放上，就会发现2020财年的GMV是增长的，从这个对比数据来看业务是稳定上升的。这就是对比分析在数据分析中的作用，没有对比就没有数据结论！

接下来介绍对比分析法中的三个问题： 比什么？如何比？跟谁比？

绝对值是本身就具备价值的数字 ，比如： 电商平台的销售金额 、公众号的 阅读数 等。当然，如果只看绝对值，是无法得知事情严重到什么程度的。

在具体环境中看比例值才具备对比价值，比如：电商平台的详情页 转化率，复购率等 。需要注意的是： 比例值是一个除法计算 ，很容易把数量级的一些数字给忽略了，比如说：85除100和85000除100000得到的都是同样的值。

数据对比分析是数据分析岗最常用的方法，所以CDA数据分析师一级把对比分析作为考点， CDA小程序 里也有很多对比分析的模拟题，大家可以通过刷题来提升自己。

环比是与当前时间范围相邻的上一个时间范围对比。

以下图为例：如果是日环比，则是拿星期二的数据与星期一的数据比，同理，周环比呢，则是拿本周的数据和上一周的数据对比，那月环比自然也是拿本月的数据与上一个月的数据对比了。

环比适合分析短期内具备连续性数据的业务场景。

举个栗子：比如说我们要做一个 为期10天促销活动 ，在做这个活动的过程中，每天都会去观察活动的效果，根据前一天的活动效果来优化后面的活动过程，而这个活动之前没有做过，没法与以前的活动效果进行对比，这个时候就要看日环比数据了。

环比适用于根据相邻时间范围的数字对当前时间范围的指标进行设定。

比如给我们的产品设定每月新增用户为100000，但是第一月我们只做到10000，第二个月只做到12000，那我们就需要跟据前面两月的实际情况进行对比，调整第三个月及之后的目标了。

同比是与当前时间范围上层时间范围的前一范围中同样位置数据对比。

举个栗子： 今天是4月16日（当前时间范围），月同比就是选择3月16日来同4月16日进行同比计算。

同比的使用场景有：打赏的流水、销售流水等。像旅行、餐饮、骑行这些会受季节性影响的产品，会拿今年的这个日/月或一个时间段跟去年的同期进行比较。

同比更适合去观察长期的数据集。

举个栗子：公司每年都会进行“双十一”大促，这个时候我们对比数据时可以把今年的同去年的，或者去年同前年的数据进行对比。

同比适用于观察的时间周期里有较多干扰，而我们希望某种程度上消除这些干扰。比如说短视频类的产品，是不是需要考虑工作日和周末以及其他节假日呢。

对比分析法的特点是： 可以非常直观地看出事物某方面的变化或差距，并且可以准确、量化地表示出这种变化或差距是多少。

确定对比的对象 是数据分析的第一步。

对比的对象可以是自己，也可以是行业。 如果是和自己比的话，可以通过某段时间的业务平均值、中位数等统计指标来衡量业务的整体大小；也可以通过变异系数来衡量业务整体的波动；同时也可以使用同比、环比等指标来衡量业务的变化趋势。如果是和行业比较的话，可以通过行业趋势与业务发展趋势进行对比，以判断业务发展是否健康；当然也可以和行业的金标准进行对比，以确定业务发展是否达到行业标准，进而调整业务发展方向和策略！

时间维度：拿昨天跟前天比，拿这个星期跟上个星期比（环比、同比）等等。简单说一下同比的环比的区别，如图片。

不同业务线： 跟公司不同的业务线进行对比，比如说做线上汽车交易的，拿新车和二手车比。二手车数据涨跌厉害，那新车有这种情况吗？

往期均值 ：这里不同于时间维度，像留存、销售额、日活这些都是比较连续的数据，每天都会产生新的指标。但是有很多事情不是连续性的，它不会每天都产生数据，这个时候就要根据往期这些数据的均值进行对比。

结合实际的业务场景， 指标上升、下降、持续保持波动 没有变化或大幅波动等，都能够称之为某种程度上的问题。

在实际的业务中，如果跟自己比找不到原因，那么就需要跟行业比，看是自身的原因，还是行业的趋势导致的跌或者涨。

都跌： 如果都跌，咱能不能比同行跌得少？

举个栗子： A公司的跌了10%，咱们公司跌了30%，那么在这个相对竞争的环境中，咱跌的是更多的，通过这样的对比，就可以找到原因并解决这个问题。

都涨： 如果都涨，咱能不能比同行涨得快？

都涨也是一样的道理，如果A公司涨了30%，咱们只涨了10%，也能找到原因，并给出解决方案。因为如果不这样做，那么相对于竞争对手而言，咱还是在跌的。

2025年，是数据时代的新起点，也是职业探索的新征程。 如果渴望在这个充满机遇和挑战的领域中有所作为， 那么不妨加入CDA数据分析脱产就业班 ，与志同道合的伙伴一起，开启一段全新的职业之旅。

数据分析师行业的人才需求将大幅增加，行业也将迎来新的发展机遇。

| 行业介绍

各行各业都需要的数据分析,那么是具体哪些行业需求最大呢？

数据分析在当今社会已经渗透到了各行各业，成为了许多企业和组织不可或缺的一部分。无论是金融、医疗、教育、制造还是零售等行业，都需要数据分析来帮助企业更好地理解市场需求、优化运营流程、提高决策效率等。根据相关招聘数据，以下11个行业值得关注：

| 岗位介绍

数据分析已不再“IT”，早已成各个岗位的必备技能

数据分析技能具有很强的通用性和可迁移性。无论是从事哪个行业或领域，掌握数据分析技能都可以帮助个人更好地理解和分析数据，发现问题和机会，提高工作效率和质量。

| 数据人才成长体系

科学完善的课程体系分级，学习更有效

作为专注于数据科学领域课程研发17年的培训机构, CDA数据分析师总结并实践出了一套行业、企业、市场认可的“全栈数据人才成长体系”，从数据分析、数据挖掘、人工智能等方向为学员提供更科学、系统的学习线路和课程，助力学员实现持续的职场岗位晋升和薪酬增长。

| 课程分级

一个科学完善的课程体系分级可以帮助学习者更加有效地掌握数据分析的知识和技能，提高学习效果和实际应用能力。

扫码回复" 就业班 "，咨询 课程优惠

| 讲师团队

与智者同行，与高人为伍，让大师成为你的私人智库

在这个快速变化的世界中，与智者同行、与高人为伍，成为了我们追求成长和智慧的捷径。智者以他们的深厚学识和独特见解，为我们指明前行的方向；高人则以其卓越的能力和非凡的成就，激励我们不断超越自我。

| 课程案例

高标准师资团队，课程与时俱进，不断融入热门技术

选择智慧启航，就是选择了一个高标准师资团队、前沿技术和优质课程的结合。在这里，你将获得最专业、最全面、最前沿的学习体验，为你的未来奠定坚实的基础。

| 学习平台

四大智能学习系统，高效辅助全程

一线行业大咖，实战业务经验分享，优质学长实用求职方法传授。每月3-4次

| 权威教材

行业权威教材及知识体系

CDA数据分析师就业培训班所使用的教材及相关讲义 （电子版） ，均由CDA数据科学研究院独家支持研发！

10大行业 300+ 套完整行业案例

CDA数据科学研究院是国内率先成立的专注于数据科学领域的专业研究团队，团队具有专业的学术素养、精湛的研究水平，扎实的企业实战经验，丰富的行业资源，通过对各类企业、社会组织等进行全面、系统、深入的调查和访问，从而获得紧跟技术发展的经验与数据，并结合数据行业的未来发展方向进行系统的研究，不断研发新的知识体系和技术应用。

| 职业路径

全流程“沉浸式”精准个性化职业解决方案，坚决抵制过度承诺！

精准个性化指导，为你量身定制职业发展路径。我们的专业团队将根据你的兴趣、能力和职业目标，为你提供个性化的建议与方案，帮助你在职业道路上少走弯路，更快地实现自己的梦想。

坚决抵制过度承诺。我们深知，每个人的职业发展都是一个长期而持续的过程，需要不断的努力与积累。因此，我们承诺为你提供真实、可靠的职业指导与支持，帮助你实现自己的职业目标，而不是仅仅为你描绘一个美好的蓝图。

选择全流程“沉浸式”精准个性化职业解决方案，就是选择了一个真实、可靠的职业发展伙伴。让我们携手共进，共同开创属于你的美好未来！

| 学员案例

| 培训成果

专注数据科学前沿技术、人才培养17年、往期学员超百人成为数据科学家，培训学员10万+吸引世界名校学员总数超5000 (哥伦比亚大学、清华大学、北京大学、人民大学等)全国30万+的数据分析从业者，有10万在CDA,行业大咖师资203位、名企内训合作118家、公益直播730场沙龙会议318期。

| 课程大纲

完善系统的教学体系，紧跟时代需求

在瞬息万变的时代里，教育不再是一成不变的灌输，而是需要与时俱进，紧密贴合时代的脉搏。完善系统的教学体系，是我们对教育的坚持和追求，确保每一位学习者都能获得全面、深入、实用的知识和技能。

• 新增企业需要的数据能力、数据分析思维、指标体系管理内容
• 新增标签体系与用户画像内容，及其相应案例
• 新增归因分析内容
• 新增进阶数据分析思维、量化策略分析框架与流程内容
• 新增数据管理与数据安全内容
• 新增时间序列建模内容
• 新增人工智能商业应用内容，录播
• 数据架构与ETL改为SQL授课
• 案例优化为沙盘模拟的形式授课
• 删除Hive SQL内容
• 删除精准营销与金融风控案例内容删除深度学习内容

• 新增企业需要的数据能力、数据分析思维、指标体系管理内容
• 新增标签体系与用户画像内容，及其相应案例
• 新增归因分析内容
• 新增人工智能商业应用内容数据架构与ETL改为SQL授课
• 案例优化为沙盘模拟的形式授课
• 删除Hive SQL内容