九大資料分析方法之:週期性分析法

有小夥伴問:能不能系統介紹下資料分析方法。今天它來啦!資料分析常用的方法有九種,今天先介紹第一種,操作上最簡單的:週期性分析法。它是新人們避免犯小白錯誤的最好方法。

做資料的新人最容易犯啥錯?當然是一張嘴就被大家笑話:連這個常識都沒有!

所謂的常識,很大一部分是週期性變化:到了這個時間,就會出這種事。週期性分析,主要是從日常雜亂的資料中,發現會週期性出現的規律,從而避免上述問題。常見的週期包括兩種:自然週期/生命週期

所謂自然週期,是指業務指標隨著時間自然發生波動,比如上邊吐槽的“2月份業績自然少”,這是因為2月份過年,大家都放假了,業績肯定少呀。

類似地:

●吃喝玩樂類的消費,一般週六、週日比較多,這時候才有空出來玩。
●企業間交易,一般工作日高,週末很低。大家都放假了誰還辦公呀。
●雪糕冰棒冰淇淋類商品,一般夏季是旺季,冬季是淡季
●帽子手套暖手寶類商品,一般冬季是旺季,夏季是淡季

這些是比較直觀的例子。需要注意的是,所謂的自然週期,對不同業務而言是不一樣的,切不可混為一談哦。

但是很多時候,自然週期表現並不直觀,隱藏在日常起起伏伏的資料裡。這時候就需要我們手動發現週期規律。比如比如一個公眾號的閱讀人數走勢,可能如下圖:

一眼看過去,是不是彎彎曲曲,毫無規律可言?

這就需要手動做區分。為了更好的區分,一般取6個月的,每日的資料。因為六個月的時間,一般能涵蓋2個季度,能觀察出季節性變化。

同時,每日資料,能觀察出每週是否有規律和每月是否有規律。不過上邊例子只給個2個月的資料,那就湊合著用。

從上例蜿蜒起伏的波折裡可以直接看出:沒有明顯的月規律。一般有月規律的資料會如下圖所示(如下圖)因此可以進一步觀察,是否有周規律。

想看周規律,需要把資料做一下處理(如下圖),把6個完整週的資料,從週一到週日對齊。之後做折線圖,更容易觀察出周規律。

處理過以後,可以看出:卻有周規律變化,表現為:週一至週六逐步降低,週日反彈。如果把每週一到週日的資料做平均數,就能畫出周規律曲線(如下圖)

這裡有很多明顯不符合走勢的點。這很正常,因為公眾號發文也是有分類的,如果是賣東西的文章閱讀就很低,派福利、抽獎類的閱讀就高一點,搞標題黨的《震驚!》《大廠!》《字jie!》的閱讀就很高。所以除了日期,也和文章型別有關。

週期性分析,主要目的是做出一個參考曲線,為進一步判斷提供依據。進而避免:“為啥週六閱讀那麼低呀!”這種低階小白問題。之後再結合內容標籤,做進一步的分析。

比如上例中,第三週週一、週二是明顯異常點。如果沒有做標籤,就會直接報警:“本週連續2天異常!請注意!”但是做了標籤,如果發現週一發了賣貨文(原本就該低)週二則是標題黨(原本就該高)則不需要大驚小怪了。

還有一種週期是生命週期走勢。比如一個活動上線,剛上線的時候肯定參與人很多,之後感興趣的都參與過了,不感興趣的都不參與了,因此人越來越少。這樣就會出現如下圖的走勢。

注意:要發現生命週期走勢,統計資料,是從一個業務開始的時候進行統計的,之後往後數:第1天/第2天/第3天……或者第1個月/第2個月/第3個月

生命週期走勢有很多經典的運用。比如一款新商品上市,其銷量和上市時間,經常有如下關係,因此被稱為“商品生命週期”。類似的,還有“APP生命週期”“使用者生命週期”的說法,都是一個時間軸+指標走勢組合出來的。後續有機會再跟小夥伴們一一分享。

以上就是今天的分享。週期性分析看起來很簡單,因為它主要是用來做參考線的,為後續各種分析方法鋪路。很多複雜的分析,比如資料監控模型、資料預警模型、資料驅動決策,也是以週期性曲線為參照,所以小夥伴們先掌握基礎方法,再循序漸進哦。今天的分享就到這裡,謝謝大家!

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。各位也可以關注我的Facebook,按讚我的臉書並私訊「10」,送你十週入門數據分析電子書唷!期待你與我互動起來~

文章推薦

從“將男朋友轉化為老公”的評價體系談資料分析

IT報表開發者必看:別加班了,真正解放雙手的低程式碼開發神器來了

十大資料探勘演算法及各自優勢

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/