数据分析方法和思维：对比、细分-技术圈

导读：从美食来说, 我们每天都在运用数据分析的方法在生活中运用数据分析, 比如你今天做了一个土豆炖排骨, 你会跟其他的菜比较比如跟炸豆腐对比, 从色香味来对比, 同样的你也会跟自己上一次做的这一道一模一样的菜做对比。

假如我们只有对比，我们只知道我们的菜比如更好了或者变差了, 但是没有细分, 细分就是寻找差异, 从色香味, 从调料、选材、火候、加工顺序等等多个方面去找寻差异。

作者：Rain0808

来源：DS数据科学之美

01 互联网中的细分

在互联网的数据分析中, 经常我们去分析比如今天的活跃人数降低了, 我们经常要从多个维度去分析为什么降低。

同时我们还要跟上周, 昨天, 去年同期等做对比, 分析虽然是降低了, 但对比去年是否有变化。

那么我们如何做一个有效的细分呢。

首先我们有很多可以细分的维度, 比如从时间上拆分, 一个月的活跃人数我们可以拆分到每一天的人数, 活跃人数可以拆分新的活跃人数, 老的活跃人数。

同样都是活跃人数, 我们可以拆分不同活跃等级的人数, 这里的活跃人数指的就是比如一个月活跃1天、活跃3天、活跃7天等不同活跃天数, 又可以拆分成一天活跃1小时, 3小时, 7小时等不同时长的用户。

我们还可以对地区进行细分, 比如活跃人数降低了, 我们可以细分到是哪个地方降低比较多, 是广东还是广西, 是湖南还是湖北。

除了以上拆分的维度, 我们还可以有很多拆分的维度, 比如另外一个例子, 我们发送的表情总数量跌了, 我们就可以拆分成发送的小黄脸小表情, 还有很骚气的大表情。

这些拆分是跟特地业务相关的。

对于电商类的业务比如总的订单量，我们可以拆分来自不同的店铺, 不同的品类, 不同的商品类型, 不同的价格类型等等。
对于游戏类型的业务比如总的卖的游戏皮肤，我们可以拆分不同角色的皮肤, 武器也是类似的。
对于视频类app，比如抖音的关注数, 我们可以拆分不同用大v的粉丝数量。

单单细分, 没有对比, 就没有洞察, 那么我们细分好了分析维度之后, 怎么对比呢。

02 互联网中的对比

对比就是在细分的基础上选择合适的指标进行对比。比如我们要分析现在朋友圈在某一天的情况如何。

我们会想一些指标去评估, 比如朋友圈活跃人数, 活跃次数, 活跃时长, 活跃到发表的转化率等, 然后我们就会把这些指标去跟去年同期做对比看涨跌如何, 也就是自己跟自己比。

除了自己跟自己比, 我们会拿到一个具体的涨跌的数字, 但我们不知道一个数字是有没有明显的异常, 这时候就可以借助其他的业务。

比如我们会看表情活跃今年跟去年同期对比的涨跌, 然后看朋友圈的涨跌跟表情的涨跌, 就可以科学评估这个涨跌是否是非常异常的。

03 数据报告中的细分和对比

在数据分析报告中, 贯穿整个数据报告的其中一周思维就是细分和对比, 我们在描述一个业务, 一个产品, 一个功能的时候, 我们就会拆分多个维度去对比分析。

比如以questmobile报告为例, 我们可以发现, 首先是细分从社交, 视频, 网购等多个维度进行细分, 然后对比他们的活跃占比。

但除了对比这些兴趣度以外, 本身兴趣度自己跟自己又有同比的增量情况, 这个主要是刻画如果一个兴趣度的占比比其他兴趣更活跃的时候, 这个兴趣度本身的活跃占比、相比上周、相比去年同期是否有变化。

另外一种细分我们可以看到在算知乎app和知乎百度小程序的占有率的时, 细分了知乎app自己独占率, 知乎小程序的独占率, 就可以对比app 和小程序的独占率的差异, 知乎app（97.0%）> 知乎小程序 (93.3%)，同时还可以对比知乎app 中单纯app独占率(97.0%) 和小程序 3% 的占比之差。

除了同一个app独占率自己的对比, 同种类型的app的独占率还做了对比. 比如百度知道app 独占率 95.6%, 宣布内附知乎app 独占率(97.0%)略低。但百度小程序的独占率(99.0%)要大大高于知乎小程序的独占率 93.3%。

04 细分和对比方法的总结

细分和对比方法在数据分析中的应用非常之多, 同样的在面试的时候也经常会问到一些问题的分析, 也会经常要用到细分和对比的分析方法。

同样在生活中, 我们的购物货比三家, 旅游的时候攻略也是多家对比, 我们时时刻刻都在面对需要细分和对比的方法去解决问题的时候。