做数据分析，连趋势分析法都不会，就白混了！
要说数据分析里，什么方法最常用？当然是趋势分析法。只要和数据有关，几乎每个人，时时刻刻都在用。很多同学一听：“啥？还有这方法啊？我咋没感觉到呢！”今天我们系统讲解一下。
请听题
下图是本月1到8号的销售业绩走势，看图回答：
【判断题】8号比7号的业绩好，对不对
【判断题】7号比6号的业绩好，对不对
【判断题】6号比5号的业绩好，对不对
【判断题】所以本月业绩向好好，对不好
思考一秒钟，估计一秒钟不到，很多同学都能脱口而出答案了
1
趋势分析法的做法
上题就是通过业绩趋势图进行分析的直观体验。很多同学是不是脱口而出四个“对、对、对、对”。是滴，趋势分析法的基本原理就是这么简单，几乎是个人都会用。
第一步，明确一个指标是正向/负向。比如本题里，销售业绩是个正向指标，肯定大家都希望销售得越多越好。因此，正向指标一天比一天大，就是趋势向好，一天比一天小，就是趋势不好。
第二步，收集数据，观察指标走势。因为已经明确了“销售指标越高越好”，所以只要观察数据就好了，我们看到一天比一天好，所以能下结论：销售趋势向好。下边可以分析为啥销售这么好了。你看简单吧，90%的网上文章、数据分析课都是这么教的。
然而，这个回答是错的。
因为根本没考虑，到底是什么行业、什么产品的销售业绩。不同行业、产品的销售，在一定时间内会呈现不同的销售走势。比如吃喝玩乐类销售，往往集中在周末，会呈现以周为单位的周期性波动。比如3C类电子产品，新品上市是最火热的时候，之后会呈现逐步衰退的迹象。当销售趋势增加了时间维度后，才会呈现出规律性。
所以，这个题的前三问，都是“对、对、对”，第四问则是“不确定”。想要确定，还至少需要，在已经做的两步工作基础上，再多做两步。
第三步，树立趋势标杆，建立判断标准。树立标杆的方法有两种，如果自己熟悉这个行业，可以直接根据行业特点，画出大致走势图。如果不熟悉，可以把时间往前拖长，看之前几周的趋势。当然，想观察趋势，最好是画出同比、环比、三年比三张图。这样看的最准，能最大程度的避免短期波动的影响（顺便一提，也是为啥大家在做报表的时候，经常有同比、环比、三年比三个指标，并且分日、周、月三种口径统计，就是为了避免短期影响，观察趋势是否正常）。
第四步，将现状数据套入标杆，得出结论。如果我们已经树立了标杆形态，套入文章开头的题目的数据，马上会有不一样的解读（如下图）
所以，为啥有个名字叫“趋势分析法”，而不是“我画个折线图，高了就是好，低了就是不好”。是因为即使画个折线图，想要不作出错误判断，也得按规矩一步步来。这就是方法和随便玩玩的区别。而下边我们会看到，随便玩玩，经常玩出问题来。
2
趋势分析法的优点
趋势分析法最大的好处，就是：省事！因为它无需任何理论基础，无需任何专业知识，无需很多数据，只要有一个结果数据，无论是正向还是负向，都能直接得出判断。所以它是所有数据分析方法里最先被总结出来，并且沿用了20多年的祖传手艺。
要知道，在20年前，企业的数字化系统还在洪荒混沌状态，那时候的职业经理们想做判断，可没有现在这么多明细数据进行分析，于是只能死磕利润、成本、销售额几个结果数据。因此只能死磕曲线走势，你会发现60、70后的职业经理人，和85前的数据人，都对曲线走势特别敏感，特别喜欢拖三年走势，过往12个月的走势之类数据看。
第二个好处：直接！还拿销售举例，很多辅助性活动，比如营销活动、拉新裂变，到底对销售有没有用？不需要很复杂的漏斗分析，只要看一眼趋势，立马见效果。越简单的方法，在评估结果时越靠谱！（如下图）。
第三个好处：自带标准。曲线走势本身，可以成为判断指标好坏的标准，除了上文说的自然周期/生命周期型标准，涨跌程度，也能成为判断标准，这样省去了大量找标准的时间。（如下图）。
今时今日，这个方法也很好用。因为虽然我们有条件做ABtest，做漏斗，做多维度交叉分析，但是每天、每时、每刻都让你这么搞，你试试看。且不说做数据的会累死，为了搞这么多分析，要业务延迟上线，APP开发进度减缓，活动hold住去一个个做埋点、做测试，你问问业务干不干。所以大量常规的分析，依然要依靠日报、周报的数据做趋势分析来满足。
况且，每天、每时、每刻的数据变化，搞得业务神经过敏，嚷嚷着要深入分析，结果事后发现屁事没有的情况：非常多！
3
趋势分析法的不足
不足之一：神经过敏。三人成虎的效应，在趋势分析里非常常见。具体的如下图所示。人们往往习惯于对：突发巨大的、连续几次的、与前边连续几次不一样的神经过敏。却容易忽视更大的问题。
不足之二：混杂因素。趋势分析在观察因果效果的时候，无法处理混杂因素。在多个因素叠加的时候，是无法区分出来真正的关键影响因素的。
不足之三：乱用滥用。注意，趋势分析是有前提的，在指标是结果指标，有明确的正向/负向判断的时候，才可以使用。其他场景，比如活跃率、消费率这种比例，比率类指标，不能直接套用，比例/比率类指标得先看分子分母到底哪个引起的变化。比如：用户注册数、浏览数这种不明确正负的，也不适合用，至少得跟转化率连起来看。至于文章开头所说的：看着高了就是好，低了就是不好，更是典型的乱用。
不足之四：缺少洞察。最最最经典的场景，就是炒股票。直接上图，一看就懂。
因为本质上，趋势是由背后的原因推动的。看趋势，更得看背后的原因，而不是单纯的看着结果走势想当然。这也是我们为啥会研发出ABtest、漏斗图、多维度交叉对比等等方法的原因。我们需要简单的方法短平快做决策，也需要更复杂的方法深入问题。
4
还有哪些祖传方法
还有一些方法是数据分析领域的祖传手艺。比如多维度交叉分析，如果是2维的话，就是矩阵法，如果3维以上，就是切割对比法。是滴，这些在网络文章里被吹得云里雾里的各种“底层逻辑”“核心思想”其实一点都不神奇。都是基于具体场景、数据限制、业务需求所产生的方法。有兴趣继续了解的话，本篇集齐60在看，我们下一篇再找个传统手艺来分享，敬请期待哦。
原创精选：
了解陈老师的视频课程
