数据分析产品同比、环比设计要点总结

编辑导语：在数据分析及其可视化产品中，我们最常使用的分析思路就是对比分析，有对比才有实际可量化标准。那么对于量化对比，我们最常使用的是同比、环比分析。虽然它们听起来很普通，但是其中需要考虑的点却不少，我们一起来看看吧。

在数据分析、数据可视化产品中，最常用到的分析思路就是对比分析，有对比才有直观的量化评价标准，如果只是说今天DAU 1000W，那这1000W仅是个数字而已，业务表现到底是好还是坏呢？

对比分析过程，日期的对比是最为普遍的对比角度，而不同的业务属性、业务不同的发展阶段，日期对比的范围也往往不同，同比、环比听起来很简单，但实际在数据分析或数据产品设计时，有很多要点需要考虑到。

一、同比、环比的定义及误区

• 同比：和历史同期对比，即强调和过去的时期比，同比增长率=（当前统计周期值-历史同期值）/历史同期值。狭义的同比是年同比，但按照同的定义，可以将同比的范围扩展，即周同比，月同比，年同比等更多的对比方式，毕竟对于增长快速的业务尤其是互联网企业，只按年对比不够全面。
• 环比：和上一周期对比，即强调是相邻的统计周期。

当对比日期为上周同期、或者上月同期时，有的人**叫周环比，月环比因为很多人把同比定义是对比的去年同期。从同环比的定义出发，可以明确澄清一下，对于某日数据对比上周同一天或上月同一天时，严格的定义应该是：周同比、月同比，而不是环比。

二、不同对比周期的业务场景

1. 增长率分析

• 环比：用于分析本期业务表现和前一周期的对比情况，如今天和昨天比，业务表现如何，是涨还是跌呢？像买理财或者股票，希望每天都比昨天涨一些。环比的时间周期比较临近，适合于看业务近期的表现。
• 周同比：很多业务有明显的周期性，比如OTA行业，多数人是只有周末才有空出门旅行，那周一到周五的业务表现和周末**有很大差异，用周六的数据环比周五，**有比较大的跌幅。用本周六对比上周六**更加合理。
• 月同比：对于一些账单类的产品，用户的使用可能在每月的某几天**尤为集中，用本月1号对比上月1号，则更能体现业务的增长情况。
• 年同比：看业务每年的增长情况，对于一些稳步增长的成熟企业，**重点看每年的增幅，并制定年度的业务目标。而对于飞速发展的新兴企业，只看年同比是远远不够的。
• 节假日年同比：旅游行业的节假日属性很强，端午、中秋、春节等这些假日每年的日期又不太一样，很多时候看业务在假日期间的表现时，要对比去年相同节假日期间的表现，包括节前X天，节后X天等。

2. 数值对比

对于实时监控类的分析场景，数据更新频率到分钟级，直接看对比日期的分时段数值和趋势，可以更直观的看到最新的业务表现是否**越了历史，创造了新的业务峰值。

三、同比、环比计算常见问题及处理逻辑

不同日期颗粒度的数据，支持对比的方式如下：

在同环比计算时，有些坑点还是要提前在需求层面确认好，避免测试或上线后，再去调整。

1. 月份日期不等，对比日期缺失

天粒度的数据，月同比的计算**存在此问题，例如3月29日之后的日期，同比上月（2月）时，可能2月就没有对应日期的数据了，此时对比分母不存在，可以做“—”处理，即这几天的月同比值不存在。

2. 周颗粒度数据的同比计算

每周对应去年同期的周日期基本上是对不上的，一般的处理方式是，建立每一年的日期维度表，即对每年的周进行1-52的编号，周同比计算时，可以用当前周编号，减去一年（52周）的周号计算

3. 周、月、年未过完

数据产品的数据是动态更新的，周一或者每月看数据，当周、当月都没过完，此时同环比的计算需要考虑数据对齐的问题。

方式一：直接用本期已有数据，对比上期完整周期的数据，例如现在7月10号，7月数据环比计算时，取7月1日-7月12日，而6月则是整月的数据。

这种方式的好处是数据处理简单，不需要额外增加清晰工作量，不足是数据对比有失偏颇，用不完整的数据，对比整周或整月的数据。只有当周期过完时，数据才是相对可信的。

方式二：本期和上期相同天数的范围对比，例如：今天7月20日，7月数据环比6月，是用7月1日-7月20日的数据对比6月1日-6月20日数据，优点是数据对标范围一致，缺点是对比日期的数据需要动态的计算，尤其对于UV类涉及去重的指标，需要单独清洗一份数据，**增加额外的工作量。

如果前期没有说明清楚逻辑，测试或者上线后再调整，重新清洗数据就已经来不及了。

一般建议采用方案二，**更加严谨。

四、总结

同比、环比是数据产品设计中最常用的对比分析功能，来定量评估数据的表现。相比较离线数据分析的静态数据，数据产品的数据是每日更新的，天、周、月不同时间颗粒度以及周初、月初等不同时间节点，同比、环比计算时都有一些坑点需要提前明确好逻辑的。

#专栏作家#

数据干饭人，微信号公众号：数据干饭人，人人都是产品经理专栏作家。专注数据中台产品领域，覆盖开发套件,数据资产与数据治理，BI与数据可视化，精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

本文原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Pexels，基于CC0协议