对比分析(如同比、环比)，是数据分析中，最简单、常见的分析方法。不仅是数据分析师，几乎人人都会用，但不一定都能用对。【文末附对比分析错误案例解析】
简单常见的对比分析最经常出现的四大错误：
错误一：对比对象不一致
美国历史上有一个海军的征兵宣传：与西班牙交战期间，美国海军死亡率为千分之9，而同期纽约市的居民死亡率为千分之16。所以参军更安全！
这个案例的问题在于对比的对象范围不同：一边是身强力壮的参军小伙，另一边的纽约居民包含了更多范围如自然死亡、老弱病残、交通事故、刑事犯罪等问题。
同样的问题也频繁出现在新闻里，如《外卖小哥薪资远超白领》：显然将外卖小哥行业中薪资最高的那一小撮人与普通白领“降维比较”自然就可以得出这样的结论。
错误二：时间范围不一致
例如某应聘HR的简历上有这样的自我宣传，前公司以前销售员的离职率是12%，而该HR到岗后，公司销售员的离职率下降至4%。
这时，作为专业的数据分析师，必须要问多一句：这两个指标的计算时间范围是否一致？是否都是按月/季度/年计算？
错误三：定义、计算逻辑不同
业务指标背后的数学公式有很多变形，如果没有统一好，这样的对比也是没有意义的。
复杂的指标，例如重购金额，因为业务需求不同，如何定义“重购行为”就很容易产生误差：
曾经注册过的会员，回柜消费，就算是重购
仅曾经消费过的人，回柜消费，才算重购
再比如，当月完成首次消费和二次消费的会员，在计算当月重购指标时，也会有困难：如果按消费行为，将首次消费算入首购金额，二次消费订单算入复购，但这个会员是否可算入重购会员中？
所以，每当看到指标对比时，要第一反应想起背后的计算公式是否在同一语境下。
错误四：数据源不一致
数据源错误的问题很隐蔽，一个常见的场景就是在尚未建立数据中台的企业里，业务部门有不同的信息系统存储数据，例如订单数据就可以存在在ERP系统、POS系统、CRM系统中，数据在系统之间流转，难免会产生误差，所以即使是同样的数据计算指标，在CRM系统里计算出来，和在ERP系统里计算出来可能会有误差。
此外，随着业务需要，系统维护升级是家常便饭，在升级过程中，数据同步往往会有波动，这时候再去计算指标，或许会得到不一样的结果。
所以不同业务部门之间进行指标对比时，要放在同一语境下，才有意义。
【实战案例】数据同比分析中常见的【同比错误】
案例一：【日销售报表】分析中，2021年1月4日的零售额同比2020年1月4日下降30%，所以2021年1月4日销售存在问题？
实际上，结合具体行业思考，如果是在季节/周期性较强的零售业，这样的对比并没有实际意义：因为2021年1月4日是工作日，而2020年1月4日是周六，根据常识，周末的人流一定会更多，进而各方面的销售指标也更优。
也就是说对于零售企业来说，这两个日期处在不同业务场景，所以不能这样直接比较。
同样的原则（【是否周末】）可以延展到【是否节日】，如情人节与情人节同比、圣诞节与圣诞节同比。
此外，还有隐藏比较深的【放假周期】：今年十一放七天假，上一年是否也是同样地放七天假；【活动周期】：尤其是在天猫等电商行业，每年的双十一活动周期都不一样，例如2020年双十一与2019年相比，多了11月1日-3日的正式销售高峰，所以在做同比时，数据指标期望上应该有所调整。
案例二：假设不考虑疫情影响，【月报分析】中，2021年2月的销售同比2020年2月下降5%，所以2021年2月销售存在问题？
此时我们不得不借助【日历】来判断这样的分析是否合理。
1、【销售日数】查看日历就可以发现：
2020年是平年2月有28天
2021年是闰年2月有29天
所以相差1天的背景下，销售有差距是否合理？
2、【是否节日】此外，再来看日历也会发现：
2020年春节在1月25日
2021年春节在2月12日
对于零售企业，是否存在春节档期的销售更好的情况？如果是的话，有节假日的月份销售是否应该比没有节假日的同期2月更多才对呢？
3、【周末数量】再来重新观察日历：
2020年2月有9个周末
2021年2月只有8个周末
正如案例一里讨论的，零售行业相差一个周末，可能销售数据就是百分之几的差距。
所以综合以上几点，再来判断2月销售表现可能更合理一些。
网友评论