今天，大家都在搜“爸爸”

今天是母亲节，首先祝天下所有麻麻们节日快乐！

今天是母亲节，没错，但是百度指数却告诉我，大家都在找爸爸！

关键词的去向居然不是妈妈、礼物、庆祝这种俗到我想都不用想的关键词，而是爸爸·······想必全国的爸爸们看到这个截图会不会很开心？

其实无论儿女在哪儿奋斗，内心深处都是爱父母的，毕竟父母给予的生命是任何事物都无法代替的···等等，我们今天要说的重点是？数量对比分析！（差点跑偏~）

最近在想着如何把业务数据方面的分析做的更透彻一些，于是乎从头整理了一下关于数据分析的知识，我们今天分享一篇较为基础篇的干货，分析场景是以目的为中心的去索要数据展示格式

再描述下是：我们需要通过什么形式来展示的什么样的数据，去分析些什么，最终达到什么目的

我们在用户研究过程中，会通过定性或定量的方法获取用户数据，而数据之间的关系主要包括大小比较、趋势变化、占比、相关性等，因此数量对比分析中，我们从这几种方式里根据工作实际需要去落地最终的数据统计节点和展示形式，这样可以更直观的对比和分析我们需要的数据，对我们获取和分析用户行为有所帮助

表格数据

表格数据我们用的很多，大多数管理后台或者权限后台都会有一系列的表格，表格也是用于主观展示各种调研分析数据的形式，就统计而言，用户的互动行为和信息记录都属于表单里面统计的数据，那么如何将表单利用的更好，进一步利用表格来切换成视觉直观、对比性较强的的图表呢？首先我们知道通过图表的展示和分析，可以方便使用者掌握变量分布、平均值分布、数据趋势、差异性等数值，也可以从不同的角度分析、比较图标数据，进而做出下一步优化的方案，下面按照图标类型来做分类说明

饼状图

使用场景：查看整体与部分的关系，比如在使用苹果手机的用户中，男女比例如何

优势：很明显的看到板块的对比所占的比例，数据关系清晰，得到重点倾向的结论

常用来做：人物画像、目标群体定位、来源分布

柱状图

使用场景：查看按照不同分类、不同阶段的强数据发展关系、占比关系。比如中国市场上IOS手机和安卓手机在男女比例中的分别占比

优势：可以很明显的查看数值变量和类别变量的关系、占比等数据信息

常用来做：常用查看占比、频率、累计次数等数值变量和固定类别变量的交叉分析

折线图

折线图很像柱状图，但是他是以线条和数据标记构成图标类型，适用于处理连续型数据的变化关系

使用场景：处理连续数据变化关系的展示，比如股票的走势

优势：可以查看某个时间节点的某个具体数值，方便总整体上查看所有数据的发展变化和趋势走向

常用来做：趋势分析、变化干扰分析

一些维度分析

大小关系的数量对比分析

1、同一个数据在不同时间点的分析，比如某个手机从01年~10年的销售情况比较

2、不同数据在同一时间点的大小比较，例如在同一时刻不同产品销量总额的对比

3、不同数据在同一领域中大小比较，比如都是在购物，不同用户在此时间段的购物次数比较。

趋势变化关系的数量对比分析

一般用折线图，我们可以想象一下股票的折线变化，是指某个指定时间段的整体变化走势，可以去分析是上升趋势、下降趋势、还是波动或者保持水平，而一般这种分析应该考虑到，比如产品的迭代功能、某个节日的活动、政策、话题等，相关因素都要考虑到，然后假设判断未来某个时间点的趋势，在根据趋势变化回归到产品形态上，去做针对性分析和版本迭代规划。

占比关系的数量对比分析

一个总体的各个部分的数量，所占的比例情况是怎么样的，一般用饼状图，但是饼状图其实还可以拆分为二级或者三级，如下图

这个可以看出，某一个层级调整的变化，会影响到整体比例的变化，那么变化根据什么而定？假设这个是电商，那么一定是根据用户的购买需求、购买能力、购买其他因素所构成（用户购买三要素）和决定

相关性关系的对比分析

正比相关：是指数据的增减是同步的，比如用户如果每日签到，那么就可以获取相应的积分奖励，当用户对此积分形成需求和习惯的时候，这个“签到”大多就是“用户增长”正比相关的数据

反比相关：是指数据的增减是相反的，比如当会员体系的积分，当用户每日签到就会增加1分，如果漏签就减少一份，那么“漏签”行为就是影响“积分”的反比相关的数据

制约相关：当某个数据存在的时候是情况A；当某个数据不存在或者更改时的情况是B，比如用户通过审核，那么他的授信额度是10000；如果用户未通过审核，他的额度就是初始额度1000.

以上是最近在分析数据作出的一些笔记分享，希望可以给初学者一些帮助，我们一起进步！

还是那句话，你并不孤单，我们一起在努力的道路上并肩前行！