DataFocus 与数据对话之随时间变化

第九章 随时间变化

说到与数据交流，时间就是一切，并且时间是一个无法忽略的因素。举个例子，我们看网络上、印刷品上或办公室里的任何数据展示的时候，你往往不需要很费力就能看出时间的要素存在。还有一些比如月度失业率，季度每股收益，周末票房最高的电影等数据分析结果，如果时间元素没有在某个地方被明确表示出来，那么整个结果就失去了应有的价值。

但是，如果我们考虑到去分析一些结果是如何变化的或正在变化的，以及一些变量可能会随着时间的推移而变化，考虑这个过程而不仅仅看时间元素本身而是动态的，我们就可以开启一个全新的视角:

•情况是在好转还是恶化，还是在继续恶化?

•时间是否以不同的方式反映一个变量?

•在特定时间段内，数据是否存在趋势、异常值或变化?

•随时间变化的程度是显著的还是平缓的?

这些都是在与数据交流时关于时间的核心问题。随着时间的推移，有很多方法可以用来反映变化，我们将在本章中展示其中的一些方法，首先从简单而有效的折线图开始。

9.1 时间图表的起源

苏格兰工程师、政治经济学家威廉•普莱费尔(William Playfair)在1786年发明了折线图，当时他在自己的著作《商业与政治地图集》(the Commercial and political Atlas)中描绘了各国之间的贸易平衡。

图表 9-1-1

这里描述了两行数据，显示了随时间变化而产生的变化。我们已经习惯了如今看到的折线图，但是当看到以这种方式画出的图表反倒是很新奇。然而折线图的年龄甚至还没有美国大。威廉·普莱费尔肩负着先驱者的任务，要把他这种新的数据展示模式介绍给当时的人们。

关于线图，我们来看几个例子。

9.2 线图

我们知道，电商行业是用数据的“大户”，因为其交易属性都为数字化交易。我们首先来看一个简单的数据表格。维度是大家熟悉的时间（月份）和新老客客单价及课件数数据。

图表9-2- 1

为了创建一个线图，我们可以登录DataFocus系统，导入数据后，在左侧双击“月份”和其它任意维度，并在右侧图形转换按钮中选择“折线图”，创建随时间变化的折线图。

图表9-2- 2

那么如何去表达或演绎它呢，在图中我们可以看到，系统已经给出了最大值和最小值，以及可以作为benchmark（标杆线）的平均值。在11月客件数达到了最大值，因为双十一的关系，同理6月亦然。在此图我们只要表达出变化的极值就可以。

图表9-2- 3

而我们看客单价，是不断在变化的。11月之后就相对的一直走低，并在9月开始涨势迅猛，在11月到达了顶点，客单价为55元。类似这种变化较明显的线图，需要表示它的涨跌行为以及峰谷值。

甚至我们可以使用组合图来分析客单价和客件数的相关趋势，点击右侧图形转换按钮，点击组合图。在右侧维度上单击可转换为折线或柱状图，并且可以点击右侧坐标轴按钮，将客件数设置为单独的Y轴以便查看。

图表9-2- 4

图表9-2- 5

这样我们就能得到一张组合图，可以看到6月虽然客单价偏低，但是客件数较高，可以尝试用一些关联商品的方式提高客单价。

9.3 双轴线图

上述最后一张图表我们展示了组合图的表达方式，使用柱状图和折线图去表达两个维度之间的关系，以便找到最优解。事实上，很多场景上我们还可以利用双轴折线图来表达。我们举一个生活中的例子。作为一个笔记本产品经理，对比同类型同定位的竞品品牌和型号参数是非常重要的，我们列举一些平价的商务触控或轻薄笔记本的数据，如下图表格所示。

图表9-3- 1

对于很多女生或者学生党来说，她们除了外观、大小等参数之外，最重视的还是笔记本的价格、厚度和重量。后两者一般来说成正比，因此我们可以抓取其中一个进行分析，比如厚度。打开DataFocus，导入数据，双击“型号”、“厚度”和“价格”进行分析，右侧“图形转换”按钮选择折线图，系统将自动生成两条折线图。并且按照上述组合图的方法，将其中一个维度设置为右Y轴，便可得到想要的双轴折线图。

图表9-3- 2

我们可以看到两条曲线，上方为厚度曲线，下方为价格曲线，两者的数据表现都应是“谷值”约高越好，也就是数值越小越好。首先可以来看有“峰谷”表现的，或者说两者数值一高一低的款式，这是最容易让消费者纠结的，需要取舍。微软的Surface Book 2是上述选择中最厚的笔记本，但却拥有较低的价格，有同样“峰谷”表现的还有惠普的幽灵i5款。而“双低”表现的有XPS 13的i515寸和i7触控版本，因此如果只看重这两个维度的消费者，XPS 13的两款笔记本是较匹配的选择。

当然，为了更精确地查看数值进行对比，我们除了将鼠标移上去悬停之外，还可以点击右侧“显示数据标签”按钮。

图表9-3- 3

那么同样的，对于时间来说，双轴折线图同样适用，比如我们研究电商里的付款周期。可用于对比不同付款周期人数占比随时间的变化。

图表9-3- 4

9.4 按季节或其他时间变化的数据类型

所以说到时间变化，我们少不了研究按日期分析的类型以及有些时候的季节性反映情况。如果对于本地数据来说，我们需要提前养成良好习惯，将日期类型的数据提前设置属性。我们以最常出错的EXCEL为例，如若不设置，EXCEL默认将日期格式设置为“字符串”类型，因此我们有时需要进行手动设置，才能更好的用各类BI系统进行分析。

图表9-4- 1

打开DataFocus，导入数据，我们以上图付款周期分析为例，如要查看每月付款周期在10分钟以内的人数占比，则可以双击10分钟以内，然后在搜索框键入“按月统计的”进行分析。

图表9-4- 2

如图所示，系统会自动展示每月的付款周期在10分钟以内的占比。可以明显看到4月的此类人数占比最低而11月最高，继而我们可以把它一键转化为折线图，以更好的查看趋势。

图表9-4- 3

我们都知道，很多公司都会做季度总结或季度分析，我们可以框取我们需要的月份，以单独分析，比如我们要分析第四季度，就可以框取9-12月的距离进行放大查看。

图表9-4- 4

图表9-4- 5

除了上述“按月”的时间关键词搜索，还可以进行如下关于时间的其他关键词搜索：

每年/每季度/每月 10分钟以内

按月统计 10分钟以内

2019（具体年份）10分钟以内—>2019 10分钟以内 9月（加上具体月份）

按周日期统计 10分钟以内

周三（具体周几） 10分钟以内

在"2019/04/01" 和"2019/05/01" 之间的10分钟以内

环比：按 日期 计算的 10分钟以内的总和 的月/季度/周/年增长率

同比：按 日期 计算的 10分钟以内的总和 的月/季度/周/年增长率

9.5 时间线

说到时间线，我们再说个故事。英国神学家和化学家约瑟夫·普里斯特利(Joseph Priestley)在威廉·普莱费尔(William Playfair)的“时间线”(line plot)问世20年前，创造了已知的首条时间线，其中每条线代表一位历史上有影响力人物的一生。

图表 9-5- 1

对我们现在的应用场景来说，这似乎是描述这类信息的一种相当便捷的方式，但对普里斯特利的读者来说，这是一种创新。在我们这个时代，像这样的时间线在项目管理中被广泛使用，DataFocus也包含很多反映时间线的图形，我们以目前最流行的瀑布图为例。

还是使用付款周期案例，点击右侧“图形转换”按钮，选择“瀑布图”，即可将上一节的内容进行转换。

图表 9-5- 2

我们可以看到随时间变化的付款周期比率变化。其中变化最大的是11月，也就是双十一期间。可以看出整个付款周期还是比较健康的，没有坏值。同样的，处理时序数据，还可以使用DataFocus图形转换—高级图形中的时序图系列。

9.6 平行图

平行图是通过通过绘制平行坐标来查看多维数据中的模式，使用平行图，我们可以直观表示数据表中的各个单元格。在平行图中绘制表示数据表中各行的相连线段。平行图最初由 Inselberg (1985) 开发，后来由 Wegman (1990) 推广使用。

我们还是以刚才的客单价/客件数为例，打开DataFocus系统，导入数据后在右侧“图形转换”按钮中的高级图形当中选择“平行图”。如下图所示：

图表 9-6- 1

图中可通过每月折线的“上升和下降”清晰洞察每月客单价和客件数的情况，要注意的是，平行图中的每个单元格需存在相关性，和业务场景相匹配，否则是无效且容易误导的，比如下图中，内存、尺寸、厚度等维度相互独立并不关联，中间的“连线”毫无意义。

图表 9-6- 2