任何事物都有对立面，站在不同的角度去分析问题，不仅是数据分析的方法，也是各行各业都会用到的思维模式。

十年前，在数据分析还没有火起来的时候，我们评判一个产品好坏的标准是感觉，也就是个人主观意志，很多决策基本上就是拍脑袋决定。

而随着移动互联网的发展，我们已经可以从各个渠道获取用户的行为数据，通过数据，我们可以了解产品的好坏、用户的喜好，从而用数据驱动产品迭代，这也就是数据分析。

由于这个过程中，数据是客观的，人是主观的。同样的数据不同的人解读出来的结论可能是不一样的，甚至是完全相反的，但结论本身没有对错，所以从客观的数据到主观的人，需要有一些科学的分析方法作为桥梁，帮助数据的信息更好、更全面、更快的传递。

今天我们就来聊一聊数据分析中最常用到的方法之一——对比分析法。

 

什么是对比分析法？

对比分析法是数据分析中一种基础分析方法。

对于互联网产品经常关注的转化率指标，如果转化率为5%，不能说明这个指标的好坏，如果该细分行业的行业平均转化率为10%，通过对比其实指标还是有很大优化空间的。用户行为分析和App数据分析中都会大量的用到对比分析方法。

对比分析法包括横向比较及纵向比较。

横向比较即同一时间下不同总体指标的对比，如今日头条同领域作者文章阅读量对比，粉丝数对比等；纵向比较不同时间条件下同一总体指标的对比，如本月文章阅读量与上月阅读量进行对比，本月粉丝增长数与上月增长数进行对比等。

通过对比分析，可以直接观察到目前的运营水平，一方面找到当前已经处于优秀水平的方面，后续予以保持；另一方面及时发现当前的薄弱环节，重点突破。

时间上的对比

1、纵比

同一空间条件下，对不同时期数据的比较。如下图2018年1月到8月全国的订单数量柱状图，可以看出1月的订单量最高，8月最低。

2018年1~8月全国订单数量柱状图

2、同比

同比是同时期内进行比较，比如2019年7月与2018年7月的某项数据进行对比是同比。

3、环比

环比是与前一个统计期内进行比较，如2019年7月与2019年6月的某项数据进行对比是环比。

如广东省2018年6月的订单数量为5400单，2019年6月订单量为4788单，2019年7月的订单量为5277单，那么我们可以这样描述：

2019年7月，广东省订单数量为5277单，环比上月增长了10.2%，同比去年降低了2.3%。

4、与特定时期的对比

当前时期与特定时期的对比，如与历史最好水平或与某一关键的时期进行对比。

下图是从推广活动开始前和开始后各季度的平均销售额进行对比的条形图。

活动前后各季度平均销售额对比条形图

 

空间上的对比

1、横比

同一时间条件下，对不同空间数据的比较。如下图2018年7月各省的订单数量柱状图，反映的是不同省份间同一时期的比较。

7月各省订单数量柱状图

2、横比与同地域、同部门对比

这里指的是同一统计期内，与同地区、部门间的比较。

下图是世界各国面积排名的柱状图。空间上的对比总是基于一个基础，那就是他们都是同一级别的。这时候如果让国家和洲去对比，就不能够了。

世界各国面积排名TOP10（图源见水印）

与标准对比

1、与目标值对比

还可将数据与目标值进行对比，从而发现差异，进行改正。

要与目标值进行对比，必不可少的就是目标值线。

在Excel里怎样才能在图表区加上目标值线呢？

右图红色为目标值线

Step1：首先，在I列新增一列1~8月订单量的目标值。

 

Step2：在绘图区右键【选择数据】——【添加】，系列名称为目标，系列值为刚新增的目标值一栏的数据值。

 

Step3：这时得到的图不是我们理想中的样子，在绘图区右键【更改图表类型】，将平均值系列更改为折线图。

 

Step4：添加一个数据标签，可再美化一下，大功告成，最后结果如图所示：

 

2、与业内平均水准对比

进行现状调查、背景介绍的时候，会进行竞争对手或行业内水平的比较，从而分析处于行业内的什么阶段，下一步该做怎样的努力。

 

 

 

需要注意一点

在做对比分析的时候，比较的数据的计量单位、计算方法需得一致，比较的对象也得具备可比性，否则就失去了对比的意义。

比如像下面这种，单位未统一的对比就是错误的：

如下图所示，将广东的销量与山东的销量增长率进行对比，二者单位没有统一，这样对比显然是错误的。

错误的销量对比图

正确的对比是这样的：

将广东与山东的销量进行对比，或将二者的增长率进行对比，若非要在一张图上放销量和增长率，那也应只放一个地区的销量和增长率。

正确做法1：销量间对比

正确的销量对比图

正确做法2：增长率间对比

 

正确做法3：同一区的销量与增长率的展现

 

总结

对比分析在日常分析中最为一种基础的分析方法，不仅仅是要对比、要分析，更要实现追踪，将分析结果落地（将分析结果联系到对应的责任人，找出异常活着失利原因，并根据原因制定解决方案），才能够让数据产生价值、让分析产生价值。

知识不怕会，就怕用，对比分析乍一看固然简单，能用会用才是王道。