編輯導語：在我們日常業務中總會用到資料分析的各種方法，最常用最簡單的就是“趨勢分析法”，一目瞭然的走勢可以讓我們更直觀的看清楚；本文作者詳細介紹了資料分析方法中的趨勢分析法，我們一起來看一下。

要說資料分析裡，什麼方法最常用？當然是趨勢分析法；只要和資料有關，幾乎每個人，時時刻刻都在用。

很多同學一聽：“啥？還有這方法啊？我咋沒感覺到呢！”今天我們系統講解一下。

請聽題，下圖是本月1到8號的銷售業績走勢，看圖回答：

【判斷題】8號比7號的業績好，對不對？

【判斷題】7號比6號的業績好，對不對？

【判斷題】6號比5號的業績好，對不對？

【判斷題】所以本月業績向好好，對不好？

思考一秒鐘，估計一秒鐘不到，很多同學都能脫口而出答案。

一、趨勢分析法的做法

上題就是透過業績趨勢圖進行分析的直觀體驗。很多同學是不是脫口而出四個“對、對、對、對”。是滴，趨勢分析法的基本原理就是這麼簡單，幾乎是個人都會用。

1。 明確一個指標是正向/負向

比如本題裡，銷售業績是個正向指標，肯定大家都希望銷售得越多越好；因此，正向指標一天比一天大，就是趨勢向好，一天比一天小，就是趨勢不好。

2。 收集資料，觀察指標走勢

因為已經明確了“銷售指標越高越好”，所以只要觀察資料就好了，我們看到一天比一天好，所以能下結論：銷售趨勢向好。

下邊可以分析為啥銷售這麼好了；你看簡單吧，90%的網上文章、資料分析課都是這麼教的。

然而，這個回答是錯的。

因為根本沒考慮，到底是什麼行業、什麼產品的銷售業績。

不同行業、產品的銷售，在一定時間內會呈現不同的銷售走勢；比如吃喝玩樂類銷售，往往集中在週末，會呈現以周為單位的週期性波動；比如3C類電子產品，新品上市是最火熱的時候，之後會呈現逐步衰退的跡象——當銷售趨勢增加了時間維度後，才會呈現出規律性。

所以，這個題的前三問，都是“對、對、對”；第四問則是“不確定”——想要確定，還至少需要，在已經做的兩步工作基礎上，再多做兩步。

3。 樹立趨勢標杆，建立判斷標準

樹立標杆的方法有兩種，如果自己熟悉這個行業，可以直接根據行業特點，畫出大致走勢圖。

如果不熟悉，可以把時間往前拖長，看之前幾周的趨勢。

當然，想觀察趨勢，最好是畫出同比、環比、三年比三張圖；這樣看的最準，能最大程度的避免短期波動的影響（順便一提，也是為啥大家在做報表的時候，經常有同比、環比、三年比三個指標，並且分日、周、月三種口徑統計，就是為了避免短期影響，觀察趨勢是否正常）。

4。 將現狀資料套入標杆，得出結論

如果我們已經樹立了標杆形態，套入文章開頭的題目的資料，馬上會有不一樣的解讀（如下圖）：

所以，為啥有個名字叫“趨勢分析法”，而不是“我畫個折線圖，高了就是好，低了就是不好”——是因為即使畫個折線圖，想要不作出錯誤判斷，也得按規矩一步步來。

這就是方法和隨便玩玩的區別，而下邊我們會看到，隨便玩玩，經常玩出問題來。

二、趨勢分析法的優點

趨勢分析法最大的好處，就是：省事！因為它無需任何理論基礎，無需任何專業知識，無需很多資料，只要有一個結果資料，無論是正向還是負向，都能直接得出判斷；所以它是所有資料分析方法裡最先被總結出來，並且沿用了20多年的祖傳手藝。

要知道，在20年前，企業的數字化系統還在洪荒混沌狀態，那時候的職業經理們想做判斷，可沒有現在這麼多明細資料進行分析；於是只能死磕利潤、成本、銷售額幾個結果資料。

因此只能死磕曲線走勢，你會發現60、70後的職業經理人，和85前的資料人，都對曲線走勢特別敏感；特別喜歡拖三年走勢，過往12個月的走勢之類資料看。

第二個好處：直接！

還拿銷售舉例，很多輔助性活動，比如營銷活動、拉新裂變，到底對銷售有沒有用？不需要很複雜的漏斗分析，只要看一眼趨勢，立馬見效果。

越簡單的方法，在評估結果時越靠譜！（如下圖）

第三個好處：自帶標準。

曲線走勢本身，可以成為判斷指標好壞的標準；除了上文說的自然週期/生命週期型標準，漲跌程度，也能成為判斷標準，這樣省去了大量找標準的時間。（如下圖）

今時今日，這個方法也很好用。

因為雖然我們有條件做ABtest、做漏斗、做多維度交叉分析；但是每天、每時、每刻都讓你這麼搞，你試試看。

且不說做資料的會累死，為了搞這麼多分析，要業務延遲上線，APP開發進度減緩，活動hold住去一個個做埋點、做測試，你問問業務幹不幹；所以大量常規的分析，依然要依靠日報、週報的資料做趨勢分析來滿足。

況且，每天、每時、每刻的資料變化，搞得業務神經過敏，嚷嚷著要深入分析，結果事後發現屁事沒有的情況：非常多！

三、趨勢分析法的不足

不足之一：神經過敏。

三人成虎的效應，在趨勢分析裡非常常見（具體的如下圖所示）；人們往往習慣於對：突發巨大的、連續幾次的、與前邊連續幾次不一樣的神經過敏，卻容易忽視更大的問題。

不足之二：混雜因素。

趨勢分析在觀察因果效果的時候，無法處理混雜因素；在多個因素疊加的時候，是無法區分出來真正的關鍵影響因素的。

不足之三：亂用濫用。

注意，趨勢分析是有前提的，在指標是結果指標，有明確的正向/負向判斷的時候，才可以使用。

其他場景，比如活躍率、消費率這種比例，比率類指標，不能直接套用；比例/比率類指標得先看分子分母到底哪個引起的變化。

比如：使用者註冊數、瀏覽數這種不明確正負的，也不適合用，至少得跟轉化率連起來看；至於文章開頭所說的：看著高了就是好，低了就是不好，更是典型的亂用。

不足之四：缺少洞察。

最最最經典的場景，就是炒股票；直接上圖，一看就懂。

因為本質上，趨勢是由背後的原因推動的。看趨勢，更得看背後的原因，而不是單純的看著結果走勢想當然。

這也是我們為啥會研發出ABtest、漏斗圖、多維度交叉對比等等方法的原因。

我們需要簡單的方法短平快做決策，也需要更復雜的方法深入問題。

四、還有哪些祖傳方法

還有一些方法是資料分析領域的祖傳手藝；比如多維度交叉分析，如果是二維的話，就是矩陣法，如果三維以上，就是切割對比法。

是滴，這些在網路文章裡被吹得雲裡霧裡的各種“底層邏輯”“核心思想”其實一點都不神奇；都是基於具體場景、資料限制、業務需求所產生的方法。

有興趣繼續瞭解的話，關注接地氣的陳老師，我們後續再找個傳統手藝來分享，敬請期待哦。

資深諮詢顧問，在網際網路，金融，快消，零售，耐用，美容等15個行業有豐富資料相關經驗。

本文原創釋出於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議。