在「数据分析的 8 种思维」这篇文章中，我用了一个简单的故事，说明对比思维随处可见。
因为我觉得对比思维实在是太重要了，所以下面通过一个示例展开来讲一讲。
以下数据都是假设数据，为了展示对比思维在实践中的运用，假设有一家零售企业，今年 9 月份的销售额是 110 万元。
下面我们运用 5 种常见的对比思维，来对它进行数据分析。
1. 跟目标相比
首先，我们把它跟目标进行对比，今年 9 月份的销售目标是 100 万元，目标完成率为110%，超额完成任务目标，整体来看表现很好。
2. 与上月环比
其次，我们再把它与上个月进行对比，8 月份的销售额是 95 万元，9 月份环比增加了 15.8%，销售呈现增长的态势。
3. 与去年同比
为了进一步了解销售的态势，我们与去年同期进行对比，去年 9 月份的销售额是 55 万元，今年 9 月份的销售额同比增加了 100%，销售额同比实现翻番。
4. 分渠道对比
接下来，我们分渠道进行对比，该企业有 A、B、C 三种销售渠道，虽然今年 9 月份整体合计是超额完成目标的，但是渠道 C 并没有完成销售目标，应该予以重点关注，并进一步分析原因。
5. 与同类对比
最后，我们拿渠道 C 与同类进行对比，寻找它没有完成目标的原因。与同类对比的时候，指标的选择要更加慎重，通常用体现效率的指标更加合适，这里采用人均销售额来进行对比。
渠道 C 的人均销售额是 5 万元，而行业平均水平是 6 万元，渠道 C 的人均效率较低，不仅低于企业内部的其他销售渠道，而且低于其他同类企业的平均水平，这是它没有完成目标的主要原因。所以，要想方设法提升渠道 C 的人均效率。
小结
要做好数据分析，首先就要学会对比，因为没有对比，就不知道好坏；不知道好坏，也就不知道下一步应该如何行动。
数据分析的对比思维有很多种，其中比较常见的是跟目标相比、与上月环比、与去年同比和分渠道对比。
在条件允许的情况下，除了内部数据之间的对比，还应该与外部进行对比。比如说，与同类企业进行对比，与行业的平均水平进行对比。
在对比之前，要确保指标具有可比性，对象要具有相似性，还要让量纲保持一致。比如说，身高的单位是【厘米】，体重的单位是【千克】，属于不同的计量单位，你不能拿 A 的身高 180 厘米， 与 B 的体重 80 千克进行对比。单从数字上来看，180 比 80 要大，但是它们之间的对比没有意义。
当你拿到一个数据之后，可以用不同的方法去进行对比，先观察在时间趋势下的波动情况，看是突然的大幅波动，还是在正常范围内的小幅波动。再按照不同的渠道进行细分，看看不同渠道的差异情况。还可以根据市场环境等情况，对同业其他竞争对手的数据进行数据分析。
数据分析的过程，就是先确认事实是什么，通过对比等思维，然后分析原因，找到为什么，得出分析的结论和建议，从而指导业务决策，让管理者知道下一步应该怎么办。
微信：DaasCai
邮箱：ccjiu@163.com
QQ：2286075659
如何看待数据模型在数据管理中的位置？
数据模型：数字化转型的核心能力
重磅｜市场监管总局《商业秘密保护规定（征求意见稿）》（全文）
【公益微讲座】数据治理公益讲座—深度解读《数据治理：工业企业数字化转型之道》
实时数仓在滴滴的实践和落地
如何解决企业各个部门间的“数据孤岛”问题？
【新书荐读】《数据治理：工业企业数字化转型之道》（文后有福利）
史上最全指标体系建设解读：滴滴数据仓库指标体系建设实践
原创 | 新技术加速隐私暴露，如何应对？（四）《个人金融信息保护技术规范》影响几何？
咨询公司的数据分析模型有多高大上？带你涨涨姿势！
数据库(DB)、操作数据存储(ODS)和数据仓库(DW)的区别与联系
我们的使命：普及数据管理知识、发展数据管理工程师行业、改变中国企业数据管理现状、提高企业数据资产管理能力、推动企业走进大数据时代。
我们的愿景：凝聚行业力量、打造数据工程师全链条平台，培养不同层级数据工程师人才、构建数据工程师生态圈。
我们的价值观：分享数据管理知识，持续提升数据管理和运营能力。
了解更多精彩内容
长按，识别二维码，关注我们吧！
数据工程师
微信号：sjgcs
构建数据工程师生态圈
京公网安备 11010802041100号