我之前做过很多关于数据分析方法、数据模型的分享，但是最近很多人跟我说，有些方法和模型只是空有其表，实际上做出来之后很难分析出什么结果。
很多人在做数据分析时都会犯一个毛病，那就是把数据给孤立了，不去找合适的参考指标和对比系，而是盯着最后的某个分析结果，这是很难找到数据价值的。
那么为什么会出现这种情况呢?是因为很多人都没有完全领悟数据分析的基础方法和思维，比如对比、溯源、细分，就开始套用各种分析模型，分析出的结果自然没有任何的意义。
就比如对比分析法，说起对比法，可能很多人都觉得不值一哂，但其实对比法并不像是你想象的那么简单。
一、什么是对比法?
我们都知道大数据有一个特点——相对性，就是说数据之间都是有差异的，而对比分析正是利用相对性找到数据的变化特点和发展趋势，简单来说就是找差异，以及找出影响这种差异的原因、优化差异的方法。
怎么找呢?一般来说是需要比较两个或者多个具有关联的数据，可以是比较多少、比较大小、比较快慢等等。但是这些数据必须要基于统一的指标，最好是在更多的维度下进行对比。
比如说，老板让你分析一下今年企业的发展情况，你拉表之后发现销售额比去年增长了10%，净利润比去年增长了5%，成本消耗比去年降低了3%。销售额、净利润、成本消耗就是对比的指标，我们不能拿销售额的数据去对比成本数据，这就是指标的统一。
有了这些指标就可以说明企业发展很好了吗?
不，假如同行业的其他企业销售额都增长了80%，那么该企业的发展其实是很差的。因为我们只有今年、去年的时间维度，忽略了与竞争对手的横向维度，因此我们要尽可能的多找维度。
简单来说，对比法就是建立一个参考系，通过不同的维度和指标来找到数据的差异点。
二、对比法的步骤?
1、拆分影响因素，排除无关因素。
在我们进行数据分析之前，要先对影响因素进行拆分，如果要对比APP的拉新效果，就要将因素拆分为访问量、点击量、注册量等等，这些被拆分出来的因素就是我们要对比的指标。
同时也要排除掉无关的因素，比如APP某几天浏览量的下降，可能是因为平台全面限流导致的，这样的因素会影响我们对数据变化的判断，不能帮助我们找到产品缺陷，因此要排除出去。
2、多维度对比，一般分为四种。
时间维度：同时期对比或者上一时期的对比，包括环比、同比。
空间维度：比如不同城市的对比、不同行业的对比、不同国家的对比。
计划维度：比如与计划值、平均值、中间值的对比，多为差异对比。
3、保持一致性。
在对比分析时，我们要保证对象的一致性、数据来源的一致性、维度与指标的一致性。
我们不能拿自己的产品去对比用户，同时也要注意不同来源的数据有可能是不同的，比如财务数据里的“净利润”与销售数据的“净利润”可能并不是相同的，定义不同，数据自然也会不同。
三、对比分析法的分类?
1、纵向对比
纵向对比就是跟自己的某个指标进行对比，比如同比、环比。
同比
同比就是对比相同时期的数据，例如“3月销售额比去年同期上涨50%”，其就是用今年3月份的销售额与去年3月份的销售额进行对比，运用同比主要是为了消除淡季、旺季的影响。
同比增长率公式为：(本期发展水平-去年同期发展水平)/去年同期发展水平*100%
同比在对比分析法中经常被用到的，用来比对今年与往年同时期的发展速度情况，但是不能滥用，一定要考虑同比的价值。
比如说今年3月销售额的同期对比是否真的有意义?比如，如果去年第二季度的数据低谷是因为某种原因(市场政策等外力因素)造成的，那么该月份的同比数据就是毫无意义的，相反还会造成第二季度“虚假增长”的假象。
环比
环比就是对比上一个时期的数据，例如“3月销售额环比增长50%”，其就是用今年3月份的销售额数据与2月份进行对比，运用环比主要是为了表现相邻发展时期的数据变动情况，比如日环比、周环比、月环比、季环比、年环比。
环比增长率公式为：(本期数据-上期数据)/上期数据*100%
同样的环比也不能滥用，为了消除季节的影响，我们在使用环比时往往会加入季节调整模型，对原始统计数据进行加工处理，而因为季节模型中参数确定方法的差异，得到的环比统计结果也会有所不同,这也正是环比统计工作的难点所在。
2、横向对比
横向对比就是将自己与他人进行对比，比如行业对比、产品对比。
比如开头我们讲到的例子，年增长10%并不能说明企业的发展就是好的，而要考虑到整个行业的整体发展情况，如果整体发展都在50%以上，那么你的企业发展反而是落后的。
一般来说，横向对比需要对比多个指标、一个维度，而且要注意保证单一变量。比如说，对比两个APP产品的上线效果，当我进行浏览量对比时，要确保其他变量不变，比如上线时间、用户数量等等，这样才能找到对象之间的差异点。
数据分析必须在业务中灵活应用才有意义，对比法同样也是如此。灵活巧用对比分析，最关键的是要理解参考系的建立，也就是指标与维度，并且遵循对比分析法的原则，这是数据分析中最为基础的内容。
