数据分析 - 1.周期性分析法（学习笔记）

常见的周期包括两种：自然周期/生命周期。

自然周期

所谓自然周期，是指业务指标随着时间自然发生波动，比如有人吐槽“2月份业绩自然少”，这是因为2月份过年，大家都放假了，业绩肯定少呀。

类似地：

吃喝玩乐类的消费，一般周六、周日比较多，这时候才有空出来玩。企业间交易，一般工作日高，周末很低。大家都放假了谁还办公呀。雪糕冰棍冰淇淋类商品，一般夏季是旺季，冬季是淡季帽子手套暖手宝类商品，一般冬季是旺季，夏季是淡季

很多时候，自然周期表现并不直观，隐藏在日常起起伏伏的数据里。这时候就需要我们手动发现周期规律。比如一个公众号的阅读人数走势，可能如下图：

一眼看过去，弯弯曲曲，毫无规律可言。需要手动做区分。为了更好的区分，一般取6个月的，每日的数据。因为六个月的时间，一般能涵盖2个季度，能观察出季节性变化。同时，每日数据，能观察出每周是否有规律和每月是否有规律。不过上边例子只给个2个月的数据，那就凑合着用。从上例蜿蜒起伏的波折里可以直接看出：没有明显的月规律。

一般有月规律的数据会如下图所示：

想看周规律，需要把数据做一下处理，把9个完整周的数据，从周一到周日对齐。之后做折线图，更容易观察出周规律。 

处理过以后，可以看出：却有周规律变化，表现为：周一至周六逐步降低，周日反d。如果把每周一到周日的数据做平均数，就能画出周规律曲线 。 

这里有很多明显不符合走势的点。这很正常，因为公众号发文也是有分类的，如果是卖东西的文章阅读就很低，派福利、抽奖类的阅读就高一点，搞标题党的《震惊！》《大厂！》《字jie！》的阅读就很高。所以除了日期，也和文章类型有关。

周期性分析，主要目的是做出一个参考曲线，为进一步判断提供依据。进而避免：“为啥周六阅读那么低呀！”这种低级小白问题。之后再结合内容标签，做进一步的分析。

比如上例中，第三周周一、周二是明显异常点。如果没有做标签，就会直接报警：“本周连续2天异常！请注意！”但是做了标签，如果发现周一发了卖货文（原本就该低）周二则是标题党（原本就该高）则不需要大惊小怪了。

生命周期

比如一个活动上线，刚上线的时候肯定参与人很多，之后感兴趣的都参与过了，不感兴趣的都不参与了，因此人越来越少。这样就会出现如下图的走势。 

生命周期走势有很多经典的运用。比如一款新商品上市，其销量和上市时间，经常有如下关系，因此被称为“商品生命周期”。类似的，还有“APP生命周期”“用户生命周期”的说法，都是一个时间轴+指标走势组合出来的。

总结

周期性分析看起来很简单，因为它主要是用来做参考线的，为后续各种分析方法铺路。很多复杂的分析，比如数据监控模型、数据预警模型、数据驱动决策，也是以周期性曲线为参照，要先掌握基础方法，再循序渐进。