“周期性分析法 —— 开启数据洞察之门。” 在数据分析领域，为何周期性分析法如此关键？它是如何帮助我们理解业务规律的？又怎样通过它发现数据异常并为进一步分析奠定基础？

经常有同学问：拿到数据后该怎么做分析？从0开始，有很多分析方法可以依次使用，由浅到深地读出数据含义，发现业务问题。其中，最基础的就是周期性分析法，只要1个指标就能动手做分析，操作简单，而且能帮新人避免很多错误。

一、什么是周期性分析

我们知道：数据反映业务情况。很多业务本身有固定的变化规律，即业务周期性。通俗地说，就是到了特定时间点，业务自然会涨、自然会跌。业务的周期性是普遍存在的，如果做分析的连周期性都不知道，很容被人笑话：“没常识！”

周期性分析法，即通过数据，找出业务周期性。从而达到理解业务规律、发现业务问题、避免误判的方法。那么，该怎么发现业务周期性呢？

二、典型周期之：自然周期

所谓自然周期，即业务发展随着时间自然波动。比如：

• 季节效应：冰淇淋、空调夏季卖得好，暖宝宝、羽绒衣冬季卖得好
• 节日效应：吃喝玩乐业务在节假日业绩好，企业业务在工作日业绩好

想发现自然周期，非常简单！只要2步：

1、选定一个主指标（比如收入、销量、用户量）

2、按月统计该指标走势，即能发现季节效应

3、按日统计该指标走势，既能发现节日效应

（如下图所示）

自然周期是很多业务决策的起点。比如新开门店、商品备货、用户拉新，都得找需求旺季下手。而季节性又常受到天气影响，如果发现今年天气热的更晚/冷的更早，就得相应调整备货进度，避免积压。

要注意的是，春节/中秋/清明这种非固定日期的节日，经常会破坏常规指标走势。特别是春节，影响持续时间长，所以一般会做特殊处理：以除夕为节点，往前看1个整周，往后看假期+假期后1个工作整周，专门为这三周分配任务目标（而不是以自然月为单位分），从而避免因为目标分配不合理导致的数据报假警。

三、典型周期之：生命周期

所谓生命周期，即产品自身兴衰过程。比如手机，新出的手机大家都抢着买，过一段时间，性能落后了，就开始掉价，最后完全被市场淘汰。

如果想观察产品生命周期，就不能统计自然时间，而是

1、找一个主指标（比如收入、销量、用户量）

2、从该产品上市之日起，按周/月统计主指标

3、观察上市之日至最近日期指标走势，发现生命周期

不同产品生命周期曲线，是可以拿来对比的。好的产品，成长期增长速度更快，成熟期达到的销量/收入峰值更高，高销量维持的时间更久；不好的产品，成长期增长更慢，销量下跌的拐点来得更早。了解产品生命周期以后，有利于给产品定性

四、典型周期之：业务效应

所谓业务效应，即业务效果持续期。比如做促销活动，一般都是第一天人声鼎沸，之后慢慢衰弱，最后收尾那天又有高峰。

如果想观察业务效应，应从业务行动开始之日进行统计

1、根据业务目标（是提销量，还是拉用户）设定主指标

2、从业务行动开始之日起，向前，向后各延长一段时间

3、观察业务行动之前、中间、之后的指标变化，总结规律

这里做法和前两个有很大区别，其一：要根据业务目的定主指标。比如做促销活动，有可能销售收入会涨，用户活跃也涨（因为要买货），退货率也会涨。此时就得问清楚：我们做这个活动首先是为了拉销售还是促活，这样才能定主指标。

其二：业务行为可能叠加在自然周期/生命周期之上见效，所以不能只看业务行为发生时情况，得往前往后看。比如店铺促销活动，可能店铺常规销售有一个走势，观察促销效果时，要剔除常规走势。比如商品活动，有可能希望上市冲量/退市清货，此时会在常规生命周期走势之上叠加效果，也要做剔除

五、周期分析法用途

最大的用处，就是发现数据异常。大家牢记一句：事出反常必有妖。

如果看到数据走势：

1、完全打破了以往的规律，往往意味着业务出现了重大问题

2、仍符合以往规律，但表现逐渐离谱，往往意味着业务出了底层问题

3、仍符合以往规律，但波动范围更大，往往意味着业务个体表现差异明显

4、符合以往规律，偶尔有个3%~5%的波动，往往是正常波动，过2天自己就好了。

（如上图）看到指标异动，先观察变化趋势再下手，就不会陷入细节里。经常有太过敏感的人，看到指标下跌3%就开始着急找原因，结果报告还没写完，指标已经涨的更高了，又赶紧找涨的高的原因……其实稍微时间拉长点就发现：都是周期波动。

周期分析法，还是更深入分析的基础。比如做预测，如果能拆分出整体数据中周期规律，预测就非常简单！比如做指标异动分析，如果已知有几个因素在影响，每个因素自身周期规律，那么追溯真实原因也很容易。很多同学做得不深入的原因，就是对基础规律了解不够。