上两篇我们讲了数据分析方法中最基础的对比思维和细分思维，不少同学都私信问我：为什么自己在做对比分析的时候，只能做现有问题的原因分析和对比差异，得到的数据结果很难为下一步的工作决策做辅助，不知道是哪里出了问题？
我们在进行对比分析的时候，往往会忽略一个重要的分析方法——趋势分析。这时候还会有同学说，自己也经常做数据趋势图，并没有忽略。其实，单纯的数据趋势图是根本没有任何价值的，趋势分析最核心的关键，就是能否针对核心指标进行变化原因分析。
具体怎么做呢？不要着急，我们慢慢来看
一、什么才是趋势分析？
你可以简单地把趋势分析定义为对比分析的一种，一般来说是按照时间的维度，对某一数据或者不同数据变化趋势进行差异化研究，以及对数据的下一步变化进行预测。
趋势分析一般而言，适用于产品核心指标的长期跟踪，比如，点击率，GMV，活跃用户数等。做出简单的数据趋势图，并不算是趋势分析，趋势分析更多的是需要明确数据的变化，以及对变化原因进行分析。
趋势分析另一个核心目的则是对趋势做出解释，对于趋势线中明显的拐点，发生了什么事情要给出合理的解释，无论是外部原因还是内部原因。
比如，下图是某公司按岗位类别划分的招聘天数的变化趋势：
从中可看出：客服类岗位的招聘天数下降明显，而运营和销售类岗位的天数都呈上升趋势，其中销售类的趋势尤为明显。从HR的角度来分析，我们就需要重点关心销售类岗位，解决其耗时上升的问题。，
但是要注意一点，这样的趋势数据图是分析不出什么价值的，需要结合其他维度的数据进行横向、纵向的差异化对比，才能进行完整有效的趋势分析。
趋势分析除了可以用时间作为维度之外，还包括地区、人群等，不过并不常见，这里就不介绍了。
二、趋势分析的分类
在进行趋势分析之前，我们首先要明确自己要做的趋势分析属于哪一类，然后才能针对性地采用各种方法，一般来说趋势分析的分类方法主要有两种：
一是按照分析目的分类，可以分为预测趋势分析和现状分析，比如你如果想评判一下某个产品卖得好不好，就属于现状分析，一般只需要对比当前数据和历史数据即可；而假如你想预测一下某个产品能不能继续扩大市场，也就是预测分析。
机器学习中最常见的预测分析
二是按照分析方向分类，可以分为纵向分析和横向分析两种。分类的方法非常简单，如果你的趋势图上只有一条线，也就是对单个数据进行自身趋势对比，就属于纵向分析；如果你想对多个数据进行同一纬度的趋势对比，就属于横向对比。
得到这样的趋势线，无非就是数据的统计、汇总、出图，但是我们的重点在于分析曲线的发展原因。
三、怎么做趋势分析？
这里我就统一进行预测分析进行说明：
1、如果你想要做单一数据的纵向趋势分析，最核心的分析要点就是找拐点，然后结合不同维度数据进行原因分析，最后进行有效预测，得到趋势分析结果。
具体我们举个例子，下图展示了2015-2019年间某家企业的年增长率（折线）和营收总额（柱状）变化情况，如果想要对这家企业进行增长率预测分析，该如何做呢？
第一步，找拐点。根据增长率的变化图波动来看，我们可以选取曲线突然下降的2017年作为分析拐点，我们首先要找到异常数据。
第二步，分析原因。为什么企业年增长率从2015年开始的不断上升，突然在2017年急剧下降呢？我们单从增长率变化上看不出原因，因此需要另一维度的数据进行对比分析，比如图中的营收总额，很明显在2017年的时候，营收总额突然下降，之后虽然营收总额不断回升，却仍然阻止不了企业增长率的下跌。
根据这两个数据，我们得到以下结论：
2017年企业营收情况太差，造成企业增长速率的放缓；
2017年之后，企业营收基本保持不变，难以支撑高速发展的企业，因此企业发展逐渐陷入停滞；
第三步，有效预测。数据预测的方法有很多，我这里用的是FineBI中的回归拟合，可以做出一条预测分析线，可以看出因为营收情况的平缓增长，企业的增长率大概率会保持在现有的9%不变，或者缓慢下降，除非企业采取措施扩大市场。
2、如果你想对多个数据进行横向趋势分析，核心点就是找差异。
比如下图的数据，展示了A、B、C、D、E五个不同产品在不同时间内的销售情况，那么如何对不同产品的销量进行趋势分析呢？
第一步，找差异点。因为数据比较多，我们在进行差异点寻找的时候往往难以清晰找到，而且每个产品的波动都比较大，拐点非常多，这时候怎么办呢？
这时候我们就要转而寻找差异点，例如我们可以看到2010年3月B产品的销量上升到了高峰，而其他产品均下降，这就是一个差异点；而2011年1月虽然B产品销量也达到了高峰，但是其他产品也同时呈现了销量上升的情况，因此不足以成为一个差异点。
第二步，拆分指标。因为多维度指标的趋势分析很难针对所有指标进行分析，因此需要将指标进行拆分，比如下面这样：
第三步，分析趋势。根据上面已经拆分出来的数据趋势图，就能看出整体的趋势。最终，我们可以得到一个产品分类和管理的模型，作为我们的分析结果：
