京公网安备 11010802034615号
经营许可证编号:京B2-20210330
多项目还能进行拆分对比分析?怎么可能嘛!
今天想好好跟大家分享一个好用的数据功能,分享之前先来看几个实际的工作场景~
月底了,需要展示各省份本月的订单量分布,总不能用30多条折线显示吧,一堆密密麻麻的线没人想看吧!
想对比分析团队里10个销售经理业绩完成的情况,要出10张图表一一对比,这也太麻烦了吧?
店铺有成百上千个SKU,老板要对比查看每个SKU的销售数据,难道要我做N个图表吗?
负责的网站有几十个推广渠道,想一一对比每个渠道的转化效果,一张图表展示不了效果肿么办?
类似的“痛苦”很多人都遇到过,当涉及到数据多维度对比分析时,比如上面的例子:不同日期维度不同地域维度的数值对比,往往一张数据图表并不能直观地展示效果,又不想直接用表格呈现一“坨”数据,这时”对比拆分”功能就显得尤为重要!
介绍“对比拆分”之前,先普及一下维度、对比、数值(数据小白一定要看,大神可以忽视)是什么:
维度:是事物或现象的某种特征,可以简单理解是X轴,如性别、地区、时间等都是维度。其中时间是一种常用的维度,时间前后的对比称为纵比,如用户数环比上月增长10%;同级单位之间的比较,简称横比,如不同省份人口数的比较、不同公司收入的比较;
对比:当横比、纵比都要涉及的时候(如不同日期不同地域),就需要对比啦!
数值:即指标/度量,用于衡量事物发展程度的单位,可以简单理解是Y轴;
工作场景1:O2O/电商网站想要了解近期各省市的订单金额分布情况,需要的维度:日期、地区,需要的数值:订单金额,先看“美颜”前后对比图吧~
(“美颜”前)
(“美颜”后)
“美颜”前各省的数据堆在一起,N条折线就像一团杂乱的毛线,数据给人的感觉也是一团乱,根本不想看,也无从下手,更别说用数据驱动运营了。
再看看“美颜”后的图表,很清晰地展示各个省份的数据量和变化趋势,图表瞬间转成小清新,感觉美美哒!连老板都夸我,好开心~
赶紧来看看“美颜”过程:
第1步:打开BDP,上传需要分析的工作表,在编辑图表页面将日期(付款日期)拉到维度栏、地区(收货省份)拉到对比栏,订单金额拉到数值栏,记得顺手调个稀饭的颜色;
第2步:在右下方勾选“按对比拆分”,瞬间就出现多个迷你动图啦!不喜欢默认的显示,还可以寄已调整单屏显示的行列数量哦~
酷炫的亮点来了:当你把鼠标hover到数据上,同时按下alt键,就能看某一天各省市的数据啦!左右滑动鼠标还有惊喜哦!
工作场景2:半个月过去了,销售总监想要了解截止目前为止各个销售经理的业绩完成情况;需要的维度:时间、人员名称,需要的数值:合同金额
柱状图只能简单展示每个人本月的订单金额,并不能看出目标完成的进度如何,更别说能直观对比每个人完成的情况了。
计量图的确能展示目标完成的进度,但是只能通过筛选一一查看每个人的进度,并不能一下子展示所有人的。
好了,“对比拆分”又上场啦,拆分后就变成酱紫,噔噔噔~~~(具体操作见上一个例子)
哇塞,每个人的业绩完成情况太直观了。半个月过去了,完成50%及以上的只有3个,总监应该好好鼓励他们,争取更好的业绩,还有7人连50%都没有达到,那就要一一找了解下情况,找到原因及时改进,尤其是低于是30%的销售:
是不是在跟进大客户,项目是否靠谱,是不是属于后半个月发力,大项目能否填补之前的落后?不能的话要怎么做才能达标?
是不是本月跟的客户太少?那应该积极主动去寻找销售线索。
还是跟了很多项目,但成交率很低,那成交率很低的原因又是什么:地域问题、客户性质 or 其他原因呢?根据不同原因有针对性地进行调整。
……
原因有很多,总监可以根据这张图表一一找人了解情况,及时寻找原因并做出调整,争取让本月业绩更上一层楼,这不就是数据和图表呈现的意义嘛!
上述场景都很常见,也只是参考。最后,总结下对比拆分的适用场景:涉及多维度对比分析、同时需要分类呈现数据结果。目前,BDP支持对指标卡、计量图、折线图、柱柱图和条形图按照对比拆分为多个图形。要好好学习对比拆分功能,学好能助你调整、优化运营策略,也许会有意想不到的效果哦~
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14