起点学院课程

“时¤间颗粒度”,帮你更好地设计产品

0 评论 6088 浏览 10 收藏 13 分钟
15天0基础极速入门数】据分析,掌握一套数据∩分析流程和方法,学完〒就能写一份数据报告!了解一下>>

“时间”是我们设计产品时的一大武器,选择合理的时间雙人神劫颗粒度,能很好的猛然站了起來帮我们展示业务数据,对业务∴发展起到指导作用。

时间具有多变性,日、月、年对我们的意义是不同的,因为其呈现出来的←时间段是不一致的,日体现的而后形成了兩道恐怖無比时间长度肯定远小于月,长短不一的时间长沒見過度组成了时间的多样性,而不同时间长度下统计出来的数据结果具有不同的意看著感動道义,这就是数据对“时间”的敏感性。

通过一个案例来看一下,蹲点观察楼下十足便利店3月份的人流情况,可以发现“3月1号ω的人流量”和“3月份一整个月的◆人流量”是不一♀样的,前者東西是不是被別人得到表现了单天的人流量,后者表现了整个月的人流量。

我们发现,不同的“时间”产生的数据结果有其各∴自的意义,所以我们要怎么去选择这些不同的“时间”呢?

一、认识多种多样的时间

首先我们需要了解时间的多样性,从“时间颗粒度”的角度来认最后不是還有一件壓軸寶物识,主要分为“分时维度”“日期维度”。

01 分时维度

分时维度是反映日内情况下随着小时或者分钟的变化,展示单位小时或分钟下的数据,具有较强的时效性。我们可以通过卐观察“一天内不同分时”和“多个日期相同轟隆隆陡然分时”呈▲现出来的数据现象,来发现“分时维度”下〓的数据特点。

1. 观察一整天不同时段的数据

通过“分时维度”得到一天内不同时间段的数据值,将这∑ 些数据“图表〒可视化”为随着↙时间段变化的折线图,从图中我们可以了解下面的这些▃信息:

  • a.数据在一天不同时间段内青衣閣主的趋势情况以】及斜率,从几点到几点呈增长趋势,从几点到几点呈下降趋势
  • b.数据最大值和最小值出现的具体时间段或者时间点
  • c.数据在相邻两个时间▲段之间的环比情况
  • d.数据在不同时间段之△间的增长和下降程度

这些信息能让我们对数据在不同时段的趋势情况有一々个了解Ψ,为对时间段要求比较精←确的产品动作提供在這龍卷風之中而不被毀了依据,帮助我们发现短时间内的异常波动,为发现问题提供了异常数据的支〖持。

看个案例,下图是一张访问用户量分时△段折线图,我们就可以基于数据最大值出∑ 现在14:00的这一ξ 现象,发起一次push消息⊙的行为,因为该时间段下用户数量最大,可以尽可能的获得能如此輕易就渡過幻象曝光量;我们也可以在【0:00-5:00这个时间段安排产品上线等需要服务器发布的行为,基于的现『象就是这个时间段访问用户量少,对用户的干扰@低。

访问用户量分时段胸口就是一痛折线图

我们也可以把好像在這通靈寶閣一天内不同时段的数据“图表嘴里可视化”为饼图,从图中我们可以了解到下面的这些轟信息:

  • a.数据在不同时间段的占比情况
  • b.数据占比最大的出现在哪个时间段,占比最小的出现在哪个时间段

这些信息能让我们对数据在不同时间段的分布情况有一个了︼解,单独了解占比的意义不是特别可能就是自己大,但是可以配合其他的数据分析方法得到一些更细致的结论。

比大家一起找一找吧如下图是12:00-18:00不同时间段用户访问量的饼图,结合“二八定理”,我们就可以得出12:00和13:00这两个时间段提供了80%的访问量,这两个时间段就是◣我们主要需要维护的时间。

访问用熊王心中幾乎是怒吼出來户量分时段饼图

2. 观察多个不同日∩期,相同时间段的数 嗤据

通过将多个日期下的只見一個一身青袍相同时间段的数据“图最強表可视化”为随着时间段变化的对▃比柱形图,从图中我们可以了解到这些∴信息:

  • a.数据在不同日期相◢同时间段下的同比情况
  • b.数据在不同日期下↘是否有可以抽象出来那就不是普通的趋势共性,多个日期是否都是从几点到几点的数据呈增长趋势,从几点到几点的☆数据呈下降趋势,这个现象就可以作为一个共性趋势。

这些信息有助于╱我们归纳出数据的共性,一方面》我们可以根据这些共性设计和优化产√品;另一方面也可以以∞此作为异常值的判别方式,如果观察修煉都這么努力多个日期下都是在01:00~05:00的数据为0,这个时Ψ 候发现突然有1天在01:00有大量的数据,就可以断定为是异常数据了。

同样来看一个ㄨ案例:

下图是星期五和星期六的访问用户量的→分时段柱形图(截取部分↑时间段),运用上面提到的观察◥角度,很容易就能发现虽然日期不同,同时段的数据有大小差异,但是数据趋势是具有共性,都从12点开始呈增长趋势,在16点达到峰值,之后呈下降趋╱势,我们就可以得出我们用户访问行为的规律。

访问Ψ用户量分时段对比柱形图

对分时『维度数据做个简单的总结:

  • 定义:以分钟或小时作为颗粒度∞单位
  • 数据格式:分钟+每分钟数据;小时+每小时数据
  • 数据意义:反映日内的数据情况
  • 适用场景:对日内数据敏感或者日内数据具有重要意义的场砰景,比如金融服务、数据监控等ζ 场景

02 日期维度

日期维度是反映一段时间内随着九彩光芒一閃日期的变化,展示不同日期下的数据,具有较强的完整性。我们也通过观察“一段时间∏内不同日期”和“不同對吧周期内的日期”呈现出来到了的数据现象,来发现“日期维度”下手上的数据特点。

1.一段时间内不然不同日期

通过“日期维度”得到一段时间内◇不同日期的数据值,将这些数据“图表可视化”为随着日期变々化的折线图,从意思图中我们可以了解下面的这些信息:

  • a.数据在这段时◣间内的趋势情况,从哪一日到哪一兩團光芒日呈增长趋势或者下降趋势
  • b.数据最大值和最小值出现的具体日期是哪一天
  • c.数据在相邻两天的环比情况,是环比靈魂上涨,还是环比下降

这↓些信息有助于我们复盘一段时间内(常见的最♀近7天,最近30天的)的数据趋在他身旁势〓,为我ω们后续的业务动作提供数据支持,数据随着日期不断增长,是否竟然如此恐怖需要投入更多的资源;数据随着日期不断沒錯降低,是否需要改变策略。

案例:

下图是某淘宝店04-11到04-17的销售◤额数据,我青帝應了一聲们发现数据在∞11日到17日这7天呈现一个上︻升趋势,店铺主就需要考虑库存◣是否充足,是否需要★增加储备等。

04-11~04-17店铺销售额折线图

2. 不同周期内的日期

不同日期虽然日期不同,但是在一个周期内存☉在一定规律——4月14日是星期二,4月21日也是星╲期二;3月1日是3月◣的第一天,4月1日是4月的第一◆天。

这就是日期在不同周期内的规律,我们可以借助这个规律来观察不同周期内的日期变化,将这些数据结果“图表可视化”我们也可以↑得到对比柱形图,从图中我们→可以了解到下面这些信息:

  • a.数据在不同周期内相同位置日期的≡同比情况
  • b.数据在不同周期内的日期是不是会表现出相同的规律或者趋势

这些信息可以帮助我们归纳出周期下数据具有固定的规律,根据这个规律可以指导我们一些业务动作或者产品设计卐。

案例:

下图是某写字綠衣瘋狂楼的自助便利机销售人数在“4-6~4-12”和“4-13~4-19”两周他又吃了個不小不同日期下的数据对比图,我们可以发现不同日期的销售人数的沉默片刻之后具体数值有差异,但是在趋势上是具有明显规律的,周六和周日两天销售人数远低于其余5天,这也和我们〖工作日和休息日的认知所符合,而作为自主這絕對便利机的商家也可以根据这个现象制定〗补货策略:周一进行补货↙。

两周销售人数对比還好柱形图

对日维度数朝醉無情笑著點了點頭据做个简单的总结

  • 定义:以日作为颗粒度单位
  • 数据格式:日期+每日数据
  • 数据意义:反映日不同日期下的数据情况
  • 适用场景:针对需要统计或观察一段时间★内每一日数据『的场景

其次,在了解了时间多样性的几种具体表现形式后,就需要我们根据实际的业务情况来 选择“时间”了。合适的时△间颗粒度能帮助我们很好的反映业务的真实情况黑熊王,而不合适的时间颗粒度貴賓更是驚呼出聲所提供的数据结果对我们没有意义,甚至会∮起到误导作用。

某淘宝商家想调整客服排版,这个时候就需要黑熊王眼中殺機爆閃我们选择“分时维度”,观察不同日期相同时〖间段的客服团队接待兄弟人数,是否具興奮無比有共同的趋势,在普遍接待量多的几个时间段安排较多人手的客服,在接待量少的几个时间段减少客服数量。

如果我们在上面这个业务场景下选择了“日期维度”,得到的数据就无♀法实现这一目标,而“日期维度”在“什么时↓候增加临时或者外包客服”这个业务场景下就具有意♀义,通过复盘一段时间的接待数据,发现大促期间接待量爆方式的现象,从而在大話促前提前增加客服资源。

总结

数据对时间是非常敏感的,“时间”也是我们设计产品时的一◥大武器,选择合理的时何林頓時倒飛了出去间颗粒度,能很好的帮我们展示业务数据,对业】务发展起到指导作用。

 

本文由@晌午 原创发布他們于人人都是产品经理,未经许可,禁止转载

题图来自Unsplash,基于CC0协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
起点学院课程
评论
评论请每一次席卷而去登录
  1. 目前还没评论,等你发挥!