编辑导语：在进行数据对比时，我们会用到相对数值的概念，相对数值可以明确我们在不同对象之间的关系；所以在数据分析中，我们经常会用到相对数值；本文作者分享了关于相对数值在数据分析中的运用，我们一起来看一下。

双十一已经结束很久了，店铺A的运营同学查看了店铺今年11月1日的销售额和去年11月1日的销售额数据后做了一个简单的数据简报，2020年11月1日销售额325,620元，2019年11月1日销售额168,768元，2020年11月1日销售数据相较于19年提升了108%。

在这份运营同学的数据简报中就暗含有绝对和相对的概念：

• 绝对，指存在的某种绝对事实，是客观存在的；在这份简报中，销售额数据就是一个既定的事实，不会随着其余条件的改变而改变，这两个销售额数值是绝对的。
• 相对，指一个整体和另一整体或者一定条件比较后的结果，是存在变化的，在这份简报中20年的数据对比19年的数据，得到提升108%这个数值，就是相对的。

从这里，我们可以发现，“绝对数值”代表了某种客观事实，但仅有客观事实，是无法对这个事实进行分析的；如果这份简报中，只有19年和20年的销售数据，我们只能分别对2年的销售数据有一个量的概念；但无法判断这两年的关系，而引入“相对”的数值后就能帮我们解决这个问题，通过对这两年11月1日数据的对比，我们得出了20年较19年销售数据有非常大的提升。

“相对数值”可以帮助我们明确不同对象之间的关系，由此可见，相对数值在数据分析中有非常重要的意义，本文就想讨论相对数值在数据分析中的运用。

一、什么是相对数值

1. 定义

相对数值的定义，是指A相对于B后得到的数值，其中A是目标值，B是对比值。

目标值：想要了解的对象的数据值。在运营简报中我们想了解今年11月1日的销售数据情况，今年11月1日的销售额数据就是一个目标值。

对比值：为了解“目标值”而增设的辅助数据，可以是一个具体数值，也可以是一个范围规则；在运营简报中，为了衡量今年11月1日销售数据，而纳入的“2019年11月1日销售数据”就是一个对比值。

从定义中可以得出“相对数值”需要满足两个条件：

• 相对数值是由绝对数值计算而来的，绝对数值是相对数值的基础且对绝对数值在数量上是有一定的要求；
• 需要存在目标值和对比值。

通过一组数据来加深对“相对数值”定义的理解吧，2020第3季度国内GDP初步核算数据为266,172亿元，其中第三产业142,595亿元，占比53.57%，这个占比数据就是相对数值，它是目标值“第三产业GDP”除以对比值“Q3国内GDP”得到的1个数据，满足了定义相对数值的两个条件。

2. 和绝对数值的关系

绝对数值是相对数值的基础，相对数据是由绝对数据通过一定的计算得到的，最常见的一种计算方式就是：相对数值 = 目标值 / 对比值。

绝对数值用来描述一个对象的具体量，而相对数值可以描述一个对象的具体量相较于对比值的关系。

将绝对数值通过计算转换成相对数值，是一个让本来互相独立的客观事实产生关联的过程，可以形成包括占比多少、排名高低、差异大小等关系，让用户对目标对象的量有一个认知。

比如在上文GDP那组数据中，仅看第三产业142,595亿元这个值，我们只能从这个绝对数值上得到“第三产业的GDP的量有这么多”的感知，但是对“GDP量到底是多还是少”的判断是无法形成的。

引入相对数值占比后，53.57%这个数值不仅反应了第三产业GDP相较于国内GDP的占比情况，也能帮助我们形成GDP多少的判断，可以认为第三产业占比都超出了50%；那么整个的量是比较大的，对整体Q3GDP的贡献也比较多。

二、常见的相对数值以及运用

了解了相对数值的定义之后，我们可以通过不同的用途将相对数值划分为常见的几种类型，包括占比相对数、比较相对数、排名相对数。

1. 占比相对数

占比相对数是相对数值的一种类型，通过个体和总体的数据对比，可以表达总体和个体的关系，反应总体的构成情况，为我们分析总体提供了数据依据：

• 目标值 = 个体数值
• 对比值 = 总体数值
• 相对数值 = 目标值 / 对比值 = 个体数值 / 总体数值

例如上文中第三产业GDP和总GDP就是一个包含的关系，第三产业GDP是个体，总GDP是总体，53.57%这个占比相对数，就可以表达第三产业占整个经济的比重，说明了社会经济现代化程度高。

占比相对数除了可以用来描述总统和个体的关系，还可以来描述个体的完成进度，也可以用于异常情况的预警。

案例：

双十一快到了，预售期间，某客服团队为了维护客户关系，要求客服组A中的每1个客服同学需要完成“对分配的老用户名单定向发送关怀短信”的任务。

截止10月31日统计到了组内5个客服具体的发送情况如下：

只看这个表格的话，仅能了解客服同学被要求的目标，以及具体已发送的量，但是具体的发送情况没有办法衡量，也无法看出发送的完成情况。

这个时候我们引入“相对数值”——”完成占比”就能解决这个问题，完成占比 = 已发送人数 /目标发送人数。

再来看下加入该字段后的表格：

分析“加入完成占比”后的表格，就可以分析出每个客服的一个完成情况，像是客服A的完成度就较差，只对4成不到的老客户发送了维系短信；而客服E的完成情况就比较好，完成了9成以上的老客户维护——这就是相对数值“比例”来描述完成度的一次应用。

那么为什么说“比例”还可以应用于发现异常的场景内呢？

假设我们看到客服H的完成比是103%，我们会产生什么想法，理论上来说分配的名单人数是大于等于已经发送的人数的，即使全部完成，比例也应该是100%，那么多出来的人数是什么情况呢？

对名单外的客户进行了关怀短信的发送，还是对名单内的客户进行了重复发送短信，这就是“相对数值”发现异常的应用；我们通过一个正常情况不太会可能出现的异常相对数值，来定位出现异常的对象或者环节。

2. 比较相对数

比较相对数，常通过两个对象之间的比较，来说明两者之间的相关性和发展状况。

想了解对象A相较于对象B的情况：

• 目标值 = 对象A数值
• 对比值 = 对象B数值
• 相对数值 = 目标值 / 对比值 = 对象A数值 / 对象B数值

若想了解对象B相较于对象A的情况，就需要将上述公式反过来即可。

案例：

2019年天猫双十一全天交易额2684亿，假设今年2020年天猫双十一全天交易额为X亿，我们就可以通过“比较相对数”来衡量2020年天猫双十一相比于去年的一个增长情况。

• 目标值：2020双11全天销售额X；对比值2019双11全天销售额2684；
• 增长情况：比较相对数 Z = X / 2684；
• 如果Z>1，那么可以说2020年的天猫双十一相比于去年呈增长状态；
• 如果Z=1，那么可以说与去年呈持平；
• 如果Z<1，就是衰退了；

这就是通过“比较相对数”来帮助我们了解今年双11相较于19年的一个发展情况，解决了只掌握两个双11销售数据无法了解两者的相关性的问题。

3. 排名相对数

排名相对数的运用常发生在这样的场景下，受到条件的制约，不同的对象值无法直接进行比较；就可以通过排名相对数将对象的差异值抽象化，来使得不同的对象之间可以进行比较。

想了解对象A和对象B的对比情况：

• 目标值 = 对象A数值；目标值 = 对象B数值
• 对比值 = 一定的标准
• 相对数值1 = 对象A数值 / 一定的标准
• 相对数值2 = 对象B数值 / 一定的标准

对象A和对象B本身无法直接进行比较，但是通过“排名相对数”转化成“相对数值1”和“相对数值”2后就能进行对比，从而了解两个对象之间的差异情况了。

案例：

双十一过后，客服团队需要考核售后客服的一个接待能力，掌握到两个售后客服在双11当天的数据如下：

• 客服A：接待人数100人，平均响应时间2.7s，未回复5人
• 客服B：接待人数300人，平均响应时间5.6s，未回复10人

因为客服A和客服B的接待人数不同，无法简单的通过“比较相对数”来描述2者之间的接待能力差异。

为此我们需要引入“排名相对数”，首先需要假设一定的标准：

• 接待人数分为3档，0-150人计1分，151-300人计2分，300人以上计3分
• 平均响应时间分为3档，15s以上计1分，5-15s计2分，0-5s计3分
• 未回复分为3档，大于7人计1分，7-5人计2分，0-4人计1分
• 客服接待能力考评 = 30%接待人数评分+40%平均响应时间评分+30%未回复人数评分

将客服A和客服B数据代入：

客服A：

• 接待人数：1分；平均响应时间：3分；未回复：2分
• 客服接待能力考评：30% * 1 + 40% * 3 + 30% *2 = 0.3 + 1.2 + 0.6 =2.1

客服B：

• 接待人数：3分；平均响应时间：2分；未回复：1分
• 客服接待能力考评：30% * 3 + 40% * 2 + 30% *1 = 0.9 + 0.8 + 0.3 =2

客服A接待能力考评>客服B接待能力考评

通过“排名相对数”就可以看出客服A能接待能力大于客服B。

三、总结

相对数值，是由目标值和对比值通过对比后得到的数值，其中对比值可以是某一个具体对象的绝对数值，也可以是某一个标准范围。

通过不同的用途划分了占比相对数，比较相对数和排名相对数，帮助用户在不同场景下了解对象之间的关系，为后续的运营提供了数据支持。

作者：晌午，微信公众号：晌午自习室

本文由 @晌午 原创发布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