所谓的常识，
很大一部分是周期性
变化：到了这个时间，
就会出这种事。周期性
分析，主
要是从日常杂乱的
数据中，
发现会周期性
出现的规律，从而避免上述问题。常见的周期
包括两种：
自然周期/
生命周期。
所谓自然周期，
是指业务指标随着时间自然
发生波动，比如上边
吐槽的“2月份
业绩自然少”，
这是因为2月份
过年，
大家都放假了，业绩肯定少呀。
类似地：
吃喝玩乐类的消费，一般周六、周日比较多，这时候才有空出来玩。
企业间交易，一般工作日高，周末很低。大家都放假了谁还办公呀。
雪糕冰棍冰淇淋类商品，一般夏季是旺季，冬季是淡季
帽子手套暖手宝类商品，一般冬季是旺季，夏季是淡季
这些是比较直观的例子。
需要注意
的是，所谓的自然周期，
对不同业务而言是不
一样的，切不可混为一谈哦。
但是很多时候，自然周期
表现并不直观，隐藏在日常起起伏伏的数据里。这时候就需要我们手动发现周期规律。比如比如一个公众
号的阅读人数走势，可能
如下图
一眼
看过去，
是不是弯弯曲曲，毫无规律可言?
这就需要手动做区分。
为了更好的区分，一般取6个月的，
每日的数据。因为六个月的时间，一般能涵盖2个季度，能
观察出
季节性变化。
同时，每日数据，能观察出每周
是否有规律和
每月是否有规律。不过上边例子只给个2个月的数据，那就凑合着用。
从上例蜿蜒起伏的波折里可以
直接看出：
没有明显的月规律。一般有月规律的数据会如下图
所示（如下图）因此可以进一步观察，是否有周规律。
想看周规律，需
要把数据做
一下处理（如下图），把6个完整周的数据，从周一到周日对齐。
之后做折线图，
更容易观察出周规律。
处理过以后，
可以看出：
却有周规律变化，表现为：周一至周六逐步降低，周日反弹。如果把每周一到周日的数据做
平均数，
就能画出周规律
曲线（如下图）
这里有很多明显不符合走势的点。这很正常，因为公众号发文也是有分类的，如果是卖东西的文章阅读就很低，派福利、抽奖类的阅读就高一点，搞标题党的《震惊！》《大厂！》《字jie！》的阅读就很高。所以除了日期，也和文章类型有关。
周期性分析，主要目的是做出一个参考曲线，为进一步判断提供依据。进而避免：“为啥周六阅读那么低呀！”这种低级小白问题。之后再结合内容标签，做进一步的分析。
比如上例中，第三周周一、周二是明显异常点。如果没有做标签，就会直接报警：“本周连续2天异常！请注意！”但是做了标签，如果发现周一发了卖货文（原本就该低）周二则是标题党（原本就该高）则不需要大惊小怪了。
还有一种周期是生命周期走势。比如一个活动上线，刚上线的时候肯定参与人很多，之后感兴趣的都参与过了，不感兴趣的都不参与了，因此人越来越少。这样就会出现如下图的走势。
注意：要发现生命周期走势，统计数据，是从一个业务开始的时候进行统计的，之后往后数：第1天/第2天/第3天……或者第1个月/第2个月/第3个月
生命周期走势有很多经典的运用。比如一款新商品上市，其销量和上市时间，经常有如下关系，因此被称为“商品生命周期”。类似的，还有“APP生命周期”“用户生命周期”的说法，都是一个时间轴+指标走势组合出来的。后续有机会再跟小伙伴们一一分享。
以上就是今天的分享。周期性分析看起来很简单，因为它主要是用来做参考线的，为后续各种分析方法铺路。很多复杂的分析，比如数据监控模型、数据预警模型、数据驱动决策，也是以周期性曲线为参照，所以小伙伴们先掌握基础方法，再循序渐进哦。今天的分享就到这里，谢谢大家！-END-
