定基比(一个正数一个负数怎么算增长率)

定基比，一个正数一个负数怎么算增长率？

比如原来为0.1，这比负数大了，现在增加1，那么增长率为1000%.所以当原来数为负数是，是求不出增长率的，并且所谓的“增长率”也失去意义. 以一个基期做基数，比如说，2015年收入是100万，2016年年收入是120万，那收入增长率是（120-100）/100*100%＝20%，这是正数增长率。

假如2015年收入120万，2016年收入是100万，增长率是（100-120）/120*100%＝-16.67%，这就是负增长率。

增长率也称增长速度，它是时间序列中报告期观察值与基期观察值之比减1 后的结果，用%表示。

由于对比的基期不同，增长率可以分为环比增长率和定基增长率。环比增长率是报告期观察值与前一时期观察值之比减1，说明现象逐期增长变化的程度；定基增长率是报告期观察值与某一固定时期观察

贡献率和增长率的区别？

贡献率是分析经济效益的一个指标。它是指有效或有用成果数量与资源消耗及占用量之比，即产出量与投入量之比，或所得量与所费量之比。

而增长率也称增长速度，它是时间序列中报告期观察值与基期观察值之比减1 后的结果，用％表示。由于对比的基期不同，增长率可以分为环比增长率和定基增长率。

两者为不同概念名词，所指含义不一样，意义也不一样。

业务数据分析十大思路？

01 细分分析

细分分析是数据分析的基础，单一维度下的指标数据信息价值很低。

细分方法可以分为两类，一类是逐步分析，比如：来北京市的访客可分为朝阳，海淀等区；另一类是维度交叉，如：来自付费SEM的新访客。

细分用于解决所有问题。比如漏斗转化，实际上就是把转化过程按照步骤进行细分，流量渠道的分析和评估也需要大量的用到细分方法。

02 对比分析

对比分析主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小，水平高低，速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。

常见的对比方法包括：时间对比，空间对比，标准对比。

时间对比有三种：同比，环比，定基比。

例如：本周和上周进行对比就是环比；本月第一周和上月第一周对比就是同比；所有数据同今年的第一周对比则为定基比。通过三种方式，可以分析业务增长水平，速度等信息。

03 漏斗分析

转化漏斗分析是业务分析的基本模型，最常见的是把最终的转化设置为某种目的的实现，最典型的就是完成交易。但也可以是其他任何目的的实现，比如一次使用app的时间超过10分钟。

漏斗帮助我们解决两方面的问题：

在一个过程中是否发生泄漏，如果有泄漏，我们能在漏斗中看到，并且能够通过进一步的分析堵住这个泄漏点。

在一个过程中是否出现了其他不应该出现的过程，造成转化主进程收到损害。

04 同期群分析

同期群（cohort）分析在数据运营领域十分重要，互联网运营特别需要仔细洞察留存情况。通过对性质完全一样的可对比群体的留存情况的比较，来分析哪些因素影响用户的留存。

同期群分析深受欢迎的重要原因是十分简单，但却十分直观。同期群只用简单的一个图表，直接描述了用户在一段时间周期（甚至是整个LTV）的留存或流失变化情况。

以前留存分析只要用户有回访即定义为留存，这会导致留存指标虚高。

05 聚类分析

聚类分析具有简单，直观的特征，网站分析中的聚类主要分为：用户，页面或内容，来源。

用户聚类主要体现为用户分群，用户标签法；页面聚类则主要是相似，相关页面分组法；来源聚类主要包括渠道，关键词等。

例如：在页面分析中，经常存在带参数的页面。比如：资讯详情页面，商品页面等，都属于同一类页面。简单的分析容易造成跳出率，退出率等指标不准确的问题，通过聚类分析可以获取同类页面的准确数据用于分析场景。

06 AB测试

增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，那如何验证呢？主要方法就是AB测试。

比如：你发现漏斗转化中中间有漏洞，假设一定是商品价格问题导致了流失，你看到了问题-漏斗，也想出了主意-改变定价。但主意是否正确，要看真实的用户反应，于是采用AB测试，一部分用户还是看到老价格，一部分用户看到新价格，若你的主意真的管用，新价格就应该有更好的转化，若真如此，新价格就应该确定下来，如此反复优化。

07 埋点分析

只有采集了足够的基础数据，才能通过各种分析方法得到需要的分析结果。

通过分析用户行为，并细分为：浏览行为，轻度交互，重度交互，交易行为，对于浏览行为和轻度交互行为的点击按钮等事件，因其使用频繁，数据简单，采用无埋点技术实现自助埋点，即可以提高数据分析的实效性，需要的数据可立即提取，又大量减少技术人员的工作量，需要采集更丰富信息的行为。

如：重度交互（注册，邀请好友等）和交易事件（加购物车，下订单等）则通过SDK批量埋点的方式来实施。

08 来源分析

流量红利消失，我们对获客来源的重视度极高，如何有效的标注用户来源，至关重要。

传统分析工具，渠道分析仅有单一维度，要深入分析不同渠道不同阶段效果，SEM付费搜索等来源渠道和用户所在地区进行交叉分析，得出不同区域的获客详细信息，维度越细，分析结果也越有价值。

09 用户分析

用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。

可将用户活跃细分为浏览活跃，互动活跃，交易活跃等，通过活跃行为的细分，掌握关键行为指标；通过用户行为事件序列，用户属性进行分群，观察分群用户的访问，浏览，注册，互动，交易等行为，从而真正把握不同用户类型的特点，提供有针对性的产品和服务。

用户画像基于自动标签系统将用户完整的画像描绘清晰，更有力的支撑运营决策。

10 表单分析

填写表单是每个平台与用户交互的必备环节，优秀的表单设计，对转化率的提升起到重要作用。

用户从进入表单页面之时起，就产生了微漏斗，从进入总人数到最终完成并成功提交表单人数，这个过程之中，有多少人开始填写表单，填写表单时，遇到了什么困难导致无法完成表单，都影响最终的转化效果。

论文统计分析法是什么？

1.对比分析法

比较分析法是通过指标的比较来反映事物数量的变化，是统计分析中常用的方法。 常见的对比有横向对比和纵向对比。

横向比较是指不同物品在一定时间内的比较，例如不同等级的用户在同一时间购买商品的价格比较、不同商品在同一时间的销售量、利润率等比较。

纵向比较是指同一事物在时间维度上的变化。 例如上个月比、上一年比和定基比，也就是本月销售额和上个月销售额的比较、本年度1月销售额和上一年度1月销售额的比较、本年度每月销售额和上一年度平均销售额的比较等。

利用比较分析法，可以有效地判断和评价数据的规模、水平高低、速度快慢等。

2.分组分析法

分组分析法是指根据数据的性质、特征，按照一定的指标，将数据整体分成不同的部分，分析其内部结构和相互关系，了解事物的发展规律。 根据指标的性质，组分析法分为属性指标组和数量指标组。 属性指标表示事物的性质、特征等，如姓名、性别、文化程度等，这些指标不能运算； 数据指标表示的数据可以进行人的年龄、工资收入等运算。 组分析法一般与比较分析法合用。

3.预测分析法

预测分析法主要根据当前数据，判断和预测未来数据的变化趋势。 预测分析一般分为两类。 一种是基于时间序列的预测，例如，根据过去的销售业绩预测未来三个月的销售额。 另一个是回归系统的预测，根据指标之间相互影响的因果关系进行预测。 例如，根据用户的网页浏览行为，预测用户可能购买的商品。

4.漏斗分析法

漏斗分析法又称过程分析法，主要目的是集中于某个事件关键环节的转化率，在互联网行业应用较为普遍。 例如，在信用卡申请的过程中，用户从浏览信用卡信息，到填写信用卡资料、提交申请、银行审批和办理信用卡，最后用户激活和使用信用卡，有很多重要的环节，每个环节都有使用漏斗分析法，可以使业务方关注各环节的转化率，进行监测和管理，在某一环节转化率出现异常时，可以针对性地优化流程，采取相应措施提高业务指标。

5.AB测试分析法

AB测量分析法其实是比较分析法，但重点是比较a、b两组结构相似的样品，根据样品的指标值分析各自的差异。 例如，针对某个APP的同一功能，设计不同的样式和页面布局，向用户随机分配两种样式的页面，最后根据用户在该页面上的浏览转化率评价不同样式的优劣，从而满足用户的喜好

另外，为了搞好数据分析，读者还需要掌握一定的数学基础。 例如，基本统计量的概念(平均、方差、众数、中位数等)、方差性和变异性的测量指标)极端差、四分位数、四分位数距离、百分位数等)、数据分布(几何分布、二元分布等)、概率论基础、统计采样、可靠性等

cpi定基比指数？

公布的CPI指数都是同比，也就是跟去年这个时候的比较数据，这个不是股票指数，没有设定基期。

消费者物价指数（Consumer Price Index），又名居民消费价格指数，简称CPI。

是反映一定时期内城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。