下面，我们看看同比环比的详细定义。
（1）关于同比
【百度百科】同比一般情况下是本年第n月与去年第n月比。同比发展速度主要是为了消除季节变动的影响，用以说明本期发展水平与同期发展水平对比而达到的相对发展速度。在实际工作中，经常使用这个指标，如某年、某季、某月与同期对比计算的发展速度，就是同比发展速度。
这里有个重要的点：同比通常而言，都是针对和上一年进行比较的。
百科中提到，同比一般是第n月的比较。但实际上，也有自然日的同比、自然周的同比、季度的同比。季度的同比是用的比较多的。比如我们经常看的三季度GDP同比增长、CPI同比增长等等，都是按照季度来统计的。
但是，自然周、自然日的同比好像就比较少见了吧？为啥呢？
我们要回到【同比】这个指标的出发点上。同比的出发点，正如百科中所述，是为了消除周期性变动的影响。比如GDP的产量，每年可能是年初松，年末紧的状态。为了看到真实的增长情况，采取同比的处理，能消除周期因素。
但是，能进行同比的前提是，两个对比的周期要有可比性、一致性，这也是进行对比分析的起码要求。总不能用今年1个月的销量和去年1个周的销量比较吧，没有可比性。
而日同比、周同比，就容易出现没有可比性的问题。比如21年11月28日是周日，而20年11月28日是周五，那其实就很难比较了，毕竟周末和工作日的行为还是有差距的。周同比也是一样的问题，不再赘述。
另外还有一个重要的原因。如果看日同比、周同比，都是拿着一天、一周和去年比较，时间实在过于久远。没有太强的对比价值。除非是双十一、618购物节这种单天比较大的行为，有看当天和去年当天比较的价值，否则很少这样比较。那种感觉就像是拿着地球的一块石头和月球的一块石头比大小，实在太远了……
因此，提到同比，往往是进行季度同比、月同比，很少有按日、按周进行同比的。
（2）关于环比
【百度百科】环比，统计学术语，是表示连续2个统计周期（比如连续两月）内的量的变化比。
这里重要的点：环比是和上一周期比较的，而周期可以是年，也可以是日、周、月。
比如21年11月23日的环比，就是和21年11月22日比；21年第38周的环比，就是和21年37周比；21年8月环比，就是和21年7月比较。都是和同一个时间粒度的上一个周期进行比较。
关于同比和环比的基础定义，就介绍这些。下面聊聊我之前关于同环比，踩过的坑，大家以我为鉴。
踩过的坑：同比定义有误
先聊一个坑：对同比的定义理解有偏差。
上面讲同比环比定义的时候，也提到了：同比通常来讲，都是针对上一年的比较，而环比是基于上个周期（年、周、月等）的。这里就很容易混淆，把同比也搞成可以基于上个周期的前序周期比较。比如我。
在实践的产品或者分析中，经常涉及的时间周期类别比较多：自然日、自然周、自然月、季度等。大家一定切记：【同比】一定是和上一年进行比较的。
有的朋友可能会关心：如果我就是想要和上个月同一天比较，该咋整呢？那就不要用【同比】这个概念了~咱们可以看看微信公众平台的后台设计。
是的，直接不体现同比的概念了，直接【日】、【周】、【月】。这样其实是很清晰的逻辑：分别是和昨天、7天前、上月同天，进行了比较。当然，仅限在按日统计的看板中，可以有以上的日周月对比，对于其他时间类型（比如周、月）就不能这样呈现了。
看一个不好的设计案例：
上面的面板设计中，对于自然周、自然日也提供了同比的分析，且上面的自然日的同比是和上月同日进行比较的（这是错的）。这导致同比的逻辑过于复杂以及混乱。并不便于理解以及洞察分析。
总之，给各位小伙伴的建议就是：
若是针对月度、季度的分析，可以上同比的数据，针对自然日、自然周，就不要使用同比的概念了。这时可以使用上面微信公众平台的这种统计呈现逻辑。不然就会造成同比概念的误用。
踩过的坑：细分人群的同比环比
关于同环比，还踩过一个坑：在分析细分人群的时候。
先说一下要分析的场景。比如公司想统计VIP人群在平台的历史成交金额走势，该如何统计呢？
【方法一】先找出当前有哪些人群是VIP人群，然后把这群人历史的所有成交筛选出来，最后基于时间维度进行汇总加和，即这群人的历史成交金额走势。
【方法二】先判断第一天时VIP身份的人有哪些，统计这些人在这天的成交；然后判断第二天时VIP身份的人有哪些，统计这些人在第二天的成交，以此类推。
应该用哪种逻辑呢？
很明显，第二种逻辑更合理。因为如果用第一种逻辑，其实是基于最新的人群进行统计历史，但极有可能现在的VIP用户在历史上还没有成为VIP，因为这个身份是变化的。如果用最新的身份统计历史，会造成历史上他还没有成为VIP的成交就纳入了统计，很明显，这不是我们想要分析的内容。
其实，如果历史成交明细表中的用户信息，添加了成交时用户的级别信息的话，那这个问题就很好解决了。但现实是往往成交事实表中只保留了用户ID信息，想要查用户当时的状态，需要基于ID查询用户表的历史分区，以此还原当时的级别。
我呢，其实就犯了这个问题，用了第一种统计逻辑统计。这是不合理的。用这种逻辑去分析同比、环比，统统失去了意义。因为所分析的人群对象，并不是真实的目标群体。
因此给大家的建议就是：
如果是要分析细分人群（比如某个级别的用户，比如30岁以内的用户，比如学生用户等）的历史数据，切记注意要沿用历史状态哦，因为他们的身份状态会随时间变化而变化~当然，有很多信息历史和现在是不会变的，比如性别等。这种情况就还好。
-END-
今天，小编给大家准备了一份《十周入门数据分析》
EXCEL数据分析✔
SQL学习指南✔
Python入门教程✔
这里全都有！
快来免费领取吧！
《十周入门数据分析》内容概览
长按关注【爱数据LoveData】
回复【142】
即可领取+新人见面礼
扫码回复关键词即可领取
小伙伴们，快来关注我们领取新人福利吧！
《小爱学习包》部分内容
《小爱学习包》部分内容
《见面礼》部分内容
1.这10个Excel功能，SQL也能实现！(附面试原题)
2.数据分析师有点小儿科？商业分析才是战场上的王者？
3.30个数据可视化小技巧 ！建议收藏！
4.Python的网络爬虫技术在豆瓣电影中的应用：抓取、清洗及可视化分析9种最常用数据分析方法！
5.Excel技巧大揭秘：5个令你进阶的必备玩法！返回搜狐，查看更多