“時間”是我們設計產(chǎn)品時的一大武器，選擇合理的時間顆粒度，能很好的幫我們展示業(yè)務數(shù)據(jù)，對業(yè)務發(fā)展起到指導作用。

時間具有多變性，日、月、年對我們的意義是不同的，因為其呈現(xiàn)出來的時間段是不一致的，日體現(xiàn)的時間長度肯定遠小于月，長短不一的時間長度組成了時間的多樣性，而不同時間長度下統(tǒng)計出來的數(shù)據(jù)結果具有不同的意義，這就是數(shù)據(jù)對“時間”的敏感性。

通過一個案例來看一下，蹲點觀察樓下十足便利店3月份的人流情況，可以發(fā)現(xiàn)“3月1號的人流量”和“3月份一整個月的人流量”是不一樣的，前者表現(xiàn)了單天的人流量，后者表現(xiàn)了整個月的人流量。

我們發(fā)現(xiàn)，不同的“時間”產(chǎn)生的數(shù)據(jù)結果有其各自的意義，所以我們要怎么去選擇這些不同的“時間”呢？

一、認識多種多樣的時間

首先我們需要了解時間的多樣性，從“時間顆粒度”的角度來認識，主要分為“分時維度”和“日期維度”。

01 分時維度

分時維度是反映日內(nèi)情況下隨著小時或者分鐘的變化，展示單位小時或分鐘下的數(shù)據(jù)，具有較強的時效性。我們可以通過觀察“一天內(nèi)不同分時”和“多個日期相同分時”呈現(xiàn)出來的數(shù)據(jù)現(xiàn)象，來發(fā)現(xiàn)“分時維度”下的數(shù)據(jù)特點。

1. 觀察一整天不同時段的數(shù)據(jù)

通過“分時維度”得到一天內(nèi)不同時間段的數(shù)據(jù)值，將這些數(shù)據(jù)“圖表可視化”為隨著時間段變化的折線圖，從圖中我們可以了解下面的這些信息：

• a.數(shù)據(jù)在一天不同時間段內(nèi)的趨勢情況以及斜率，從幾點到幾點呈增長趨勢，從幾點到幾點呈下降趨勢
• b.數(shù)據(jù)最大值和最小值出現(xiàn)的具體時間段或者時間點
• c.數(shù)據(jù)在相鄰兩個時間段之間的環(huán)比情況
• d.數(shù)據(jù)在不同時間段之間的增長和下降程度

這些信息能讓我們對數(shù)據(jù)在不同時段的趨勢情況有一個了解，為對時間段要求比較精確的產(chǎn)品動作提供了依據(jù)，幫助我們發(fā)現(xiàn)短時間內(nèi)的異常波動，為發(fā)現(xiàn)問題提供了異常數(shù)據(jù)的支持。

看個案例，下圖是一張訪問用戶量分時段折線圖，我們就可以基于數(shù)據(jù)最大值出現(xiàn)在14:00的這一現(xiàn)象，發(fā)起一次push消息的行為，因為該時間段下用戶數(shù)量最大，可以盡可能的獲得曝光量；我們也可以在0:00-5:00這個時間段安排產(chǎn)品上線等需要服務器發(fā)布的行為，基于的現(xiàn)象就是這個時間段訪問用戶量少，對用戶的干擾低。

訪問用戶量分時段折線圖

我們也可以把一天內(nèi)不同時段的數(shù)據(jù)“圖表可視化”為餅圖，從圖中我們可以了解到下面的這些信息：

• a.數(shù)據(jù)在不同時間段的占比情況
• b.數(shù)據(jù)占比最大的出現(xiàn)在哪個時間段，占比最小的出現(xiàn)在哪個時間段

這些信息能讓我們對數(shù)據(jù)在不同時間段的分布情況有一個了解，單獨了解占比的意義不是特別大，但是可以配合其他的數(shù)據(jù)分析方法得到一些更細致的結論。

比如下圖是12:00-18:00不同時間段用戶訪問量的餅圖，結合“二八定理”，我們就可以得出12:00和13:00這兩個時間段提供了80%的訪問量，這兩個時間段就是我們主要需要維護的時間。

訪問用戶量分時段餅圖

2. 觀察多個不同日期，相同時間段的數(shù)據(jù)

通過將多個日期下的相同時間段的數(shù)據(jù)“圖表可視化”為隨著時間段變化的對比柱形圖，從圖中我們可以了解到這些信息：

• a.數(shù)據(jù)在不同日期相同時間段下的同比情況
• b.數(shù)據(jù)在不同日期下是否有可以抽象出來的趨勢共性，多個日期是否都是從幾點到幾點的數(shù)據(jù)呈增長趨勢，從幾點到幾點的數(shù)據(jù)呈下降趨勢，這個現(xiàn)象就可以作為一個共性趨勢。

這些信息有助于我們歸納出數(shù)據(jù)的共性，一方面我們可以根據(jù)這些共性設計和優(yōu)化產(chǎn)品；另一方面也可以以此作為異常值的判別方式，如果觀察多個日期下都是在01:00～05:00的數(shù)據(jù)為0，這個時候發(fā)現(xiàn)突然有1天在01:00有大量的數(shù)據(jù)，就可以斷定為是異常數(shù)據(jù)了。

同樣來看一個案例：

下圖是星期五和星期六的訪問用戶量的分時段柱形圖（截取部分時間段），運用上面提到的觀察角度，很容易就能發(fā)現(xiàn)雖然日期不同，同時段的數(shù)據(jù)有大小差異，但是數(shù)據(jù)趨勢是具有共性，都從12點開始呈增長趨勢，在16點達到峰值，之后呈下降趨勢，我們就可以得出我們用戶訪問行為的規(guī)律。

訪問用戶量分時段對比柱形圖

對分時維度數(shù)據(jù)做個簡單的總結：

• 定義：以分鐘或小時作為顆粒度單位
• 數(shù)據(jù)格式：分鐘+每分鐘數(shù)據(jù)；小時+每小時數(shù)據(jù)
• 數(shù)據(jù)意義：反映日內(nèi)的數(shù)據(jù)情況
• 適用場景：對日內(nèi)數(shù)據(jù)敏感或者日內(nèi)數(shù)據(jù)具有重要意義的場景，比如金融服務、數(shù)據(jù)監(jiān)控等場景

02 日期維度

日期維度是反映一段時間內(nèi)隨著日期的變化，展示不同日期下的數(shù)據(jù)，具有較強的完整性。我們也通過觀察“一段時間內(nèi)不同日期”和“不同周期內(nèi)的日期”呈現(xiàn)出來的數(shù)據(jù)現(xiàn)象，來發(fā)現(xiàn)“日期維度”下的數(shù)據(jù)特點。

1.一段時間內(nèi)不同日期

通過“日期維度”得到一段時間內(nèi)不同日期的數(shù)據(jù)值，將這些數(shù)據(jù)“圖表可視化”為隨著日期變化的折線圖，從圖中我們可以了解下面的這些信息：

• a.數(shù)據(jù)在這段時間內(nèi)的趨勢情況，從哪一日到哪一日呈增長趨勢或者下降趨勢
• b.數(shù)據(jù)最大值和最小值出現(xiàn)的具體日期是哪一天
• c.數(shù)據(jù)在相鄰兩天的環(huán)比情況，是環(huán)比上漲，還是環(huán)比下降

這些信息有助于我們復盤一段時間內(nèi)（常見的最近7天，最近30天的）的數(shù)據(jù)趨勢，為我們后續(xù)的業(yè)務動作提供數(shù)據(jù)支持，數(shù)據(jù)隨著日期不斷增長，是否需要投入更多的資源；數(shù)據(jù)隨著日期不斷降低，是否需要改變策略。

案例：

下圖是某淘寶店04-11到04-17的銷售額數(shù)據(jù)，我們發(fā)現(xiàn)數(shù)據(jù)在11日到17日這7天呈現(xiàn)一個上升趨勢，店鋪主就需要考慮庫存是否充足，是否需要增加儲備等。

04-11～04-17店鋪銷售額折線圖

2. 不同周期內(nèi)的日期

不同日期雖然日期不同，但是在一個周期內(nèi)存在一定規(guī)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。

這就是日期在不同周期內(nèi)的規(guī)律，我們可以借助這個規(guī)律來觀察不同周期內(nèi)的日期變化，將這些數(shù)據(jù)結果“圖表可視化”我們也可以得到對比柱形圖，從圖中我們可以了解到下面這些信息：

• a.數(shù)據(jù)在不同周期內(nèi)相同位置日期的同比情況
• b.數(shù)據(jù)在不同周期內(nèi)的日期是不是會表現(xiàn)出相同的規(guī)律或者趨勢

這些信息可以幫助我們歸納出周期下數(shù)據(jù)具有固定的規(guī)律，根據(jù)這個規(guī)律可以指導我們一些業(yè)務動作或者產(chǎn)品設計。

案例：

下圖是某寫字樓的自助便利機銷售人數(shù)在“4-6～4-12”和“4-13～4-19”兩周不同日期下的數(shù)據(jù)對比圖，我們可以發(fā)現(xiàn)不同日期的銷售人數(shù)的具體數(shù)值有差異，但是在趨勢上是具有明顯規(guī)律的，周六和周日兩天銷售人數(shù)遠低于其余5天，這也和我們工作日和休息日的認知所符合，而作為自主便利機的商家也可以根據(jù)這個現(xiàn)象制定補貨策略：周一進行補貨。

兩周銷售人數(shù)對比柱形圖

對日維度數(shù)據(jù)做個簡單的總結

• 定義：以日作為顆粒度單位
• 數(shù)據(jù)格式：日期+每日數(shù)據(jù)
• 數(shù)據(jù)意義：反映日不同日期下的數(shù)據(jù)情況
• 適用場景：針對需要統(tǒng)計或觀察一段時間內(nèi)每一日數(shù)據(jù)的場景

其次，在了解了時間多樣性的幾種具體表現(xiàn)形式后，就需要我們根據(jù)實際的業(yè)務情況來選擇“時間”了。合適的時間顆粒度能幫助我們很好的反映業(yè)務的真實情況，而不合適的時間顆粒度所提供的數(shù)據(jù)結果對我們沒有意義，甚至會起到誤導作用。

某淘寶商家想調(diào)整客服排版，這個時候就需要我們選擇“分時維度”，觀察不同日期相同時間段的客服團隊接待人數(shù)，是否具有共同的趨勢，在普遍接待量多的幾個時間段安排較多人手的客服，在接待量少的幾個時間段減少客服數(shù)量。

如果我們在上面這個業(yè)務場景下選擇了“日期維度”，得到的數(shù)據(jù)就無法實現(xiàn)這一目標，而“日期維度”在“什么時候增加臨時或者外包客服”這個業(yè)務場景下就具有意義，通過復盤一段時間的接待數(shù)據(jù)，發(fā)現(xiàn)大促期間接待量爆方式的現(xiàn)象，從而在大促前提前增加客服資源。

總結

數(shù)據(jù)對時間是非常敏感的，“時間”也是我們設計產(chǎn)品時的一大武器，選擇合理的時間顆粒度，能很好的幫我們展示業(yè)務數(shù)據(jù)，對業(yè)務發(fā)展起到指導作用。

本文由@晌午 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議。