目标值|相对数值在数据分析中的运用( 二 )

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：

文章插图
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：

文章插图
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
【 目标值|相对数值在数据分析中的运用】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。