在做数据分析的时候，很多同学在面对一堆数据会无从下手，觉得从哪个角度分析都可以得到很多结论，导致分析的战线越来越长，但是却始终得不到想要的结果。

造成这种现象的问题很多，比较核心的是缺乏对业务的深入理解，也有的是分析方法缺失、分析逻辑缺乏等等原因。这篇文章主要解决的是分析方法的问题，以星巴克买一送一活动为例，阐述基本的分析思路。

星巴克新上线了线上点餐消费app，为了提升app的注册用户数量、提升用户使用app的粘性、提升app的活跃和流程，星巴克上线了买一送一活动，使用的方式也非常简单，每个周五到星巴克店内，消费时出示一下app上的二维码就行了。

活动上线后，店内非常热闹，基本上来买咖啡的人都在问买一送一的事情。当然，指标上表现也很漂亮，具体呈现的结果数据如下图所示：

从上图我们很容易发现在支付入口uv和星巴克交易额、交易总人数这三个指标上都呈现明显的7天周期性。单看支付入口的UV，平时最低是5000，平时最高7000，波峰和波谷距离2000，平均值在6000左右，而且集中在6200上下。周五买一送一活动一来，UV直接飙到100000，最差也有80000。看着似乎效果不错。

下图就是对支付入口uv这个指标做基本的统计分析：

基于这些描述性分析，我们可以知道对应指标的平均数、中位数（以及四分位数）、众数、几何平均数、调和平均数、方差、标准差、分布等，分析的目的是从表象和整体观察样本的特征。

在对其他指标进行描述性统计后，得到了第1条事实：星巴克的买一送一效果确实明显！

但是，这些分析都是基于数据层面的非常浅层面的分析，作为数据分析师是绝不能止步于此的。那么接下来自然就需要考虑如何评估效果明显？有多明显？如何量化？

单说支付入口UV，平日对比前日的变化有涨有跌，集中在 -7.6% ～+24.1%，星巴克同比上周却不断下降，降幅最高可达-11%。

在对其他指标分析变化后，得到了第二个事实：星巴克对比平日涨幅10几倍，但同比呈下降趋势！是否效果在逐步减弱？

星巴克效果明显，但是同比却在不断下降，很自然会问：这是为什么呢？只看同比还是有点单薄和局限，是否有其他