同比增长率，同比增长率图表怎么做

本文目录一览：

• 1、同比增长率

• 2、景顺长城能源基建

• 3、同比增长率的计算公式

• 4、同比增长率图表怎么做

大数据时代，各行各业都会接触到数据，我们经常会看到同比增长率、环比增长率、年均复合增长率这些名词，那么它们具体表示什么意思，如何计算，有何区别?

一、 同比增长率

同比增长率，在报表中，通常缩写为(YoY+%)一般是指和去年同期相比较的增长率。同比增长和上一时期、上一年度或历史相比的增长(幅度)。发展速度由于采用基期的不同，可分为同比发展速度、环比发展速度和定基发展速度。均用百分数或倍数表示。

计算公式

某个指标的同期比=(当年的某个指标的值-去年同期这个指标的值)/去年同期这个指标的值

即：同比增长率=(当年的指标值-去年同期的值)÷去年同期的值*100%

案例

如图，2019年中国餐饮业营业额为46721亿元，2020年中国餐饮业营业额为39527亿元，同比减少15.4%。

同比增长率与增长率的区别

说明：(1)同比增长率是含有增长率的意思，是另一种方式的增长率。

(2)同比增长率计算时，有特定的时间限制，不像增长率那样，范围大，定义宽泛，而同比增长率，一般是指和去年同期相比较的增长率。

二、 环比增长率

环比(Ring growth)即与上期的数量作比较，环比有环比增长速度和环比发展速度两种方法。例如2021年8月份与2021年7月份相比较称其为环比。

计算方法

环比增长速度=(本期数-上期数)/上期数×100%

反映本期比上期增长了多少

环比发展速度=本期数 / 上期数×100%

环比发展速度是报告期水平与前一期水平之比，反映现象在前后两期的发展变化情况

如：本期销售额为500万，上期销售额为350万

环比增长速度=(500-350)÷350×100%=42.86%

环比发展速度=500/350×100%=142.86%

案例

数据显示，2020年11月中国汽车销量为277.0万辆，2020年12月中国汽车销量为283.1万辆，环比增长2.2%。

三、 年均复合增长率

年均复合增长率是指一项投资在特定时期内的年度增长率。年均复合增长率(Compound Annual Growth Rate，简称CAGR)，也称复合年均增长率。

计算方法

总增长率百分比的n方根，n相等于有关时期内的年数。

计算公式

年均复合增长率(CAGR) = (现有价值/基础价值)^(1/N) – 1

CAGR的应用

计算和反映投资平均回报。

展示和比较投资顾问的实绩。

比较债券与储蓄的投资回报。

案例

如图，艾媒咨询(iiMedia Research)数据显示，近五年是中国电子签名市场飞速发展时期。从2016年的8.5亿元增长至2020年的108.2亿元，中国电子签名行业年均复合增长率达到66.33%。

以上就是本期分析师解答的全部内容。如果想要查看更多行业报告、学习更多行业知识，可以访问艾媒咨询旗下的行业报告资源库“艾媒报告中心”。艾媒咨询出品的报告都能在平台上进行找到，并且提供高清完整版下载。

景顺长城能源基建

产品特征

景顺长城能源基建混合型基金(简称“景顺长城能源基建”)成立于2009年10月20日，基金通过把握中国能源及基础建设需求带来的相关成长机会，力求实现基金资产长期稳定增值。

收益能力突出，风险控制卓越：景顺长城能源基建基金将在较低的风险水平上给投资人带来稳健回报作为投资目标，关注投资组合风险控制。基金近2年、近3年的业绩表现，以及自成立以来的年化回报率分别为8.38%、9.42%和8.99%；同时其近5年以来各个阶段的区间收益均处同类型基金的前20%以内水平，相对及绝对收益能力均较为突出。

仓位稳定，精选个股：景顺长城能源基建基金股票仓位稳定，2015年二季度之前股票仓位多数在90%上下，近一年基本稳定在60%左右。基金专注自下而上选股，以挖掘具有核心竞争力、估值具有安全边际的个股为核心，不参与热点和主题投资。从实际表现来看，基金保持较高的重仓股集中度和较低的持股周转率，也侧面印证基金不参与主题及行业轮动，偏重企业基本面的投资风格。

关注企业基本面，注重产业链研究：基金经理鲍无可，自2014年6月开始管理本基金，管理期间基金在绝对收益和相对收益上均取得较为突出的表现。在选股策略上，基金经理关注企业核心竞争力、天然业务壁垒和估值边际。同时，基金经理在自下而上选股过程中专注产业链研究，通过深度的产业链研究来挖掘个股投资机会。

同比增长率的计算公式

比重增长量是资料分析中比较重要的考点，很多同学看到都比较头痛，原因无非就是因为列式复杂，一个公式中加减乘除计算全都涵盖了。今天中公教育就带大家深入剖析一下，看看它是不是真的这么难呢?

基本公式先知晓

估算方法三步走

1、第一步

结合判断比重变化原理先判断比重上升或下降，看是否可排除一些选项。

(1)当部分增长率大于整体增长率时，比重上升

(2)当部分增长率小于整体增长率时，比重下降

(3)当部分增长率等于整体增长率时，比重不变

2、第二步

3、第三步

(一般都可以忽略右侧分母：1+部分增长率)，直接估算

最终确定选项。

实战巩固再提升

例1

2018年全国粮食播种面积175555万亩，比2017年下降0.8%。全国粮食单位面积产量375公斤/亩，比2017年增长0.2%;其中谷物单位面积产量408公斤/亩，比2017年增长0.3%。粮食总产量6579亿公斤，比2017年下降0.6%;其中谷物(包括稻谷、小麦、玉米、大麦、高粱、荞麦、燕麦等)总产量6102亿公斤，比2017年下降0.8%，全年粮食产量虽有所下降，但减幅不大，仍处于高位水平，属于丰收年量。

问题：2018 年全国谷物总产量占全国粮食总产量的比重，较上一年约：

A.增长0.19个百分点 B.减少0.19个百分点

C.增长0.26个百分点 D.减少0.26个百分点

【中公解析】答案选B。根据材料可知，2018年谷物总产量为6102亿公斤，同比下降0.8%;粮食总产量为6579亿公斤，同比下降 0.6%。谷物总产量增长率(-0.8%)小于粮食总产量增长率(-0.6%)，即：部分增长率小于整体增长率，则2018年全国谷物总产量占全国粮食总产量的比重减少，排除 A、C。

选择小于0.2%的选项，只有 B 项符合。故本题选B。

例2

2020年，我国规模以上互联网和相关服务企业(以下简称互联网企业)业务收入12838亿元，同比增长12.5%，增速低于上年同期8.9个百分点。

2020年，东部地区互联网业务收入11227亿元，同比增长14.8%，增速较上年同期回落9个百分点。中部地区互联网业务收入448.1亿元，同比增长3.4%，增速较上年同期回落53.1个百分点。西部地区互联网业务收入497.2亿元，同比增长6.9%，增速较上年同期回落15.2个百分点。东北地区互联网业务收入47.1亿元，同比增长9.1%。

问题：与2019年相比，2020年西部地区互联网业务收入占全国收入的比重约( )。

A.增加了0.2个百分点 B.增加了0.39个百分点

C.降低了0.2个百分点 D.降低了0.39个百分点

【中公解析】答案选C。根据材料可知2020年，我国规模以上互联网和相关服务企业(以下简称互联网企业)业务收入12838亿元，同比增长12.5%，西部地区互联网业务收入497.2亿元，同比增长6.9%，增速较上年同期回落15.2个百分点，列式为

西部地区互联网收入增长率为6.9%小于全国收入增长率12.5%，比重下降，排除A、B选项。

C、D均小于5.6%，无法排除选项。这时候我们估算

与C选项接近，因此选择C项。

以上是中公教育介绍的比重增长量的计算技巧，希望对正在备考的同学有所帮助。

同比增长率图表怎么做

编辑导语：在B端系统的一些特殊业务场景中，也存在着策略设计，将生活场景应用于策略设计系统中，能够收获不一样的效果。本文以生活场景模型为基础，分析如何利用抽象类比法进行策略设计，希望对你有所帮助。

策略设计不单存在于C端产品中，B端系统在某些特殊的业务场景下，也需要通过对流程的精益化设计，从而提升业务人员的使用效率。将生活场景抽象为模型应用在系统的策略设计中，是提高策略设计合理性和可信度一种方式。

下面给大家介绍下，前段时间我借助生活场景模型解决的一个策略调度问题。

一、问题背景

在首篇文章中提到过，我重构了一个风控数据测试系统，系统的核心功能是数据的批量匹配。

数据匹配的逻辑是：

把批量样本文件以一次任务的形式，向不同产品的API接口发起批量的调用请求，收到响应后将接口返回的数据回写入一个文件中。

如下图：

这个功能的视觉效果跟多任务下载文件有些相似，不同的是，由于底层API接口有并发数的限制，也就是资源是有限的，因此任务的匹配速度就受到了限制。

此前，系统可以支持最多10个用户的任务同时进行，各个任务的并发资源数是按当前任务数等分的，如下图：

即：单任务并发数=总并发数/当前任务数，即任务越多，每个任务的进度就越慢。

除了受到并发数影响，不同任务的匹配时长还受到下面几个因素的影响：

样本量级不同（不同任务量级跨度大，50条～500w条）调用产品数量不同（不同任务间数量跨度大，1个～50个）不同产品接口的请求响应时间不同（如：评分类产品的请求耗时通常较长）

当然，并发资源是权重最高的因子，如果并发数提升了，整体任务效率都是同比增长的。

其他背景：

出于公平性和API底层的考量，一个用户如有多个任务，在发起后，同一时间只能一个任务在进行中，其他任务均为等待中。匹配列表为唯一数据权限公开的模块，可供所有用户查看当前系统的任务匹配和资源占用情况，以便了解自己的任务是否需要排队等待。

二、改造前的问题

因为原流程资源是均分制的，也就是对所有任务一视同仁，不区分任务的紧急程度、样本大小等因素，按时间次序将任务依次放进匹配通道中，如果此时10个匹配通道均已占用，那后面的任务就都需要等待。

任务高峰期，系统上最多有50个任务在等待中，最长一个任务从发起到匹配结束花了将近3天的时间。

大任务测不完，小任务测不上；10个通道持续满载，任务堆积严重。是这个核心功能最大的问题。

系统用户（分析师）找我反馈的次数也不少，都是希望我能给他们插队的：

“我这个是付费测试，你们不给优先处理吗？”“我就50条样本，能让我先测下不？”“我的任务紧急，客户明天就要，能不能插队呀”…

大概这样的严重拥挤情况持续了1周左右，我意识到务必要做出改变，在并发数有上限的情况下，如何实现资源的最大化利用，这应该是需要精细化策略设计的问题。

三、问题分析

既然决定要改原有的逻辑，如何设计才合理？难道要像用户所提的，增加一个插队功能？管理员可以改变任务顺序，可以随意把后面的任务放置前面？

当然不行！

这是一个与调度秩序有关的问题，假如说开了这个口子，且不说系统技术逻辑复杂度加重，而是从常理的公平性角度想：

把一个等待中的任务放在匹配队列中，必然会影响一个匹配中任务把任务提到等待队列的最前位，也影响了后面其他人的等待中任务

这些都是不公平的，不论怎么做，都是影响了其他用户的利益。

如果每个人因为想因为要加速都来找管理员开这个口子，那系统的匹配功能将失去秩序，操作频繁时，系统来不及更新状态，可能会影响调用结果的准确性，风险性极大。

那既然这样，如何思考才能有效解决这个问题？

我们需要拨开表象看本质，抓住问题的主要矛盾，防止被用户的诉求带偏。

如何抓住核心矛盾？我们可以借助抽象类比的方法。

四、抽象类比

这个问题的本质是流量调度，那么联想生活场景，哪些场景跟流量有关？

是不是能想到“人潮涌动、排队检票”的场景？进而联想到机场、火车站或景区门口的景象。

我们拿机场举例，将实际事物与系统场景进行类比：

样本可以比作旅客样本量大小可以比作一个旅行团的大小任务数可以比作安检通道的个数每个任务的并发数，可以比作每个安检通道内可以同时做检查的工作人员数（人数越多安检越快）每次匹配的产品多少可以类比为旅行团的行李（行李越多安检越慢）

综上所述，能确定基于流量场景的调度设计可参考抽象后的“安检口”模型。

那机场安检口是怎么解决流量调度问题的？

「针对普通用户」普通旅客走常规安检口，常规安检口数量有一般有多个。「针对高级用户」VIP旅客走VIP安检口，解决VIP旅客对时间要求高的问题「针对特殊用户」长期开放快速通道安检口，为残疾人等需要关注的旅客提供便利「针对紧急用户」当旅客着急赶飞机时，可以在机场工作人员的允许后，走快速通道安检口

上面四种解决问题的逻辑恰好跟我上面收集的用户反馈情况对应上了

“我这个是付费测试，你们不给优先处理吗？”——高级用户问题“我就50条样本，能让我先测下不？”——特殊用户问题“我的任务紧急，客户明天就要，能不能插队呀”——紧急用户问题

这刚好是所有流量场景中最常遇到的三种问题，它们的应对办法分别是：

按重要性对资源进行有差别划分特殊情况给予特殊资源倾斜照顾紧急非重要情况给予通融的机会

五、方案设计

有了上面的生活场景参考，我们具体到系统的功能逻辑里，在“安检口”模型的基础上，考虑到了并发资源最大化利用的问题（不能让资源空着不用）我是这样设计的：

首先，我们假设系统匹配任务的总并发数为N：

1. 解决付费工单对时间要求高的需求

【任务分类】根据测试目的把工单分为两种：高优先级工单（付费测试）、低优先级（免费测试）【评估配比】计算历史任务中，高优先级工单与低优先级工单的数量比，为1:7，这个比例跟上面的「高级用户」场景相似，都是重要的事物，量少；普通的事物，量多。【套用模型】故类比安检口「高级用户」模型，将原有的10任务通道分类，最多2个高速通道、最多8个普通通道。高优先级任务走高速通道，低优先级任务走普通通道。高速任务如超过2个顺位走普通通道，后续按次序自动补位进入高速通道。【动态分配】当平台仅有普通任务时，假设任务数为x，此时每个任务的并发数为N/x。当此时出现高速通道任务，任务数为y，系统自动划分N/2并发数支持高速通道，因此每个高速任务最少有N/4个并发数，这一步是为了保护高速任务的进行效率。此时低速通道任务并发数自动减半变为N/2x。【资源释放】高速任务一般任务数量少，速度有保障的前提下匹配的时间短，故在高速任务完成后，将自动释放N/2的总并发数，归还于普通任务。

2. 解决量小高频的小样本快速测试需求

【量级分类】考虑到约80%的用户在全量样本测试前都需要用小量样本做验证测试，要保证验证测试的敏捷性，故需要增加量级分类。如，200行以内的样本，为小样本任务。200行以上的为普通任务。【独立逻辑】类比上述安检口「特殊用户」模型，小样本任务走专用通道单独排队，不与普通任务同时排队。且因量级小平均一个任务仅需1～3min，故不需要判读任务优先级等情况。【额外资源】基于小样本每次量级小，对底层基本无压力的情况，我向架构组成功了申请在原有并发数N的基础上，额外增加N/10的并发，一般情况下只给小样本任务单独使用。【快速通道】因为小样本任务高频，约占40%的总任务量，且匹配快速，故设置小样本任务通道数为最多为5，在假设小样本任务数为m的情况下，每个小样本匹配时的并发量最少可为N/10m，这样基本上用户一提交小样本测试就能直接进入匹配队列中，降低对小样本验证的等待焦虑。

3. 解决紧急普通任务的加速需求

【提速审批】与在机场安检口，普通旅客赶飞机需要经过安检人员的同意才能走快速通道的情况相似。普通任务一般只能走普通通道，但紧急情况下，如果想加速必须经过领导审批，证明你是真正的紧急。有了审批这一步会减少非真正紧急的提速需求，防止公共资源被不合理占用。

【人工控制】控制任务是否提速的按钮权限在管理员这里，没有直接做成对接线上审批流的原因有两点。

希望在上线后观察用户使用效果，看看经过改造后是否还有任务提速的需求。管理员评估会让这个流程更可控，比如当前就有2个高速任务在进行中，高速列表占用，就算审批结束也不能一下子解决问题，这里需要人为决策的维度更多。

【任务升级】普通任务手动提速后，会给予更多并发资源。在这里设计的是，如果提速成功，可与高优先级任务共享高速通道，通道数依旧最大为2个，如当前已占用则依旧在普通通道等待。（权重与高优先级任务齐平）

4. 解决部分接口的降速需求

这是一个基础架构组基于服务安全考虑给我们提的需求，一小部分产品的接口底层性能有限，不支持过大并发调用，因此在本次需求中，兼顾了部分接口降速的需求。即当任务中出现某些接口时，直接进入小并发池中匹配。

【并发分配】系统在高速通道、普通通道、小样本通道的基础上，兼顾了慢速通道。慢速通道的总并发数为总并发数的1/6（根据需要限流的接口能承受的最大并发数赋值的），即为N/6个并发数。从普通任务的并发数中划分出来，如普通任务的并发数为N，则有低速任务时普通任务并发数为，5/6N。【通道共享】慢速任务可以理解为被迫限流的普通任务，故与普通任务共享8个通道数，当8个通道在占用时，第九个任务无论是普通任务还是低速任务均进入等待队列

5. 针对少数情况的前置规则先行

前面说了，通过历史数据的统计分析，得出高速任务的需求占比为1/8，大多数情况下，不会出现高速任务数大于普通任务数的情况。

少数情况如：当前普通任务为0、高速任务为1时，照此前逻辑将启用高速通道，此高速任务的并发数为N/2，但此时的最优解应是高速任务独享整个并发资源N。故需考虑到这种情况，并增加前置规则。

为了清晰的找到前置规则，我在下方用了枚举法，假设普通任务数（x）、高速任务数（y）、低速任务数（z），即可得出当{ 0 = x y =2 } 时，系统不启用高速通道，是资源最大化利用的最优解。

六、上线效果

这个策略升级的版本上线后，用户反馈很好。我在页面增加了人性化的匹配说明，便于用户理解改造后的资源调度原则。上线后这么久，没有一个用户对改造提出质疑或者反对，我认为是模型在底层提供了合理性保障，给用户无形中提高了熟悉感，用户的接纳和认可度较高。

同时再次面对问题时，系统都有相应的策略去应对：高优先级的任务能享受高速、小样本测试能快速得到验证、紧急任务出现时也能有提速的口子，彻底解决了流量调度中常见的三种问题。平均任务耗时从118min降到了41min，匹配时间减少了近2/3，匹配效率是之前的3倍。高峰期任务拥挤的情况在上线后也得到了有效的缓解，用户满意度自然也就提升了。

七、总结

B端平台类产品，用户多为公司内部员工，在产品设计中如果能使用策略手段，提升资源综合利用率，进而减少使用耗时，提升用户效率，是产品赋能业务和提高用户满意度的一种有效方式。

因为业务场景的复杂多样，在B端产品经理在设计方案时，没有像C端产品一样有竞品可以参考。但我们可以对问题进行深挖，多想想这个业务流程的本质到底是什么要解决什么事（比如上面分析的流量调度问题）。

总结一下，当遇到不知如何设计的问题或者不确定方案是否正确时，可以这样做：

搞清问题本质，联想现实场景中本质相同的生活模型，一针见血找到核心矛盾点所在。借助现实场景中同质问题的解决办法，融入当前产品方案中，拓宽产品设计思路。参考现实场景的实际效果，预计当前方案效果是否符合现实模型，确认产品设计的合理性。

生活场景模型，是在现实生活中被人无数次验证过的能解决问题的有效手段。而产品设计的本质，也是解决问题。写这篇文章是想分享自己在工作中解决问题的思路，希望大家在工作时，不妨多尝试抽象类比法，多想想事物的本质。这样，能使复杂问题简单化，让我们瞬间豁然开朗！

本文由@Fancy刘 分享发布于人人都是产品经理，

题图来自 Unsplash，基于CC0协议。

今天的内容先分享到这里了，读完本文《同比增长率》之后，是否是您想找的答案呢？想要了解更多同比增长率、景顺长城能源基建相关的财经新闻请继续关注本站，是给小编最大的鼓励。