Излюбленный прием в аналитике это когда сравнивают зависящий от сезонности показатель с тем же месяцем прошлого года. То есть январь с январём, июль с июлем, декабрь с декабрём.

Это хороший метод избавления от сезонности, но нужно учитывать, что сравнение год к году не гарантирует, что мы сравниваем одну и ту же систему сейчас и год назад.

Год к году действительно лучше месяца к месяцу

Допустим, в январе количество вакансий снизилось на 20% относительно декабря.

Звучит не очень, но сравнивать очевидно разные месяца вредно, ведь в конце года компании закрывают бюджеты, сотрудники уходят в отпуска и т.п. Получается что, сравнивая таким образом, мы видим не только изменение рынка, но и обычный календарный эффект. А для анализа это считай почти бесполезно.

И поэтому сравнение января с январём прошлого года выглядит гораздо разумнее. Оно позволяет хотя бы частично убрать повторяющуюся сезонность.

Именно поэтому показатели год к году так любят использовать в отчётах и презентациях.

Но частично убрать сезонность и получить полностью сопоставимые данные - это всё же разные вещи.

Одинаковая или схожая структура

Представим, что в марте этого года на рынке было размещено на 10% меньше вакансий, чем в марте прошлого года.

Вывод получится такой, что спрос на работников снизился на 10%. Но что именно снизилось? Вот тут непонятно. Может весь рынок или же только его часть.

Быть может за это время изменилась вообще структура рынка. Это я к текущей ситуации намекаю. Сравнение сейчас год к году будет достаточно обобщенным.

Изменение способа измерения

И еще есть ещё одна проблема, которую часто не замечают – за год могла измениться методика расчёта показателя, компания могла пересмотреть правила классификации или изменить некоторые требования в данным.

Например, раньше вакансия относилась к категории разработки, а теперь распределяется между разработкой, аналитикой, поддержкой и т.д. И тут тогда общее количество вакансий может остаться тем же, но внутри категорий появятся изменения. Да и то же самое происходит, когда к системе подключаются новые филиалы, регионы, источники или каналы.

Полнота данных может создавать рост и падение

Особенно опасно сравнивать периоды с разной полнотой данных.

Например, данные за март прошлого года были окончательно загружены через два месяца. А март этого года мы анализируем уже 2 апреля, когда часть подразделений ещё не успела передать информацию.

Текущий показатель, очевидно может быть ниже, к гадалке не ходи.

Или так. В прошлом году часть наблюдений была потеряна из-за технической ошибки, а в текущем году процесс сбора исправили. Тогда мы увидим рост, который на самом деле объясняется не улучшением показателя, а лишь улучшением учёта.

Что тогда проверять

Сравнение год к году это крутой инструмент, его не нужно отменять.

Просто после расчёта общей динамики полезно проверить, одинаковы ли методика, сопоставима ли полнота данных, это неплохая практика.

Хорошая аналитика начинается с проверки того, что именно влияет на объект исследования, а не то как изменилось число.