雨季数据忽高忽低，数据分析该怎么做才不背锅

去年7月，我们门店的日销数据连着一周往下掉，运营群里天天有人问是不是活动出问题了。我把那周的天气拉出来一对，7天里5天暴雨，剩下2天阴天。雨一停，数据第二天就回来了。这事之后我才明白，雨季的数据分析不是看数据本身，是看数据背后的天气。

很多人在雨季容易犯一个错：把下雨当成解释，而不是当成变量。解释是"因为下雨所以差"，说完就结束了；变量是"下雨影响了多少，剩下的那部分是不是真有问题"，这个能算出来，也能指导下一步动作。

先把天气变成一列数据

最简单的做法，找一份历史天气接口，或者干脆手动填。日期、降雨量、最高温三列，贴到你的销售表或者流量表旁边就行。降雨量用分级比用精确数值好用，我自己习惯分四档：0mm、0.1到10mm、10到25mm、25mm以上。分完之后做个透视，通常能看到很明显的阶梯。

我拿一个本地生活客户的数据试过，25mm以上的日子，到店核销率比晴天低34%，10到25mm低18%，小雨基本没影响。有了这三个数，再开会的时候就不用拍脑袋了，直接说"这周有3个暴雨日，按历史系数折算，缺口是1.2万，剩下3000才是运营的问题"。

雨季做对比，同比比环比靠谱

雨季有个坑：环比基本没法看。6月下雨、7月也下雨，但雨量不一样，两个月的差异里有多少是天气、多少是策略，根本分不开。

同比相对干净一点，前提是去年同期的天气差不多。如果去年是旱季，那就得把天气影响扣掉再比。我一般的处理顺序是这样的：

• 先看同比大盘，判断是行业性下滑还是只有自己在掉
• 把同期降雨天数、雨量拉齐，剔除差异大的那几天再算一次
• 再看结构，比如线上订单是不是涨了，雨天线下转线上是常态
• 最后才看单店、单渠道的异常，别一上来就扎进细节里

这个顺序救过我一次。当时一个客户的整体数据掉了12%，团队准备砍投放预算。我按上面走了一遍，发现大盘都在掉，而他们的线上占比反而涨了5个点，真实情况是渠道迁移，不是生意变差。要是直接砍预算，后面旺季就接不住了。

几个容易踩的坑

只看雨天、不看雨后，是最常见的失误。雨停之后通常有一波补偿性消费，餐饮、洗车、理发这些特别明显。这个反弹没算进去，雨后的好数据很容易被误判成活动有效。

把降雨量当成唯一变量也不太行。温度、湿度、连续阴天的体感都会影响出门意愿。南方梅雨季那种半个月不见太阳的日子，数据低迷的时间比降雨本身长得多。

还有个坑是建模时直接删掉雨天样本。删完模型指标好看，一到雨季全错。把天气当特征放进去更稳，哪怕只加一个"是否暴雨"的0/1变量，也比删掉强。

最后一个是没提前打预期。雨季前跟老板、客户对齐一句"这两周大概率会掉20%左右，属于正常波动"，比事后解释一百句都管用。

说到底，雨季的数据分析没什么高深技术，核心就一件事：把不可控的天气因素量化出来，让剩下那部分真正可控的问题浮出水面。天气解释不了全部，但它能帮你把锅摘干净，也能让你看见真正该改的地方。