e.g. 要推算京東在微信端交易訂單量占整體交易量的占比，可以借鑒唯品會的數據。首先唯品會和京東的業務模式具有較高的相似性——都是電商平臺(雖然主要品類結構不一樣)，主要交易端都是AppPCWeixin這3個，唯品會和京東都在微信上都有“錢包入口”，整體上覆蓋的人群結構也差不多——現在知道了唯品會微信上交易量的占比(數據已經相對穩定)，那么該數值可以作為預估京東數據的參考值基準。

　　e.g. 我們到野外偶遇一只不知所名的動物(未知的X)，發現此動物尖牙利爪長尾巴(已知屬性)，這和我們平時見到的貓科動物(歸屬的群體)特征很匹配，我們知道貓科動物大多數是吃肉的，那么可以推斷該動物也很可能不是吃素的(肉食動物)。

　　該城市總人口1000W，設符合用車條件的人群(16-60)占比為60%(這個數據也可以到國家人口普查數據上找)；設上述人群中有互聯網產品使用經驗的比例為60%(可以查下中國互聯網普及率)；設有短距離出行需求的人數比例為15%(大多數時候選擇的交通工具是地鐵、公交、自駕)；設該公司在該城市的市場份額為30%(假設要和ofo、摩拜3分天下，這里的30%是假設只有3家投放單車時的值)，基于以上假設可以得到目標用戶數為：1000W*60%*60%*15%*30% ≈ 16W人

　　e.g. 假設現在需要預估一次運營活動帶來的交易量，那么可以先對交易量“細分”，看看活動覆蓋哪些人群、覆蓋哪些端口、不同人群或端口的交易轉化率(可以參考歷史數據或業務經驗)等，把每個細分人群細分端口的交易計算出來，再進行加總即可。

　　e.g. 進行年度KPI預測的時候，可以擬合歷年的實際交易數據——一般業務過了成熟期，就能看到比較明顯的S曲線(sigmoid curve)——基于擬合的曲線就能大致預測出下一年的交易量了。這個預測值可以作為基準，還要考慮業務上新的變化對數據進行調整，比如產品功能改變、人群定位變化等、渠道入口發生改變等。

　　季節變化(Seasonal)，通常是一年時間內的周期波動(可能季度、月度或者周等不同時間顆粒度)，季節變化通常是因為受到人們活動的周期性的影響而出現的。比如：①人行為上的周期性，e.g.一天的作息、一年4季的購衣需求、不同年齡階段的行為模式等；②周期性的社會活動，e.g.節假日、定期行業集會等；③商業業務的周期性，e.g.唯品會的早10晚8上新、公眾號通常在上班前或者下班后發布消息等；