中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導讀：工作里常常會出現關注的指標或數據出現波動，或者在分析某個功能時發現難以理解的數據的情況，當APP產品業務線的某個數據指標出現異常的波動時，該如何著手數據異常分析呢？本文作者從自身經驗出發，圍繞數據波動的問題展開了思考，一起來看看~

一大早，剛剛到工位。

領導：“小明，XX指標昨天有些異常，你盡快確認下原因”。

小明：“好的，我這就看看，盡快給出結論”。

大家看到這個情景，不用我說，肯定都知道怎么回事兒。

相信大家都和小明一樣，遇到波動時，我們都會條件反射的疑問：啥又異常了？

但是，再深入想想，這個“異?！笔俏覀儭袄硭鶓敗闭J為的“異?！?，并不一定是真異常。

數據分析切忌“理所應當”，某些問題的原因，查到最后都在”理所應當“里。

我們來拆解下“啥又異常了”這句話

“啥”

一定有個主體。

我們要非常明確的知道，XX指標波動了，代表的業務含義是什么。

我們才能知道，業務上，這個波動可能引發的原因，以及可能影響的范圍。

“波動”

就是起伏不定。

那么起伏了多少，我們如何量化？

量化了波動大小，再去對比校驗，是否才能知道波動是否異常？

確認了波動異常，是否才應該去定位引發異常的原因？

“又”

說明不止一次的發生了波動。

那么，對于這些不止一次發生過的波動，我們是否有詳盡的監控機制，預警機制，原因鉆取機制？

再發現波動后，我們如何更高效、準確的落地原因和后續改進措施？

根據 “啥又異常了”?這句話的拆解，我們來總結下如何解讀指標的波動。

第一步：定位波動主體及波動性質

我們先來解決“啥”的問題，也就是波動的主體以及波動是否異常。

關于波動的主體

明確是什么指標波動了，對應的業務含義是什么。

如果是通用指標，那可以視情況而定是否需要解釋對應的業務含義。

• 步驟1：什么指標在什么時間內產生了波動，對應的指標，在業務上的含義是什么
• 步驟2：這個波動的對比方式是什么？環比？同比？還是歷史均值？
• 步驟3：指標波動的大小，即對波動有一個具體量化

公式總結：業務 + 時間段 + 對比方式 + 定性的量化

如：DAU（業務）??昨日（時間段）?同比上周（對比方式）下降了5%（定性的量化）

關于波動是否異常

明確波動是否是異常，并給出自己的判斷。

• 步驟1：結合之前的數據經驗和業務了解，初步判斷波動是否異常
• 步驟2：通過歷史一段時間內的自然波動閾值，查看相對波動值是否超出閾值，如果超出，則大概率是異常
• 步驟3：針對異常，給出一個明確的定性，是由于什么原因引起（一定要嘗試給結論，哪怕這個結論在初期是錯的，在不斷提升改進之后，也會越來越好）

tips：步驟3的結論總結，可以后期分析出結論后再給，當然，如果業務方著急，可以通過平時的積累和業務經驗做一個初步判斷

公式總結：歷史情況?+?波動閾值?+?初步判斷

如：對比去年的趨勢發現（歷史情況），此次下降超過了歷史波動閾值（3%）（波動閾值），推測由于 XX 原因引起（初步判斷）

第二步：定位波動的原因

我們再來解決“波動”的問題，也就是引起波動的原因。

原因初定：從大方向上，初步確定引起波動的原因。

從時間的角度

從時間的角度，我們可以依次看周同比、月同比、年同比。

即：從時間發展的角度，我們確認指標波動是否具有周期性，通過周期性的波動規律，我們能夠大致定位該次波動是否屬于季節性趨勢

比如：

• 招聘的高峰期都在年后，那年后換工作潮，會導致APP的各項指標增長；
• 旅行的高峰期都在節假日，那旅行相關APP的指標在節假日肯定會有波動；

從業務的角度

從業務的角度，我們可以去和對接業務方了解溝通，確認近期“動作”。

即：從業務的方向出發，我們確認指標波動是否由于業務的變動導致，通常業務的變動如果和指標的變動時間點能對上，那么大概率是由于業務變化導致

比如：

• 市場近期做了一波市場營銷，推廣了某活動，那么，某些流量相關指標會出現波動
• 渠道側調整了渠道投放策略，那么，某些留存&NU指標會出現波動

從指標的角度

從指標的角度，我們可以和數據工程師確認流程中的邏輯和執行流程。

即：從指標本身出發，我們確認指標波動是否由于ETL流程 or 指標計算口徑中未發現的“坑”導致，通常ETL流程部分失敗，或者埋點中，異常值增大，都是由于一些數據處理流程中的“坑”沒被發現導致。

比如：

• 產出業務指標的表格依賴上游3個表格，但是因為沒有配置依賴關系，且其中一個表格未產出，導致整體業務指標下跌。

這個問題通常整體指標都會波動，如果僅從時間和業務角度切入問題，對于問題的定位會比較難。

原因下鉆：確定大方向后，下鉆至能解釋波動50%以上的可落地因素

從時間的角度

從時間角度切入波動，一般都是周期性趨勢的解讀，如：

• 某教育相關APP，高考出成績那天流量達到頂峰，主要由于高考查分導致
• 某天氣相關APP，由于近期天氣多變，雨雪交加，導致流量上漲

tips：時間角度的切入，較考驗業務的了解程度；只有知道產品的用戶是誰，切入實際生活中，我們才能把指標波動和實際生活所結合

從業務的角度

從業務的角度，我們反而更容易切入問題，如：

• 渠道策略調整，導致NU及留存下降，那么我們對渠道細拆，就可以知道具體是哪個渠道影響了NU及留存

tips：針對業務的角度，我們需要確認，是業務上的什么“動作”影響了指標，就能比較清楚的知道原因及拆解方向

從指標的角度

從指標的角度，我們關注一些物理特性就好，如：機房、IP、域名、生成時間、整體數據量的大小。

因為通常情況下，ETL異常or指標中的“坑”，都會有較明顯的異常值，我們只需要監控常用的物理特性中的異常值就好。

tips：針對指標本身，我們只需要前期設定部分規則，監控規則下的數據大小變化，就能較容易的發現異常

公式總結：數據結論 + 業務解釋

如：拆分渠道后，我們發現，XX渠道NU大幅減少，對整體DAU減少貢獻XX%（數據結論）；該情況和市場核對后，發現主要是由于XX渠道ROI太低，渠道側減少該渠道的花費導致（業務解釋）

第三步：確立后續TODO

我們最后來解決“又”的問題，也就是 波動之后，我們該做什么。

我們在上面兩個步驟中，闡述了情況，明確了數據，解釋了原因。那么，后續我們該做什么呢？

如果是好的波動，我們復盤，我們下次如何做成這樣，或者做的更好。

如：市場做的活動，導致活躍orNU增加，那么下次，活動該如何做的更好，活動要不要更頻繁的做…

如果是壞的波動，我們復盤，我們下次如何避免這樣，或者提高。

如：APP某功能上線，要求用戶先使用功能A，才能使用功能B，導致留存下降；那么下次新功能上線時，是否需要做AB測試，是否需要提前做用戶問卷調研…

關于波動本身，我們是否對核心指標做了監控？

• 如果有，我們是否需要調整監控閾值，使異常抓取更敏感？
• 如果沒有，我們是否需要建設相關的監控，建立異常報警機制？

最后

提一個問題：如果一個指標能拆分至N個維度，我們在不和業務溝通的前提下，如何定位波動解讀的切入角度？

如：某流量型APP，整體流量可以拆分為 渠道、機型、城市、年齡、功能、是否算法推薦、是否運營操作等各種維度，在不和業務確認前，我們該如何定位本次波動需要從哪個角度切入？即 先拆解哪個維度，再拆解哪個維度？

以上，就是本期內容，希望對你有幫助。

本文由 @巡山貓 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。