編輯導讀：數據異常監控分析不僅是數據分析面試中的高頻考題，同時也是業務分析中一項常態化的工作內容。當出現了數據異常波動的情況，應該如何進行分析呢？本文作者對此發表了自己的看法，與你分享。

一、數據異常波動的表現形式

數據異常監控分析不僅是數據分析面試中的高頻考題，同時也是業務分析中一項常態化的工作內容。當我們面對市場、產品、運營等各種業務場景，經常會發現很多異常數據的問題，比如：

1. 某APP日活DAU相比昨日突然下降了10%，該如何分析？
2. 某公司銷售收入環比上月下降了15%，該如何分析？
3. 某產品客單價環比上月下降了20%，該如何分析？
4. ……

上述各種業務場景，其實都是發現了數據有異常波動的情況，那接下來問題來了，我們該如何著手進行分析呢？大部分人解決問題的思路，都是直奔主題找原因，上來就去找出現異常的原因、異常點在哪里。其實這種分析思路有一個最大的弊端就是不夠體系化，往往能夠找到一些原因，但是很可能是片面的，甚至可能還會踩雷。接下來就給大家分享一種比較實用的方法，我個人稱之為“點 – 線 – 面”分析法。

二、數據異常分析的方法論

1. 點

首先排查數據準確性，確定是否屬于數據錯誤。容易出現數據錯誤的環節有數據采集環節（埋點）、數據提取環節、產品環節（BUG）、業務環節（數據口徑）等。如果沒有問題進入下一步分析；

2. 線

拉長時間周期，也就是進行縱向分析，看是否屬于周期性波動，有些行業受季節或淡旺季影響較大，比如家電、飲料、在線教育等都受淡旺季影響較大。如果沒有問題進入下一步分析；

3. 面

首先，綜合運用公式拆解法、多維度拆解法等對大問題進行拆解，拆解為一個個可著手分析的小問題；然后，通過計算影響系數初步定位到主要影響原因；最后，大膽假設，小心驗證，通過假設檢驗法逐步排查到產生問題的根本原因。

比如，我們以銷售收入下降為例，通過“點 – 線 – 面”分析中的“點 – 線”分析確認屬于數據異常后，接下來就可以在“面”的分析環節中采用“三部曲分析”法，主要流程如下：

1）運用公式拆解法、多維度拆解法等對大問題進行拆解

2）計算影響系數，定位主要原因影響系數=( 細分項本月數 -細分項上月數 ) / ( 本月總量 – 上月總量 )

影響系數越大，說明該維度數據就是造成總體波動的主要影響因素。

3）通過假設檢驗法逐步排查根本原因

假設在計算影響系數后，初步確定主要是新用戶減少引起的收入下降，接下來就需要對新用戶數下降的原因進行假設，常見的假設維度有內、外部維度，其中內部維度主要有渠道側、產品側、運營側、技術側等等，然后通過數據逐一對上述假設進行驗證。

以上是幾種常見的拆分維度，通過初步拆分，定位原因大致范圍。

三、數據異常分析的案例實戰

某連鎖零售集團最近兩年每月銷售收入保持穩中有升的趨勢，但是在2021年6月銷售收入突然下降了17%（下圖），這時銷售負責人非常著急，讓你盡快排查一下銷售下跌的原因。面對收入下降這種棘手的問題，如果對于沒有經驗的同學，確實還是比較頭疼的，就像那燙手的山芋，無從下手。

接下來，我們就按照按照上面的套路來演練一下。

1. 點

首先排查數據準確性，確定不屬于數據錯誤；

2. 線

拉長時間周期，不屬于季節波動；

3. 面

1）首先把總收入拆分成新、老用戶收入

如下圖：

通過觀察數據，發現新、老用戶收入均有不同程度下滑，于是啟動第二步，分別計算其影響系數。

2）計算新、老用戶收入影響系數

新用戶收入影響系數 =(33 – 47) /(100- 120) =0.7

老用戶收入影響系數 =(67 – 73)/(100- 120) =0.3

新用戶收入影響系數0.7，說明總收入下降主要影響因素是新用戶收入下降，明確問題的范圍后接著進行細分，新用戶收入的構成是什么？

新用戶收入 = 新用戶數量*轉化率* 客單價

通過調取數據分析發現，新用戶轉化率和客單價都保持穩定，那么問題就出在了新用戶數量這個指標上，那新用戶又是由什么構成呢？

新用戶 = 渠道 1 + 渠道 2 + 渠道 3 + …… + 渠道 n

于是我們把新用戶按照其渠道來源進行拆分：

通過對新用戶渠道來源進行拆分，我們發現渠道1在2021年6月新用戶數量下降非常嚴重，于是我們就定位到收入下滑的根本原因在于渠道1新用戶數量下滑嚴重。接下來我們就可以啟動第三步，對渠道1新用戶數量下滑原因進行假設檢驗。

3）對渠道新用戶數下滑原因進行假設檢驗

渠道流量下降可能的原因可以從兩個大的維度進行考慮：對于外部維度，可以考慮外部環境變動、競品變化等；對于內部維度，可能的原因有渠道線索問題、投放策略變化等。這個時候一方面要調取數據進行分析驗證，另一方面需要聯系渠道1的負責人一起定位具體原因，找到具體原因后，再對癥下藥。

本案例純屬虛構，如有雷同，純屬巧合。當然，實際的業務要比這復雜的多，需要考慮的因素也很多，花費的時間也會更長。但是，解決問題的方法論和流程是可復用的。相信大家以后再面對類似問題的時候，會有一個清晰的分析思路和明確的入手點。

最后，我們如果對上面的“點 – 線 – 面”分析法進行總結歸納的話，可以提煉為下面這張圖：

希望這一篇能夠對大家準備面試和實際工作有切實的幫助，如果同學覺得有幫助，歡迎點贊、轉發??！大家如果有其他想法，歡迎加入我一起討論交流。

本文由 @知了數據分析 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。