指标异常排查

对于某一块业务来说，建立完数据指标体系，整体的业务就得到监 控。当数据发生异动时，通过数据指标体系拆解，能够快速定位问题。 本节的重点有三个：第一，理解数据异动背后的业务意义，这是最重要 的；第二，出现数据异动后，应该如何快速定位问题；第三，从数据埋 点到数据指标体系再到数据异动分析的闭环思维体系。

1、判断数据波动是否正常

根据指标背后代表的意义，确定数据波动是否正常。脱离业务含义的分析没有意义

2、数据波动的方法论

1. 排除数据周期性波动

数据的周期性波动是一种自然形态的波动。例如，对于一款游戏来 说，周末、节假日的DAU肯定比工作日要高；如果看小时数据的话，每 天12：00～14：00及20：00以后的数据会比其他时间段的高

又如，公众号文章的阅读量周内普遍高于周末。 当遇到一个数据异动排查的问题，首先需要确定这个问题是不是周 期性波动的问题，如果是，告诉业务方这是周期性的变化即可。

总结一下，排查数据异动的第一步是，先确定数据的波动是否是周 期性波动引起的，因为周期性波动属于正常的波动。对于不同的业务， 周期性波动可能会受到季节、节假日、周末等因素的影响，需视具体的 业务情况而定。

2.排除业务内部因素引起的数据波动

通常情况下，内部影响来源于业务活动。例如，运营人员经常组织 的拉新、促活、促销等活动通常会造成某一段时间内的活跃用户数、销 售额等指标高于平时。

举个简单的例子来说，如图6-20（a）所示，在某段时间内业务方 推出了登录奖励活动，该段时间的DAU增长了35%左右，但是活动结束 之后DAU又回到了正常水平。这类由业务方内部主动行为造成的数据波 动也属于正常波动。

面对这种情况，数据分析师可以更进一步地帮助业务方分析活动效 果，从数据的角度找出有哪些点是可以提升的，如果数据分析师能给出 一些意见或建议，就更好了。这样的数据分析才是有价值的，最终是能 够帮助业务方的

3.排除外部因素引起的数据波动

除了业务方主动行为造成的数据波动，还会有一些外部因素造成的 数据波动。例如，天气、政策、竞争对手等外部因素的影响，数据分析 师也无能为力。这里也举个例子进行说明，如图6-21所示，比如某款竞 品在国外被禁了，公司产品作为替代品，其DAU瞬间暴涨。这就是政策 因素带来的利好情况，虽然现实中大部分情况是负面的。

所以对于这些不可控的外部因素的影响，特别是负面的影响，数据 分析师可以评估其影响范围和影响周期，反馈给业务方以帮助其决策。

4.排除数据传输问题引起的数据波动

对于数据传输问题，数据分析师需要先排查报表的数据是否能和底 层数据库的数据对上。如果能够对上，就说明监控报表的数据是没有问 题的，是业务本身出现了波动。这个波动的影响因素到底是什么，就需 要通过逻辑树的方法进一步地分析了。 如果报表的数据和底层数据库的数据对不上，就需要根据数据传输 流程回溯每一个关键节点去找到真正出问题的环节，可能是数据调度的 问题，也可能是数据入库的问题，还可能是客户端/服务器等数据记录 的问题。

5.通过逻辑树确定数据波动影响因素

    首先，数据分析师需要对DAU进行拆解，根据用户构成可以将 DAU拆解为新用户和老用户；老用户又可以拆分为留存用户和回流用 户；回流用户又可以继续拆分为近七日注册的回流用户和七天前注册的 回流用户。通过这样的拆分，可以看出到底是新用户少了还是老用户少 了，明确问题后继续向下拆分确定最细颗粒度的影响因素。

    数据分析师也可以对新用户进行其他维度的拆分，可以按地区进行 拆分，看看到底是哪个地区的新用户减少造成的，如果是整体用户减少 造成的，那可能是产品本身存在一定问题，和新用户的匹配性不是很 好；如果是某个地区的用户减少，则可以继续拆解维度，可以考虑以服 务器为维度进行拆解，因为某个地区的用户骤减可能是该地区服务器坏 了，这是思考角度之一；还可能是产品在当地的本地化做得不够好，对 于某个地区的用户群体没有足够的吸引力。

6.从数据埋点到指标体系再到指标异动的闭环

数据埋点是数据指标体系构建的基础，通过埋点能获取大量的用户 行为数据；有了用户行为数据，可以提练出数据指标和监控维度，实现 对业务变化趋势的实时监控；当业务出现数据异动时，可以通过指标体 系中的不同维度的组合排查影响到业务、产生数据异动的具体因素。 从数据埋点到数据指标体系的构建再到数据异动分析，三位一体监 控业务变化，形成一个闭环。