数据分析/运营——数据异常的排查方法

---

前言

如果老板问你最近日活量（或者其他指标）出现下降/异常，是什么原因？
数据异常主要从两个大方向进行排查：①数据是否有问题？②业务是否有问题？
针对这两个方向，可以将数据异常排查分为以下几个步骤：

一、数据是否有问题，即数据是否是真的异常？

（1）亲自查看数据准确性，不要人云亦云
（2）时间轴拉长，看是近期异常（3个月）还是历史异常
（3）看和该指标关联的其他指标或其他核心指标是否也异常
（4）找到一个关键任务（产品/数据），提前沟通一下

二、如果数据是真的异常，怎么排查？

在分析异常原因时，最好先将用户进行拆分，常见的几个拆分维度
（1）按注册时间：新用户/老用户
（2）按登陆平台：iOS/安卓
（3）按新旧版本：新版本/旧版本
（4）按时间：淡季旺季、日间和夜间、周期性产品
将用户进行细分后，再分别对每一个维度进行原因排查，最大概率法归类（找出所有的可能，讲它们出现的概率进行排序）
（1）假期效应：开学季、暑期、四大节、当地节日
（2）热点事件：常规热点和世界杯、突发热点某爆款IP
（3）活动影响：双11、618、公司层面活动
（4）政策影响：互联网金融监管、快递行业实名
（5）底层系统故障：数据传输、存储、清洗有无问题
（6）统计口径：业务逻辑更改、指标计算方式更改

三、针对步骤二发现的异常原因进行验证

（1）凡事用数据说话，即便是有时候觉得异常原因很符合我们的直觉，但是如果有条件的话，还是希望能够进行一下ABtest、假设检验，用数据验证你的假设。

四、案例分析

以下是一个案例分析：

总结

先检查数据是否真的异常，如果是，那么将用户进行细分，分别找出每一部分用户最可能的异常原因，最后使用数据对这些原因进行验证。**