以下的文章內容來源于柯家媛老師的專欄，如果您想閱讀專欄《小白必備的數據思維課》，點擊下方鏈接

https://edu.cda.cn/goods/show/3844?targetId=6753&preview=0

要處理數據異常，我們要先知道什么是數據異常。首先要有數據，才能知道什么是“異?！?。

比如突然的漲，突如其來的跌。數據漲跌是我們在日常工作中，最容易被發現的現象，也是我們平時工作中要去分析的。也就是說，平時數據沒有波動，也許我們不需要去分析，但是如果數據有漲或者跌我們都需要去查出原因的。

為什么漲和跌都要關注？

相信很多朋友跟我一樣，起初接觸到數據，我只關心跌，為什么昨天的數據跌了？并去分析其原因，也會關心漲，但并不關心為什么漲，就像買股票一樣，跌了痛心疾首，并分析原因，漲了滿心歡喜，后悔自己為什么不買入多一點兒。

在數據分析的過程中，我們不僅僅要關心跌，以便采取相應動作，減緩跌的趨勢，也更要關心漲，弄清楚漲的原因，并放大它，或者說是復制它！

數據異動分析5個步驟

針對異常數據的處理，通常有五個步驟：

1.發現異常

就像你發現昨天數據跟往前不一樣，猛漲了還是猛跌了，通過觀測數據發現異常。評估這個變化，可以問“異常的范圍是什么？”“此時的變化是否屬于異常？”

2.確定問題

發現異常之后，我們要確定這個異常是不是一個問題，有多嚴重，可以用對比分析法從時間維度上進行周同比、月同比或者是年同比。如果確實可以定義為自然增值，那么就沒有太大的必要深究，如果定義為異常，那么就可以去挖掘導致變化的原因了。

3.確定原因

用多維度拆解法，對于這個異常的指標從不同的維度去拆解，找出原因。

這個步驟主要是考慮商業宣傳和產品運營上的影響，是否有相關的操作可能導致該指標的變化？下面舉3個例子：

（1）例如促銷力度加大了，可能導致下單用戶量猛增，但是銷售額卻沒有多大變化；

（2）例如在快手上投放廣告，沒有在抖音上進行投放，所以產品里的北方人占比明顯增加；

（3）例如在B站進行運營初見成效，導致產品中彈幕使用量、AWSL、我可以等網絡用語激增；

4.針對性解決問題

找到原因之后，就是針對性的解決問題了，根據問題的原因，動用公司的相關資源，去解決這個問題。

5.執行

最后就是執行解決方案，把這個異常數據真正的從異常到執行，完成一個閉環。

案例解析

舉個栗子：你現在是做社交APP產品的，在處理數據的過程中，發現某一天的數據異常，該如何分析？

發現問題：在對數據進行統計匯總時發現某一天的異常數據。

確定問題：數據跌了那么多，問題是不是很嚴重呢？往期有沒有這么大的浮動？

由上圖的周同比和月同比數據可以看出，往期是沒有這個問題的，那說明這是一個嚴重的個例，表示這一天確實發生了什么事情，造成數據異常的情況。

確定原因：那是不是哪個省份出了問題呢？下面我們按省份進行查看，由下圖可以看出，這次數據的猛跌是全國范圍內的，基本上所有的省份都有下迭，這樣就排除了某個區域下跌的原因。

那是不是設備出問題了呢？再來看不同操作系統的數據有什么不同，由下圖可以看出安卓和iOS在這天都出現了下跌，所以排除了設備出問題的可能性。

那是不是服務掛了呢？按小時或者分鐘來查看數據是不是符合平時流量規律？

通過上圖可以看出，在這一天的0:01分，平臺的數據為0，出現了斷崖式下跌。而對于社交產品，以往這個時間用戶活躍度是很高的，由此可以確定，這一天的數據異常確實是因為服務掛了。

針對性解決問題：聯系相關負責人制定及時有效的解決方案。

執行：落實和監測解決方案的執行效果。

以上五個步驟看起來簡單，但它是基于對業務洞察的基礎之上的，需要根據以往的經驗，才能做出這些判斷。如果對自己的業務不了解，再多的工具或是方法論，都是沒有用的。所以，需要大家在工作中，不斷的積累，不斷的驗證。

業務分析是所有數據分析工作的基礎，不懂業務根本沒法進行數據分析，也無從判斷數據是否異常。

通過上面的案例解析，發現在確定問題時我們提了很多假設，其實數據只是驗證假設的支撐工具。而這些假設是基于對業務有足夠了解的基礎之上的，在這個過程中，需要不斷的去試錯，不斷的積累行業及業務的洞察，才能做出這些假設。

以上的文章內容來源于柯家媛老師的專欄，如果您想閱讀專欄《小白必備的數據思維課》，點擊下方鏈接

https://edu.cda.cn/goods/show/3844?targetId=6753&preview=0