如何定位和发现数据指标的异常，以及背后的原因？ | 数据分析

1.如何判断是否是异常数据指标？

通过环比和同比来判断是个例还是趋势。

环比，与前一个相邻的时期做比较，如今年的1月和2月比较；昨天数据与今天比较。

同比，历史不同时期的比较，如2019年12月与2020年12月比较。如每年618数据对比。

2.确定数据是异常后，如何思考？

定位异常的一级数据指标，然后拆解相关的二级指标，逐一排查。

步骤小结：

1发现异常数据；

2确定问题属性，通过环比和同比；

3定位问题原因，逐级拆解数据、行为路径，直到发现原因；

4采取措施；

5验证优化。

运营人对异常数据的争取认知

高于平均数据，找到原因，及时放大；

低于平均数据，及时止损，迭代优化。

常见的数据异常的假设

1活动影响，做活动前中的数据，关注活动页面和流程所有数据；

2策略调整，对比调整前后数据，关注这个策略影响的关键核心数据；

3渠道问题，拆分流量来源，分析流量趋势；

4节假日；

5技术原因，故障发生时间前后数据对比。

总结：

1数据分析的思路才是重中之重，而不是工具；

2结合业务的数据，才是有意义的数据；

3不断积累经验，才能加快找到原因的速度，判断才更准确。