一文搞懂数据异常问题该如何分析

点：首先排查数据准确性，确定是否属于数据错误。容易出现数据错误的环节有数据采集环节（埋点）、数据提取环节、产品环节（BUG）、业务环节（数据口径）等。如果没有问题进入下一步分析；

线：拉长时间周期，也就是进行纵向分析，看是否属于周期性波动，有些行业受季节或淡旺季影响较大，比如家电、饮料、在线教育等都受淡旺季影响较大。如果没有问题进入下一步分析；

面：首先，综合运用公式拆解法、多维度拆解法等对大问题进行拆解，拆解为一个个可着手分析的小问题；然后，通过计算影响系数初步定位到主要影响原因；最后，大胆假设，小心验证，通过假设检验法逐步排查到产生问题的根本原因。

比如，我们以销售收入下降为例，通过“点 - 线 - 面”分析中的“点 - 线”分析确认属于数据异常后，接下来就可以在“面”的分析环节中采用“三部曲分析”法，主要流程如下：

影响系数 = ( 细分项本月数 - 细分项上月数 ) ( 本月总量 - 上月总量 )

3. 通过假设检验法逐步排查根本原因

假设在计算影响系数后，初步确定主要是新用户减少引起的收入下降，接下来就需要对新用户数下降的原因进行假设，常见的假设维度有内、外部维度，其中内部维度主要有渠道侧、产品侧、运营侧、技术侧等等，然后通过数据逐一对上述假设进行验证。

以上是几种常见的拆分维度，通过初步拆分，定位原因大致范围。

点

拉长时间周期，不属于季节波动；

面

通过观察数据，发现新、老用户收入均有不同程度下滑，于是启动第二步，分别计算其影响系数。

2. 计算新、老用户收入影响系数

老用户收入影响系数 = (67 - 73) / (100 - 120) = 0.3

新用户收入影响系数0.7，说明总收入下降主要影响因素是新用户收入下降，明确问题的范围后接着进行细分，新用户收入的构成是什么？

新用户收入 = 新用户数量 * 转化率 * 客单价

通过调取数据分析发现，新用户转化率和客单价都保持稳定，那么问题就出在了新用户数量这个指标上，那新用户又是由什么构成呢？

新用户 = 渠道 1 + 渠道 2 + 渠道 3 + …… + 渠道 n 

于是我们把新用户按照其渠道来源进行拆分：

渠道流量下降可能的原因可以从两个大的维度进行考虑：对于外部维度，可以考虑外部环境变动、竞品变化等；对于内部维度，可能的原因有渠道线索问题、投放策略变化等。这个时候一方面要调取数据进行分析验证，另一方面需要联系渠道1的负责人一起定位具体原因，找到具体原因后，再对症下药。

本案例纯属虚构，如有雷同，纯属巧合。当然，实际的业务要比这复杂的多，需要考虑的因素也很多，花费的时间也会更长。但是，解决问题的方法论和流程是可复用的。相信大家以后再面对类似问题的时候，会有一个清晰的分析思路和明确的入手点。

最后，我们如果对上面的“点 - 线 - 面”分析法进行总结归纳的话，可以提炼为下面这张图：

希望这一篇能够对大家准备面试和实际工作有切实的帮助，如果同学觉得有帮助，欢迎点赞、转发啊！大家如果有其他想法，欢迎加入我一起讨论交流。