在分析資料過程中，你是不是經常遇到很多異常資料的問題，比如：
- 某家商店近一周的成交量環比突然下降了10%
- 某個APP的日活使用者數相比昨天下降了15%
- ……
在遇到這些資料異常問題時我們要怎麼進行分析呢？怎樣才能準确快速地定位到異常原因呢？今天就來跟大家分享一下異常資料排查的思路。
01資料準确性
我們在面對異常資料的第一步就是要确認資料的準确性，也是就是這個異常是否是真的異常，而不僅僅隻是資料統計出現了問題。
很多新手在進行分析時往往會忽略這一步，直接預設資料庫中的資料就是準确的，這樣其實是不對的，在沒有确認資料的準确性就框框一頓分析，很有可能就會白做工。
那麼要如何确認資料的準确性呢？這個可以分為三步驟。
1、确認資料埋點正确
資料埋點是我們取數的基礎，確定埋點資料的正确性是資料分析首要做的事情。
例如某APP日活相比昨天下降15%，作為資料分析師的我們首先應該确認資料庫中的埋點資料是否有異常。
比如，資料是否同步更新到最新，資料庫資料字段類型是否正确，資料是否出現bug顯示為空等等。
2、确認資料口徑
出現異常資料的另一個可能性是，你進行計算使用的資料表或者字段并不是目标計算需求應該使用的資料。簡單來說，就是使用了錯誤的資料表或字段。
是以在進行分析之前，了解資料埋點的含義并仔細确認所使用的資料字段是符合需求也是非常重要的。
3、确認計算是否正确
除了資料埋點和資料口徑，錯誤的計算邏輯或者計算方式也可能是出現異常資料的原因。是以，我們需要理清計算的邏輯，確定邏輯和方式沒有問題。
02同期事件評估
在我們确認資料源層面沒有問題，即我們發現的資料異常真的就是異常後，我們就需要對這個異常發生的時間節點下的相關事件進行分析，看是否是它們造成了異常。
下面是我們可以考慮的一些同期事件的角度：
| 角度 | 說明 |
| 營運政策 | 例如某個門店的銷售量在某月出現了異常上漲，可能是由于在該月該門店發起了店慶活動，吸引了更多的客戶購買。 |
| 推廣管道 | 例如某商品在淘寶的銷售額下降了，可以考慮該商品是否有在其他管道進行更優惠的推廣，該商品在其他銷售管道的銷售額是否上漲，進而導緻淘寶管道的銷售量下降。 |
| 季節性變化 | 某些商品可能會受到季節的影響，比如雪糕在夏天的銷量一定是比冬天好的。 |
| 節假日 | 例如，某to B類辦公工具在節假日的使用情況一定會低于工作日，比如呈現這種周六周末資料下降的趨勢： |
| 社會熱點相關 | 階段性的資料異常可能也會受到社會熱點的影響 |
| 競品 | 競品的産品政策也會影響到自家的産品 |
| 國家政策 | 某些國家政策的改變 |
| 産品疊代 | 産品的疊代更新 |
03次元拆分分析
如果你發現同期事件并不是導緻資料異常的原因，那麼就可以對資料展示的次元進行拆分來進一步分析。
例如：某網站當天的訂單量相比昨天明顯下跌，我們就可以從産品、流量、使用者的角度進行拆解分析。
産品角度：
在确認資料是準确的，和業務人員确認進行并沒有額外的營運活動，并沒有負面報道被擴散、并沒有競争對手在做活動後，我們可以先從産品的角度進行分析。
通過折線圖發現，在8月12日到8月17日期間，尤其在16号到17号，該電商售賣的五個産品中，隻有5号産品在商品下單存在上升的情況，其他4個産品均出現了大幅度下滑狀況。
幾乎所有産品種類都出現了訂單下滑的情況，隻有一個個别情況，那麼基本可以判斷不是産品本身的問題，可能産品之外的因素出現了問題。
是以，我們分析一下其他因素，看一下是否是某類商品缺貨、或者價格上出現了問題。
首先分析是否是因為商品的缺貨影響了訂單量的下降，我們建立相關圖表，如下所示：
從圖中可以看出，五個産品的貨存量都很充足，基本都在100以上、200以下，貨存量均遠超進貨量且未出現明顯的波動。
一般來說，進貨量的波動是因為貨物産生了進入和流出的比例： 流入大于流出說明供大于求，出現商品積壓的現象；流出大于流入說明供不應求，出現商品短缺的現象；
那麼是否是由于價格的變動導緻訂單下降呢？一般來說，價格是最能影響銷量的因素之一，是以我們建立了不同産品的進貨單價示意圖：
由上圖可知，産品進貨單價并沒有出現異常大幅度的波動，基本可以判定訂單下降情況與産品價格無關。
流量角度：
既然産品内部沒有出現異常，那我們猜測是網站流量出現了問題，比如可能是網站的主要廣告推廣管道沒有及時續費、廣告被平台下架導緻使用者查找不到該商品等等。
但是從上圖網站流量來看，通路量和跳出次數雖然有上下波動的迹象，但是波動範圍都處于正常水準，這一步基本可以排除網站流量的原因。
使用者角度：
最後我們再來看一下使用者流程當中的各種名額，我們可以以一個漏鬥模型描述使用者下單的過程：
使用者打開某APP——搜尋關鍵詞查找想要的商品——浏覽商品清單——點選商品詳情頁——根據自己的喜好程度咨詢商品客服人員——滿足自己購買意向添加到購物車——對商品進行支付——最後交易成功——商家發貨。
我們計算每個每個步驟的轉化率，看具體是哪個環節出了問題如下圖所示：
通過資料發現“付款後-交易成功”的轉化率很高的，但是“付款-交易成功”環節的轉化率出現了異常，一般來說使用者付款之後很少會出現交易失敗的行為，是以這是一個極度反常的現象！
是以懷疑是由于産品界面的付款功能出現了異常，使用者付款成功後，平台顯示交易失敗，将錢款退給了使用者，後來經過産品方的确認，證明确實是因為付款界面的BUG引起的訂單下降，通過及時補救，很快訂單量又恢複了正常。