知识体系_数据分析挖掘_指标异动归因分析

1 概述

日常工作中总有业务跑过来问：为什么xx指标突然/持续上升或下降，让赶紧帮忙分析原因，这就是指标异常波动分析。指标异常波动分析属于诊断型分析，旨在分析异常波动的原因。

异动分析的流程：异动识别-->异动归因-->得出结论，输出报告。

从浅到深的原因有三层：数据层原因-->行为层原因-->宏观层原因，在输出结论上，至少需要到行为层

例：某一天DAU突然下降了5%，一顿猛拆后结论如下：

数据原因：渠道A的DAU下降50%，贡献度85%
行为原因：市场部门今天开始不投放渠道A了，导致DAU下降了

宏观原因：为优化拉新，提高资源配置效率，于是决定不投放渠道A了

2 分析流程

2.1 异动识别

1.什么指标在什么时间发生多大的波动？

2.是什么类型指标？kpi指标？过程性指标？边缘指标？

3.是否真的异常波动

识别指标的异动，不是直接去看指标变没变，而是看指标的变化是否有实际业务影响。

纵向看：明确对比时间段，变动绝对值和幅度等，通过同比环比，确定指标变化是否因为周期性原因；确定是否真的是异常波动

横向看：与同行业比较、或者与大盘比较

2.2 异动归因

常见的指标类型可以分为：加减法指标、乘法指标、除法指标

2.2.1 加减法指标

适用情形：

情形一：将指标按某个维度拆解，归因指标是维度的不同取值下的指标值加总

情形二：归因指标是其它分析指标的加减之后的结构

归因逻辑：

(至为各个子指标的波动值)

第i个指标对波动的贡献值=

第i个指标对波动的贡献度= (贡献度总和为100%，与目标指标异动方向一致，为同向贡献，方向不一致，则为反向贡献）

案例：

维度	基期	本期	波动值（本期-基期）	贡献值	贡献度
电销分期金额	100