数据分析常见业务问题一【指标异动】

 ReadMe

指标异动的原因排查占日常工作的百分之30%左右，主要包括：确认异动和探究异动原因两个部分。

确定指标异动

异动指标通常是公司的北极星指标。
如：DAU，在线时长，GMV，留存率和转化率等。

初步发现指标异动一般是领导点开公司的数据看板，突然发现有一项指标的折线居然猛烈下跌！于是叫来分析师：小数啊，咱们公司数据出大问题了，下午告诉我怎么回事。

而这个初步发现不一定是真实的。
- 有可能是数据预期内的周期性波动（多年以来周一DAU就偏低）
- 外部大事件的影响（微博鹿晗官宣都去看导致没人用你们产品了）
- 甚至有可能是数据看板的纵坐标设计得刻度太细了导致在正常范围的波动被放大（记得赶紧改，不然还得问）。
有经验的数据分析师会首先对是否是异常波动进行一次确认。

确认的方法是：拉长指标的日期范围——观察是否有周期性，并多日期分段的进行对比——进行同比分析
具体使用哪段日期需要纳入一些经验参考。比如：
- 波动横跨节假日：适合参考年同比值
- 波动期间有功能上线/运营活动：适合参考功能上线周期前后日均值
- 拉长数据明细，观察是否有特定周期性波动；
- 观察外部大事件时间重合度：选定事件前后日均值
等等

如果和benchmark对比，数据波