在分析數據過程中，你是不是經常遇到很多異常數據的問題，比如:

某家商店近一週的成交量環比突然下降了10%；某個APP的日活用戶數相比昨天下降了15%………

🙋‍♂️在遇到這些數據異常問題時我們要怎麼進行分析呢？怎樣才能準確快速地定位到異常原因呢？今天就來跟大家分享一下異常數據排查的思路。

數據準確性
我們在面對異常數據的第一步就是要確認數據的準確性，也是就是這個異常是否是真的異常，而不僅僅只是數據統計出現了問題。

👉很多新手在進行分析時往往會忽略這一步，直接默認數據庫中的數據就是準確的，這樣其實是不對的，在沒有確認數據的準確性就分析，很有可能就會白做工。

那麼要如何確認數據的準確性呢？這可以分爲三個步驟：

✅確認數據埋點正確
數據埋點是我們取數的基礎，確保埋點數據的正確性是數據分析首要做的事情。

例如某APP日活相比昨天下降15%，作爲數據分析師的我們首先應該確認數據庫中的埋點數據是否有異常。比如，數據是否同步更新到最新，數據庫數據字段類型是否正確，數據是否出現bug顯示爲空等等。

✅確認數據口徑
出現異常數據的另一個可能性是:你進行計算使用的數據表或者字段並不是目標計算需求應該使用的數據。簡單來說，就是使用了錯誤的數據表或字段。

因此在進行分析之前，瞭解數據埋點的含義並仔細確認所使用的數據字段是符合需求也是非常重要的。

✅確認計算是否正確
除了數據埋點和數據口徑，錯誤的計算邏輯或者計算方式也可能是出現異常數據的原因。因此，我們需要釐清計算的邏輯，確保邏輯和方式沒有問題。

同期事件評估
在我們確認數據源層面沒有問題，即我們發現的數據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:

維度拆分分析
如果你發現同期事件並不是導致數據異常的原因，那麼就可以對數據展示的維度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，我們就可以從產品、流量、用戶的角度進行拆解分析。

1️⃣產品角度

在確認數據是準確的，和業務人員確認並沒有額外的運營活動，並沒有負面報道被擴散、並沒有競爭對手在做活動後，我們可以先從產品的角度進行分析。

通過折線圖發現，在8月12日到8月17日期間，尤其在16號到17號，該電商售賣的五個產品中，只有5號產品在商品下單存在上升的情況，其他4個產品均出現了大幅度下滑狀況。

幾乎所有產品種類都出現了訂單下滑的情況，只有一個個別情況，那麼基本可以判斷不是產品本身的問題，可能產品之外的因素出現了問題。因此，我們分析一下其他因素，看看是否是某類商品缺貨、或價格上出現了問題。首先分析是否是因爲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，五個產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，進貨量的波動是因爲貨物產生了進入和流出的比例：流入大於流出說明供大於求，出現商品積壓的現象；流出大於流入說明供不應求，出現商品短缺的現象；

❓那麼是否是由於價格的變動導致訂單下降呢？一般來說，價格是最能影響銷量的因素之一，因此我們建立了不同產品的進貨單價示意圖：

由上圖可知，產品進貨單價並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產品價格無關。

2️⃣流量角度

既然產品內部沒有出現異常，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渠道沒有及時續費、廣告被平臺下架導致用戶查找不到該商品等等。

但是從上圖網站流量來看，訪問量和跳出次數雖然有上下波動的跡象，但是波動範圍都處於正常水平，這一步基本可以排除網站流量的原因。

3️⃣用戶角度

最後我們再來看一下用戶流程當中的各種指標，我們可以以一個漏斗模型描述用戶下單的過程：

用戶打開某APP → 搜索關鍵詞查找想要的商品 → 瀏覽商品列表 → 點擊商品詳情頁 → 根據自己的喜好程度諮詢商品客服人員 → 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：

通過數據發現“付款後-交易成功”的轉化率很高，但是“付款-交易成功”環節的轉化率出現了異常，一般來說用戶付款之後很少會出現交易失敗的行爲，因此這是一個極度反常的現象！

因此懷疑是由於產品界面的付款功能出現了異常，用戶付款成功後，平臺顯示交易失敗，將錢款退給了用戶，後來經過產品方的確認，證明確實是因爲付款界面的BUG引起的訂單下降，通過及時補救，很快訂單量又恢復了正常。

以上就是本期的內容分享~~，碼字不易，如果覺得對你有一點點幫助，歡迎「追蹤」，「點贊」，「分享」喔，我會持續為大家輸出優質的內容~~