編輯導讀：工作里常常會出現(xiàn)關(guān)注的指標或數(shù)據(jù)出現(xiàn)波動，或者在分析某個功能時發(fā)現(xiàn)難以理解的數(shù)據(jù)的情況，當APP產(chǎn)品業(yè)務(wù)線的某個數(shù)據(jù)指標出現(xiàn)異常的波動時，該如何著手數(shù)據(jù)異常分析呢？本文作者從自身經(jīng)驗出發(fā)，圍繞數(shù)據(jù)波動的問題展開了思考，一起來看看~

一大早，剛剛到工位。

領(lǐng)導：“小明，XX指標昨天有些異常，你盡快確認下原因”。

小明：“好的，我這就看看，盡快給出結(jié)論”。

大家看到這個情景，不用我說，肯定都知道怎么回事兒。

相信大家都和小明一樣，遇到波動時，我們都會條件反射的疑問：啥又異常了？

但是，再深入想想，這個“異?！笔俏覀儭袄硭鶓?yīng)當”認為的“異?！?，并不一定是真異常。

數(shù)據(jù)分析切忌“理所應(yīng)當”，某些問題的原因，查到最后都在”理所應(yīng)當“里。

我們來拆解下“啥又異常了”這句話

“啥”

一定有個主體。

我們要非常明確的知道，XX指標波動了，代表的業(yè)務(wù)含義是什么。

我們才能知道，業(yè)務(wù)上，這個波動可能引發(fā)的原因，以及可能影響的范圍。

“波動”

就是起伏不定。

那么起伏了多少，我們?nèi)绾瘟炕?/p>

量化了波動大小，再去對比校驗，是否才能知道波動是否異常？

確認了波動異常，是否才應(yīng)該去定位引發(fā)異常的原因？

“又”

說明不止一次的發(fā)生了波動。

那么，對于這些不止一次發(fā)生過的波動，我們是否有詳盡的監(jiān)控機制，預(yù)警機制，原因鉆取機制？

再發(fā)現(xiàn)波動后，我們?nèi)绾胃咝?、準確的落地原因和后續(xù)改進措施？

根據(jù) “啥又異常了”?這句話的拆解，我們來總結(jié)下如何解讀指標的波動。

第一步：定位波動主體及波動性質(zhì)

我們先來解決“啥”的問題，也就是波動的主體以及波動是否異常。

關(guān)于波動的主體

明確是什么指標波動了，對應(yīng)的業(yè)務(wù)含義是什么。

如果是通用指標，那可以視情況而定是否需要解釋對應(yīng)的業(yè)務(wù)含義。

• 步驟1：什么指標在什么時間內(nèi)產(chǎn)生了波動，對應(yīng)的指標，在業(yè)務(wù)上的含義是什么
• 步驟2：這個波動的對比方式是什么？環(huán)比？同比？還是歷史均值？
• 步驟3：指標波動的大小，即對波動有一個具體量化

公式總結(jié)：業(yè)務(wù) + 時間段 + 對比方式 + 定性的量化

如：DAU（業(yè)務(wù)）??昨日（時間段）?同比上周（對比方式）下降了5%（定性的量化）

關(guān)于波動是否異常

明確波動是否是異常，并給出自己的判斷。

• 步驟1：結(jié)合之前的數(shù)據(jù)經(jīng)驗和業(yè)務(wù)了解，初步判斷波動是否異常
• 步驟2：通過歷史一段時間內(nèi)的自然波動閾值，查看相對波動值是否超出閾值，如果超出，則大概率是異常
• 步驟3：針對異常，給出一個明確的定性，是由于什么原因引起（一定要嘗試給結(jié)論，哪怕這個結(jié)論在初期是錯的，在不斷提升改進之后，也會越來越好）

tips：步驟3的結(jié)論總結(jié)，可以后期分析出結(jié)論后再給，當然，如果業(yè)務(wù)方著急，可以通過平時的積累和業(yè)務(wù)經(jīng)驗做一個初步判斷

公式總結(jié)：歷史情況?+?波動閾值?+?初步判斷

如：對比去年的趨勢發(fā)現(xiàn)（歷史情況），此次下降超過了歷史波動閾值（3%）（波動閾值），推測由于 XX 原因引起（初步判斷）

第二步：定位波動的原因

我們再來解決“波動”的問題，也就是引起波動的原因。

原因初定：從大方向上，初步確定引起波動的原因。

從時間的角度

從時間的角度，我們可以依次看周同比、月同比、年同比。

即：從時間發(fā)展的角度，我們確認指標波動是否具有周期性，通過周期性的波動規(guī)律，我們能夠大致定位該次波動是否屬于季節(jié)性趨勢

比如：

• 招聘的高峰期都在年后，那年后換工作潮，會導致APP的各項指標增長；
• 旅行的高峰期都在節(jié)假日，那旅行相關(guān)APP的指標在節(jié)假日肯定會有波動；

從業(yè)務(wù)的角度

從業(yè)務(wù)的角度，我們可以去和對接業(yè)務(wù)方了解溝通，確認近期“動作”。

即：從業(yè)務(wù)的方向出發(fā)，我們確認指標波動是否由于業(yè)務(wù)的變動導致，通常業(yè)務(wù)的變動如果和指標的變動時間點能對上，那么大概率是由于業(yè)務(wù)變化導致

比如：

• 市場近期做了一波市場營銷，推廣了某活動，那么，某些流量相關(guān)指標會出現(xiàn)波動
• 渠道側(cè)調(diào)整了渠道投放策略，那么，某些留存&NU指標會出現(xiàn)波動

從指標的角度

從指標的角度，我們可以和數(shù)據(jù)工程師確認流程中的邏輯和執(zhí)行流程。

即：從指標本身出發(fā)，我們確認指標波動是否由于ETL流程 or 指標計算口徑中未發(fā)現(xiàn)的“坑”導致，通常ETL流程部分失敗，或者埋點中，異常值增大，都是由于一些數(shù)據(jù)處理流程中的“坑”沒被發(fā)現(xiàn)導致。

比如：

• 產(chǎn)出業(yè)務(wù)指標的表格依賴上游3個表格，但是因為沒有配置依賴關(guān)系，且其中一個表格未產(chǎn)出，導致整體業(yè)務(wù)指標下跌。

這個問題通常整體指標都會波動，如果僅從時間和業(yè)務(wù)角度切入問題，對于問題的定位會比較難。

原因下鉆：確定大方向后，下鉆至能解釋波動50%以上的可落地因素

從時間的角度

從時間角度切入波動，一般都是周期性趨勢的解讀，如：

• 某教育相關(guān)APP，高考出成績那天流量達到頂峰，主要由于高考查分導致
• 某天氣相關(guān)APP，由于近期天氣多變，雨雪交加，導致流量上漲

tips：時間角度的切入，較考驗業(yè)務(wù)的了解程度；只有知道產(chǎn)品的用戶是誰，切入實際生活中，我們才能把指標波動和實際生活所結(jié)合

從業(yè)務(wù)的角度

從業(yè)務(wù)的角度，我們反而更容易切入問題，如：

• 渠道策略調(diào)整，導致NU及留存下降，那么我們對渠道細拆，就可以知道具體是哪個渠道影響了NU及留存

tips：針對業(yè)務(wù)的角度，我們需要確認，是業(yè)務(wù)上的什么“動作”影響了指標，就能比較清楚的知道原因及拆解方向

從指標的角度

從指標的角度，我們關(guān)注一些物理特性就好，如：機房、IP、域名、生成時間、整體數(shù)據(jù)量的大小。

因為通常情況下，ETL異常or指標中的“坑”，都會有較明顯的異常值，我們只需要監(jiān)控常用的物理特性中的異常值就好。

tips：針對指標本身，我們只需要前期設(shè)定部分規(guī)則，監(jiān)控規(guī)則下的數(shù)據(jù)大小變化，就能較容易的發(fā)現(xiàn)異常

公式總結(jié)：數(shù)據(jù)結(jié)論 + 業(yè)務(wù)解釋

如：拆分渠道后，我們發(fā)現(xiàn)，XX渠道NU大幅減少，對整體DAU減少貢獻XX%（數(shù)據(jù)結(jié)論）；該情況和市場核對后，發(fā)現(xiàn)主要是由于XX渠道ROI太低，渠道側(cè)減少該渠道的花費導致（業(yè)務(wù)解釋）

第三步：確立后續(xù)TODO

我們最后來解決“又”的問題，也就是 波動之后，我們該做什么。

我們在上面兩個步驟中，闡述了情況，明確了數(shù)據(jù)，解釋了原因。那么，后續(xù)我們該做什么呢？

如果是好的波動，我們復(fù)盤，我們下次如何做成這樣，或者做的更好。

如：市場做的活動，導致活躍orNU增加，那么下次，活動該如何做的更好，活動要不要更頻繁的做…

如果是壞的波動，我們復(fù)盤，我們下次如何避免這樣，或者提高。

如：APP某功能上線，要求用戶先使用功能A，才能使用功能B，導致留存下降；那么下次新功能上線時，是否需要做AB測試，是否需要提前做用戶問卷調(diào)研…

關(guān)于波動本身，我們是否對核心指標做了監(jiān)控？

• 如果有，我們是否需要調(diào)整監(jiān)控閾值，使異常抓取更敏感？
• 如果沒有，我們是否需要建設(shè)相關(guān)的監(jiān)控，建立異常報警機制？

最后

提一個問題：如果一個指標能拆分至N個維度，我們在不和業(yè)務(wù)溝通的前提下，如何定位波動解讀的切入角度？

如：某流量型APP，整體流量可以拆分為 渠道、機型、城市、年齡、功能、是否算法推薦、是否運營操作等各種維度，在不和業(yè)務(wù)確認前，我們該如何定位本次波動需要從哪個角度切入？即 先拆解哪個維度，再拆解哪個維度？

以上，就是本期內(nèi)容，希望對你有幫助。

本文由 @巡山貓 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。