以下的文章内容来源于柯家媛老师的专栏，如果您想阅读专栏《小白必备的数据思维课》，点击下方链接

https://edu.cda.cn/goods/show/3844?targetId=6753&preview=0

要处理数据异常，我们要先知道什么是数据异常。首先要有数据，才能知道什么是“异常”。

比如突然的涨，突如其来的跌。数据涨跌是我们在日常工作中，最容易被发现的现象，也是我们平时工作中要去分析的。也就是说，平时数据没有波动，也许我们不需要去分析，但是如果数据有涨或者跌我们都需要去查出原因的。

为什么涨和跌都要关注？

相信很多朋友跟我一样，起初接触到数据，我只关心跌，为什么昨天的数据跌了？并去分析其原因，也会关心涨，但并不关心为什么涨，就像买股票一样，跌了痛心疾首，并分析原因，涨了满心欢喜，后悔自己为什么不买入多一点儿。

在数据分析的过程中，我们不仅仅要关心跌，以便采取相应动作，减缓跌的趋势，也更要关心涨，弄清楚涨的原因，并放大它，或者说是复制它！

数据异动分析5个步骤

针对异常数据的处理，通常有五个步骤：

1.发现异常

就像你发现昨天数据跟往前不一样，猛涨了还是猛跌了，通过观测数据发现异常。评估这个变化，可以问“异常的范围是什么？”“此时的变化是否属于异常？”

2.确定问题

发现异常之后，我们要确定这个异常是不是一个问题，有多严重，可以用对比分析法从时间维度上进行周同比、月同比或者是年同比。如果确实可以定义为自然增值，那么就没有太大的必要深究，如果定义为异常，那么就可以去挖掘导致变化的原因了。

3.确定原因

用多维度拆解法，对于这个异常的指标从不同的维度去拆解，找出原因。

这个步骤主要是考虑商业宣传和产品运营上的影响，是否有相关的操作可能导致该指标的变化？下面举3个例子：

（1）例如促销力度加大了，可能导致下单用户量猛增，但是销售额却没有多大变化；

（2）例如在快手上投放广告，没有在抖音上进行投放，所以产品里的北方人占比明显增加；

（3）例如在B站进行运营初见成效，导致产品中弹幕使用量、AWSL、我可以等网络用语激增；

4.针对性解决问题

找到原因之后，就是针对性的解决问题了，根据问题的原因，动用公司的相关资源，去解决这个问题。

5.执行

最后就是执行解决方案，把这个异常数据真正的从异常到执行，完成一个闭环。

案例解析

举个栗子：你现在是做社交APP产品的，在处理数据的过程中，发现某一天的数据异常，该如何分析？

发现问题：在对数据进行统计汇总时发现某一天的异常数据。

确定问题：数据跌了那么多，问题是不是很严重呢？往期有没有这么大的浮动？

由上图的周同比和月同比数据可以看出，往期是没有这个问题的，那说明这是一个严重的个例，表示这一天确实发生了什么事情，造成数据异常的情况。

确定原因：那是不是哪个省份出了问题呢？下面我们按省份进行查看，由下图可以看出，这次数据的猛跌是全国范围内的，基本上所有的省份都有下迭，这样就排除了某个区域下跌的原因。

那是不是设备出问题了呢？再来看不同操作系统的数据有什么不同，由下图可以看出安卓和iOS在这天都出现了下跌，所以排除了设备出问题的可能性。

那是不是服务挂了呢？按小时或者分钟来查看数据是不是符合平时流量规律？

通过上图可以看出，在这一天的0:01分，平台的数据为0，出现了断崖式下跌。而对于社交产品，以往这个时间用户活跃度是很高的，由此可以确定，这一天的数据异常确实是因为服务挂了。

针对性解决问题：联系相关负责人制定及时有效的解决方案。

执行：落实和监测解决方案的执行效果。

以上五个步骤看起来简单，但它是基于对业务洞察的基础之上的，需要根据以往的经验，才能做出这些判断。如果对自己的业务不了解，再多的工具或是方法论，都是没有用的。所以，需要大家在工作中，不断的积累，不断的验证。

业务分析是所有数据分析工作的基础，不懂业务根本没法进行数据分析，也无从判断数据是否异常。

通过上面的案例解析，发现在确定问题时我们提了很多假设，其实数据只是验证假设的支撑工具。而这些假设是基于对业务有足够了解的基础之上的，在这个过程中，需要不断的去试错，不断的积累行业及业务的洞察，才能做出这些假设。

以上的文章内容来源于柯家媛老师的专栏，如果您想阅读专栏《小白必备的数据思维课》，点击下方链接

https://edu.cda.cn/goods/show/3844?targetId=6753&preview=0