预计阅读时间：9min
你好，我是小火龙。
00
序言
当针对业务搭建好指标体系后，作为产品/运营同学，通常会选择1-2个「北极星指标」来度量产品的健康度。而作为数据同学，我们需要协助产品来监控日常指标波动，如果发现指标波动不符合预期，则需要对其进行查询。
作为数据同学，最大的问题可能有以下两点：
1、指标本身会自然波动，如何一眼就知道当日指标不正常？
2、当感知到指标异常后，如何快速对N多维度进行拆解，给出量化结论？
最开始，针对一些比较棘手的问题，我们有时会花半天到一天的时间进行排查，后来随着整套方案的落地及工具化，给出初步结论大概在30min以内。
下面将和大家分享一下我们之前的排查方案，希望能够对你有所帮助~~
01
如何快速发现指标异常
当指标在某天发生波动时，我们如何判断波动属于正常范围还是异常范围，往往是通过口口相传的经验判断的，核心在于「经验」。经验固然是判断指标波动阈值的核心，但对数据同学来说，我们可以更好的利用数据，「量化度量 经验」 进行判断，往往会更加标准化一些。
量化的方式可以涵盖很多种，这里我们主要根据 均值 标准差 进行衡量，以APP某功能CTR指标为例，如下图：
▲ ctr近30日波动趋势
步骤一：选取过去30日内的CTR指标作为近期趋势，时间不宜过长，主要度量近期情况。
步骤二：计算指标的均值和标准差，并且根据以往经验，初步选取加减一倍标准差作为正常区间范围，以上图为例，大概是均值±1%。（一般情况下，离线调研一次，心里大体有个数，指标的正常波动在什么范围内；如果追求精准，可以每天根据过去一段时间的趋势，动态评估）。
步骤三：在日常数据评估中，当指标波动大于阈值时，可重点关注。当然，并不代表波动小指标就不存在问题，这里解决的主要是概率的问题。
02
如何定位异动原因
当发觉指标的波动远远超过我们经验的阈值时，一般情况，会对指标进行下钻分析，通过维度的下钻，聚焦问题点。定位问题的方式也非常多的，这里主要向大家介绍一种相对通用且高效的排查思路，涵盖六步，如下图：
▲ 归因分析流程图
从图中我们可以看到，整个排查思路是一个从 宏观→微观→宏观 的流程，最终目的是给出量化的数据结论。
步骤一：宏观-多维钻取
当某天指标波动异常，我们下意识会想到是某个维度变化所导致的，例如：某天pv下降，可能是某个渠道、某个小时、某些类目所导致等。相信很多同学都是根据经验进行的判断。
其实维度钻取本身并不难，难点在于如何全面、高效的将所有维度进行钻取，并且可以精准的定位问题。因此，为了达到全面、高效的目的，需要做以下两点：
其一：维度累积。这个主要靠日常工作中我们对于业务的理解，将所有可能影响指标的维度提取出来，并且对核心维度进行交叉组合，作为多维钻取的养料。
例如：业务维度（渠道、品类）；时间维度（小时、上午/下午/晚上）；人群维度（年龄、性别）等。
其二：工具沉淀。要完成以上众多维度的高效钻取，通过一段段写SQL查询，效率会很低，因此我们需要一套可例行的多维分析工具，这部分内容会在下面几期进行详细介绍。
通过以上两个方面，我们就可以实现全面、高效的将可能触及问题的维度挖掘出来，产出内容包括但不限于：维度波动分数（例如：JSD分数）、当天pv、同期pv、pv变化绝对diff、pv变化相对diff等。
步骤二：宏观-异常聚焦
当完成多维钻取，产出各维度涨降幅数据后，需要将细分维度对大盘的影响进行量化度量，即我们常说的：贡献度度量，核心在于量化。
例如：整体pv增长100w，其中男性pv增长50w，则男性对整体大盘pv的贡献度为50%，在结论中需要体现量化结果。
其中贡献度在不同类型指标上有不同的计算方式，这个也会在下面几期进行分享。
在常规业务分析中，一般到此步骤，已经能解决80%左右的实际波动问题。而这两步也可以封装成例行“核心指标监控工具”，每日产出，快速定位数据问题。
但如果很不幸遇上了另外20%的情况，即：通过以上维度的下钻，各维度值均表现出普涨/普降的情况，这时就要考虑下钻到微观层面探索问题的本质。
步骤三：微观-Case分析
微观case层面主要是通过用户详细行为数据或者轻度汇总数据进行挖掘，这一步主要的目的在于发现可能的异常问题。但由于是单用户行为，会存在诸多干扰的情况，很容易被带偏，所以此步骤的核心在于发现问题，快速试错。
例如：我们通过随机抽取100个用户行为数据，维度涵盖底层数据表已有的所有维度，发现这些用户在某些版本上的行为分布明显较低，则可以将此维度作为聚合维度进行上卷，重复步骤一二的步骤。
到这一步，大概可以解决90%左右的实际波动问题。
步骤四：微观-假设及场景模拟
如果到此步，还没能找出核心的问题点，则说明此问题相对隐蔽，并且是我们日常维度累积中没有涉及到的。这个时候就需要我们根据业务场景，假设问题出现的原因，并尝试找到可度量的维度进行验证。
到这一步，基本可以解决95%左右的实际波动问题。
步骤五：宏观-维度上升
当进行完步骤三和步骤四之后，我们已经对可能的问题有了一定的累积，这个时候就可以将此维度上升到宏观层面，利用多维钻取工具进行挖掘，判断是否此问题，导致的指标大幅波动。
如果仍然不是此问题，那非常遗憾，仍然需要重复步骤三和步骤四，直至找到相应问题。
步骤六：宏观-输出结论
最后也是最为重要的一步，则是对问题下结论，正所谓“没有结论的分析都是耍流氓”。结论输出需要涵盖“数据发现问题”和“业务解释问题“，在与产运方沟通后，得出“业务化”的结论，这样才能更对老板的口味。
不好的结论：pv下降原因，50%是由于母婴类目影响。
好的结论：pv下降原因，50%是由于母婴类目影响，主要由于母婴频道上线推广活动所导致，预计下周将恢复往期水位。
另外一个需要注意的，则是大盘指标变动往往受到多方因素的影响，无法100%精确解释，或多或少会存在预估的成分，这个属于正常情况。
以上就是指标问题常规定位的方式，大家可以参考借鉴。
====干货结束，来个案例====
03
案例分析
以某垂类APP为例，对「人均访问次数」指标进行异常监控及排查。
1、发现问题
步骤一：根据调研，指标近1个月均值维持在10左右，标准差0.3左右，因此 [9.7, 10.3] 的范围认为是相对正常波动范围。
步骤二：11月11月，该指标同比上周相对降幅达到7%，远大于我们认知的自然波动区间，因此需要对其问题进行详细查询。
2、排查问题
步骤三：首先针对指标进行多维钻取，通过相对熵的方式挖掘异常维度，并结合指标贡献度定位到可能的问题维度。
其中：城市维度-深圳、广州等南方城市降幅贡献度相对明显；类目方面-呈现普降，某些类目降幅相对较大；其他维度均存在普降的情况。
在这样的数据表象上，考虑可能的问题：
- 当天为双十一，用户更多的精力去购物消费？
- 南方城市降温，是否会影响用户？
- 产品出现改版，是否对用户有一定影响？
但以上的猜测都不足以说明真实结论，因此我们选择下钻探索。
步骤四：随机抽取100个用户的行为详情，发现人均相对较低的大多集中在4g网络上，而wifi网络抽取的case来看，人均相对较高。两种可能性：
- 一种可能是这两种网络人群本身存在差异，属于正常现象。
- 另一种可能，则是4g网络的人均下降，导致问题的出现。
通过这个启示点，我们尝试将网络维度加入到维度钻取中。
步骤五：通过对网络维度的钻取，发现4g网络的降幅贡献度达到了整体的80%，远远大于以上任意维度中维度值的贡献，因此该问题大概率出现在网络类型上面。
步骤六：最后我们根据网络类型结合南方降温因素，基本可以解释问题发生的原因是由于降温所影响用户在户外的应用，所以最终给出的结论为“人均相对下降7%，主要由于南方天气降温所导致，贡献总降幅的80%；另外双十一及改版因素均有影响，但影响程度低于10%；预计下周指标恢复正常水位”。
以上就是本期的内容分享，如果大家有其他的方式和经验，也欢迎私信沟通探讨~~
END
【下期预告】本期遗留了两个问题，一个是「如何快速定位异常维度」；另一个是「针对不同类型指标，如何给出量化结论」。下期，将会和大家分享第一点。静待下期分享~~
【作者简介】互联网大厂数据分析专家，本系列「经验」类文章，会和大家分享一些近些年从事数据分析工作的一些心得体会，希望能够帮助到同行的同学，同时也渴望和大家在此沟通探讨。
