大家好，又见面了，我是你们的朋友全栈君。
What
业务都会面对“为什么涨、为什么降、原因是什么？”，因此日常数据分析80%总是在围绕指标异动做分析，进行原因定位，常见的指标异动分析例如GMV、DAU等为何下降？
Why
指标异动分析有利于为业务方建立业务抓手，及时定位业务异常原因，进而制定相应的运营调整策略，保障业务正常稳定发展
How
1、明确异常指标波动标准（净值 百分比）
业务指标会随着内外部环境变动而不断变化，数据的波动主要体现在变动日期与基准日期的对比（同环比）出现上升或下降。指标波动通常分为周期性波动、突发性波动、持续性波动。
周期性变动：
与业务周期属性相关，比如旅游产品，周末、节假日等时间段与平常工作日期会形成规律性的周期波动。
突发性波动：
因内外部环境突发事件造成的指标大幅波动，比如微博的舆论事件对应的转发量等；
持续性波动：
因业务本身问题或生命周期趋势引起的持续性波动，比如已经过了热销爆款的产品，将会随着生命周期的发展，销售额逐步下降直至完全退出市场。
异常的判断需要结合业务的属性、发展阶段、指标特征、对比的周期综合确定评价标准。首先是指标评价的依据，即凭什么说指标波动了，和历史同期比通常的方式是对比分析波动幅度的大小，可以是百分比或者绝对量，异常指标波动阈值要以来实际业务场景来定。
2、确认是否数据质量问题（质检报告）
数据质量是数据分析的前提条件，在着手分析之前，一定要先确认数据的准确性，数据质量可以说是数据产品的生命线，没数据时，业务可以基于经验等多方考虑去决策，但如果数据质量有问题给业务带来错误的决策引导，那就是好心办坏事了。
数据质量的把控，可以通过数据质量监控报警日报每日巡检指标涉及的任务运行情况、数据生产链路的表的质量情况（一致性、及时性、准确性、完整性监控）
当监控发现数据质量异常时，数据人员第一时间进行问题排查和恢复处理，并且产品端通过调用质量监控结果的接口数据，进行异常提醒，降低错误数据对业务决策的负面影响。
3、指标拆解（指标构成 加减乘除）
明确定义，并拆解指标，了解指标的构成，方便进一步定位异常部分
4、确定常用分析维度（常用分析方法论： 人货场 5W2H ）
多维分析是常用分析方法之一，将指标按照一定维度下钻细分，可以很快定位指标变化的主要因素，了解引起指标变动的直接原因。 常用的分析维度有人货场 5W2H等。
以人货场为例：
人：
用户类型：新老客户、付费消费、是否VIP等
用户画像：地区 年龄 职业 性别等基础属性，登录频次、ARPU等业务属性
货:
产品品类、品牌、供应链类型、供应商、产品生命周期等
场：
平台、渠道、国家、区域、时间、版本
5、统计影响系数，确认影响因子
计算影响系数：每一项数据都要和以往正常值做对比，算出影响系数。
影响系数=(今日量-昨日量)/(今日总量-昨日总量)
影响系数越大，说明此处就是主要的下降点
6、定位原因（产品功能迭代 系统异常 运营策略调整 ）
针对初步定位的影响范围，定位主要的影响维度后，可以从内外部环境变动因素定位具体指标异动原因
原因分析对维度、细分指标进行原因分析，综合考虑以往数据异常原因、产品运营技术侧调整、初步定位的影响范围最可能由什么原因造成，再结合自身业务经验确定几个最可能的原因假设，给这些假设排数据验证的优先级，逐一排查。
外部因素（PEST方法、环境)
P政策
如突发政治政策，用户信息安全监控政策出台后，一些赴美上市的出行、招聘等企业新用户停止注册，业务会出现大幅波动。
E经济
市场经济下行，行业不景气等造成的业务影响。
S社会文化
竞对出现，互联网业务新入局者往往会在营销、补贴等方面投入更多的资源，以跑马圈地获取用户，对于忠诚度不高的趋利型用户，会被直接转移，百度、美团、饿了么外卖市场三足鼎立时，很多人同时装三个App，哪个补贴多用哪个
T技术
技术的更新迭代，必将影响落后技术的企业市场份额，如Android阵营的发展让诺基亚手机业务逐步退出市场。
自然环境
如天气，外卖业务白领区域来说，工作日遇到雨雪天气，出门吃饭的人会大大减少，外卖订单激增。
内部因素
产品侧：
功能调整
版本迭代
技术侧：
接口不稳定
系统故障
网页打不开、加载慢
运营侧：
运营策略
广告投放
运营活动（提活跃、促留存、拉付费）
push效果
拉新渠道
7、解决策略
一份完整的指标异动分析需要在分析定位到异动原因后，能否提出对应的解决运营策略，从而成一份可落地 可执行的数据分析报告，
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/132520.html原文链接：https://javaforall.net
