? ? ? ?異常分析是數(shù)據(jù)分析過程中，最常見也最基本的工作內(nèi)容之一，是指對不正常的數(shù)據(jù)進行分析并試圖尋找可能發(fā)生的原因。

一、分析流程圖

二、數(shù)據(jù)異常判斷

1、判斷數(shù)據(jù)是否異常？

? ? ?自己取一遍數(shù)看看是否與給到的數(shù)據(jù)結(jié)果相似，判斷是否有取數(shù)的錯誤或統(tǒng)計口徑的區(qū)別，明確分析對象。

2、判斷數(shù)據(jù)異常程度？

? ? 與歷史數(shù)據(jù)對比，拉長周期，分析其變化情況是否在歷史上是一個周期發(fā)生的異常，如果不是這次異動的程度如何，是否非常嚴重？

3、判斷數(shù)據(jù)異動的頻率？

? ? 一般給到的指標都是一個綜合性大指標，所以可以看一下在一定的周期內(nèi)（7天/一個月等），是否是某一天內(nèi)的突變導(dǎo)致還是一個周期內(nèi)的累計導(dǎo)致，主要考察異常發(fā)生的頻率情況。

三、拆解指標

? ? ? ?一般給到的指標都是綜合性大指標，根據(jù)其計算公式進行拆解，再對每一個值進行考察。（如果不能拆成計算公式，直接跳過進行維度拆解）

舉例：

商業(yè)類：收益：? ? ? ? ? profit=revenu-cost

? ? ? ? ? ? ??投資回報率：ROI=年利潤/ 投資總金額?

泛互聯(lián)網(wǎng)：成交總額：GMV=訂單數(shù)量*金額=用戶*轉(zhuǎn)化率*售價

? ? ? ? ? ? ? ? ? 日活躍用戶：DAU

? ? ? ? ? ? ? ? ? N日留存：第N日的留存用戶/第1天的用戶數(shù)

? ? ? ? ? ? ? ? ? 人均貢獻：ARPU=總收入（GMV）/總用戶數(shù)

四、拆解維度

? ? ? ? 對拆解下來的指標進行維度上的分析，這里拆解的維度首要與業(yè)務(wù)方進行確認，看業(yè)務(wù)方是否能給出建議或有想法，畢竟分析結(jié)果也是要給到業(yè)務(wù)方進行執(zhí)行的。

? ? ? ? 最泛用的拆解：外因（競爭、行業(yè)）+內(nèi)因（人、貨、場）

粗略舉例：

電商：人：新老用戶、性別、年齡等

? ? ? ? ? ?貨：品類（如男裝、女裝）、發(fā)貨地點、價格促銷等

? ? ? ? ? ?場：門店、渠道（如京東、淘寶）等

? ? ? ? ? ?外因：競品活動或新品（競爭因素）、政策扶持（行業(yè)因素）等

平臺：人：新老用戶、性別、年齡等

? ? ? ? ? ?貨：視頻類型、內(nèi)容等

? ? ? ? ? ?場：運營活動、渠道類型（安卓、蘋果）等

? ? ? ? ? ?外因：競品活動或新品（競爭因素）、政策扶持（行業(yè)因素）等

五、影響因素

1、單一影響因素：that's the aha time，根據(jù)這個這個影響因素提出分析建議即可。

2、復(fù)合影響因素，但可以用公式描述（如銷量漲售價跌的情況）：判斷誰取主導(dǎo)作用，根據(jù)復(fù)合函數(shù)(以二維函數(shù)為例）的泰勒展開，取一階導(dǎo)數(shù)：

? ? ? 其中的和即影響函數(shù)對x,y兩個維度上的偏導(dǎo)即為影響程度值，進行判斷即可。

3、復(fù)合影響因素，缺乏數(shù)據(jù)或較難直接通過公式表述：（1）搭建復(fù)雜模型（時序分析，多元線性回歸等），（2）協(xié)方差和相關(guān)性系數(shù)：比較值在這兩個維度上的相關(guān)性程度，（3）改變單因素：進行AB測試或因果推斷等方法確定是否為主因，（4）給出能夠同時影響二者的建議

六、一個簡單的應(yīng)用

咨詢上常用的收支分析：profit=revenu-cost

????????????????????????????????????????revenu=volume*price

????????????????????????????????????????cost=fixed cost+variable cost