当APP产品业务线的某个数据指标出现异常的波动时，该如何着手数据异常分析呢？

在日常的工作中，我们经常会遇到“产品XX数据指标出现异常波动，或上升或下跌”的问题，XX指标包括但不限于日活、次日留存率、注册转化率、GMV、客单价等等。我们该如何着手处理分析呢？

这也是面试数据方面的工作比较常见的问题。那么，今天将系统的梳理总结一下这类问题的分析框架以及需要考虑的问题，今后在遇到此类问题时，希望能有一个明确的着力点以及分析思维。

01

一般来讲，产品的某些数据指标都会具有固定的波动周期，而且每个周期内数据的变化应该趋于稳定，但在数据监控体系里的日报、周报、月报中某数据指标突然不再符合预期的稳定变化，这就是我们所说的数据出现异常波动。在这种情况下，我们就需要去深挖数据异常产生的原因。

而做数据异常分析核心就是结合以往经验及各种信息，找出最有可能的原因假设，通过将数据指标的进行拆分，再多维度分析来验证假设，定位问题所在。其过程中可能会在原假设基础上建立新的假设或者是调整原来假设，直到定位原因。

其实，通过我们每一次的异常分析来定位造成数据波动的问题及原因，建立起日常运营工作和数据异常波动之间的关联性，进而就可以从中找到促进数据增长的新的思路和方法，改变数据结果。

02

现在，我们先来明确一下数据指标出现异常：上升或下跌，通常有以下情况：

• 一次性波动：只在某个时间节点发生波动。一次性上升/下跌背后原因的一般都是短期/突发事件，比如系统更新导致数据统计错误，突发的渠道投放冻结等。
• 周期性波动：会周期性发生上升/下跌，比如双十一、周末、春节等季节性因素。一般业务开展都有周期性，比如考勤工具类APP，就是以周为单位循环。工作日和周末就是有明显差异波动。
• 持续性波动：从某时间开始，一直出现上升/下降趋势。而持续性上升/下跌背后原因往往都是深层次的，比如用户需求转移，渠道投放长期暂停，大环境等因素，导致出现持续性的。

以上，这三种情况意味着问题本身不同的严重程度。

如果是数据指标下跌的话，周期性下跌一般都不需要做特殊处理；一次性下跌往往来的比较突然，要关注事件持续性；持续性下跌的，特别是不见好转，持续的时间越长问题越严重。

需要注意是：不能单纯的看日周月报表中趋势图的走势，要结合波动的幅度来看——幅度越大，说明出现的异常问题越值得注意。

03

那么接下来，捋清楚思路，我们以“某APP的日活有所下降”，该如何着手分析呢？