数据又双叒叕波动了？五步法，准确识别数据异常波动
随着数据分析岗位招聘越来越内卷，问“你用过/建过什么模型”的也越来越多。这个问题很容易给人“面试造航母，工作拧螺丝”的感觉。实际工作中，真的要搞那么多模型？？？
搞得很多同学在疑惑：
“对数据进行监控，分析指标异动原因”是数据分析常见工作内容。这个需求看似简单，可实际做起来却让很多同学很困惑：到底指标波动多大算大？为啥有时候看起来没多大波动，业务却很紧张问原因，有时候波动很大业务又不着急呢？
想正确解题，关键在于：不能就数论数，得读懂数据波动背后的业务含义。这样才能知道：哪些是真正的异动，哪些是正常波动。
一、看似异常的正常波动
有三类波动，是典型的看似异常，实则正常：
- 业务指标季节性波动
- 业务指标生命周期变化
- 业务主动行为引发变化
因此，在做异常波动识别之前，应该主动对业务指标历史走势进行分析，发现其中季节规律/生命周期趋势，分析业务动作对指标的影响，这样才能建立起基础判断标准，避免犯诸如低级错误（如下图）：
真正要关注的，是长期、持续性、违背发展常规走势的变化。这些情况常常意味着业务出了问题，需要深入追查（如下图）。
二、即使很小，也要关注的波动
典型的，比如对收入/成本两个关键指标的异动。收入/成本是大部分企业的KPI指标。增收减支是企业核心任务，因此这俩指标都有具体到月/周/日的明确要求。哪怕波动很小，也得追查，这样才能让业务安心。
比如今日销售收入KPI：1000万，实际完成990万，那就肯定是异动了，没得跑。至于少的10万去了哪？可以按销售渠道做拆解，找到问题源头（如下图）。
短期内的KPI异动，都能解释为：“业务没发挥好”，但是如果某个连续数周表现不佳，则可能存在业务能力不行/方法不对等等深入问题，需要做进一步追查。
隐藏问题1：ROI异动
收入/成本指标是可以连起来看的，这时候会有更多发现。因为理论上，有成本投入，才有收入产生，收入/成本应该按一定比例，同步发生才对。
如果两个指标的关系发生错位，就很有可能存在异常，比如：
- 投入持续增长，收入不见涨……
- 投入没有到位，收入还在涨！
这都是问题。
这些时候，典型的表现就是业务的ROI异常，要么异常高，要么异常低。这时候都得查原因。ROI异常低意味着需要做优化，提升业务表现。ROI异常高则说明有猫腻，常常和业务贪污浪费有关系。
注意！这种问题经常被数据分析师忽视，却容易被财务/管理层发现。因为做监控报表的时候，经常是收入/成本分开做，成本分类又是按财务科目，数据分析师看不懂。所以做监控报表时，尽可能把收入/成本KPI做在一起，更容易得出结论。
隐藏问题2：趋势异动
有时候并不是KPI没达标，而是指标走势不对！比如：
- 虽然销售暂时达标，但成本越来越高。
- 明明之前走势良好，最近突然变差。
- 收入增长越来越慢，眼看临近拐点。
这些时候都会引发管理层、业务方的焦虑，从而判定为“异动”，然后要求深入分析。
这里，有些异动是业务闯的祸，比如下图这种月底突然踩刹车的走势，很多依靠业务员销售的公司都有，这就是销售们眼看业绩要完成了，故意推迟报单，藏业绩的行为。这种事做多了会让商品备货、绩效核算、成本控制、经营分析都出现偏差，肯定要查。
有些则涉及深层问题，比如：
- 产品生命周期到头了
- 潜在目标用户耗尽了
- 营销刺激让人疲倦了
这些一边表现为持续衰退的曲线，一旦看到衰退迹象，就得提前向业务方拉警报。因为这些长期趋势，往往需要配合测试来确认，处理难度也很大。真等问题发生，可能已经来不及处理了。
隐藏问题3：过程异动
有很多指标变化是来自过程指标，比如曝光量、用户登录数量、某个业务访问量等等。这些指标是KPI指标的过程指标，因此一旦发生异动，有可能影响KPI结果。因此会引起人们注意。
第一种：同涨同跌。这是最好理解的，比如流量小了，收入应声而降。这种问题可以直接用数据观察出来，是很容易发现的。要注意的是，如果涨跌不同步，比如流量上升30%，转化才上升10%，那么很有可能意味着有大量低质量流量进来，而低质量流量又经常和业务贪污浪费相关，因此涨跌不同步也算异常，需要额外关注。
第二种：有涨有跌。比如虽然我的流量变小了，但是转化率却提升了，总收入目标还是达成的。这种情况算不算异常？当然算。因为这种变化，很有可能意味着：用户需求的转移，渠道特征的改变，产品吸引力变化等等深层次问题。而且想确认深层次问题，都得复杂的分析。因此一旦发现这种变化，一定要及时提醒业务方，发起深入分析。
第三种：结构转化。比如我有3个渠道ABC，之前依赖A，现在A越来越少，C越来越多。这种情况算不算异常？当然算。因为业务实际已经和预算发生背离。这时候得考虑是否这代表了长期趋势，要不要调预算。这又是复杂问题。发现此类迹象以后，一定要提醒业务方，发起深入分析。
隐藏问题4：关联异动
关联异动，指发生问题的指标和主要KPI指标没有直接关系，但是在业务上有关联。导致业务方很紧张。比如舆情，领导早上起来看到一条热门视频怒喷我司产品，那心情肯定好不到哪里去，就会问：“是否有异常！”这时候哪怕KPI指标没问题，领导还是会担心。因此需要结合内部数据来解读（如下图）。
注意！关联异动也有可能是：“我期望的好事没发生”。比如我组织运营人员搞一场培训，到场率90%，培训完了考试平均90分/100分。于是我大喜过望，觉得下个月活动肯定出彩。结果做完了并没有啥差异。看到这场面，我也会纳闷：“啥情况？！”同样会问：“会不会有什么异常呀！”
因此，当遇到管理层/业务方问：“是不是有异常？”的时候，请一定让他们把“什么叫正常”讲清楚！这样才能真正知道他们关心的问题，才能对症下药。
小结
想做准确识别业务异常，需要：
- 搭建完善的数据指标体系
- 清晰问题指标在体系中位置
- 了解过往指标走势
- 了解业务动作/业务期望
- 树立恰当的“正常”标准
这样才能避免就数论数，真正通过数据找出业务上的异常问题。而很多同学异动分析做得不好，正是因为从监控指标体系开始，就做得很零散、粗糙，指标间缺乏关联，业务要啥就跑个数丢过去，缺少真正的监控。
作者
接地气的陈老师，微信公众号：接地气学堂。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
