数据分析之异动分析的一般流程

请你想象如下场景：上午，10:00am，你刚到公司，运营同学火急火燎地找你——

现在我们应该马不停蹄开始按照逻辑树去拆解异动原因？nonono，先让他完整地复现一遍他是用的什么看板，是怎么筛选的条件，这个指标的口径是什么，少了那么多，具体是指少了多少？举个例子，如果说本来昨天的完单数也就是10单的水平，即使少了50%变成5单，这是不是再正常不过了？

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：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。

以上三种情况分别对应问题不同的严重程度。对于数据指标周期性下跌一般都不需要做特殊处理；一次性下跌往往比较突然，要关注事件持续性；持续性下跌，特别是不见好转，持续时间越长问题越严重。 需要注意：不能单纯看日