要处理数据异常，我们要先知道什么是数据异常。首先要有数据，才能知道什么是“异常”，百度百科的解释是：指非正常的，不同于平常的。比方如突然的涨，突如其来的跌。

数据涨跌是我们在日常工作中，最容易被发现的现象，也是我们平时工作中要去分析的。也就是说，平时数据没有波动，也许我们不需要去分析，但是如果数据有涨或者跌我们都需要去查出原因的。

为什么涨和跌都要关注？

相信很多朋友跟我一样，起初接触到数据，我只关心跌，为什么昨天的数据跌了？并去分析其原因，也会关心涨，但并不关心为什么涨，就像买股票一样，跌了痛心疾首，并分析原因，涨了满心欢喜，后悔自己为什么不买入多一点儿。

在数据分析的过程中，我们不仅仅要关心跌，以便采取相应动作，减缓跌的趋势，也更要关心涨，弄清楚涨的原因，并放大它，或者说是复制它！

数据异动分析方法论

针对异常数据的处理，通常有五个步骤：

1.发现异常

就像你发现昨天数据跟往前不一样，猛涨了还是猛跌了，通过观测数据发现异常。

2.确定问题

发现异常之后，我们要确定这个异常是不是一个问题，有多严重，可以用对比分析法从时间维度上进行周同比、月同比或者是年同比。

3.确定原因

用多维度拆解法，对于这个异常的指标从不同的维度去拆解，找出原因。

4.针对性解决问题

找到原因之后，就是针对性的解决问题了，根据问题的原因，动用公司的相关资源，去解决这个问题。

5.执行

最后就是执行解决方案，把这个异常数据真正的从异常到执行，完成一个闭环。

案例解析

举个栗子：你现在是做社交APP产品的，在处理数据的过程中，发现某一天的数据异常，该如何分析？

发现问题：在对数据进行统计汇总时发现某一天的异常数据。

确定问题：数据跌了那么多，问题是不是很严重呢？往期有没有这么大的浮动？

由上图的周同比和月同比数据可以看出，往期是没有这个问题的，那说明这是一个严重的个例，表示这一天确实发生了什么事情，造成数据异常的情况。

确定原因：那是不是哪个省份出了问题呢？下面我们按省份进行查看，由下图可以看出，这次数据的猛跌是全国范围内的，基本上所有的省份都有下迭，这样就排除了某个区域下跌的原因。

那是不是设备出问题了呢？再来看不同操作系统的数据有什么不同，由下图可以看出安卓和iOS在这天都出现了下跌，所以排除了设备出问题的可能性。

那是不是服务挂了呢？按小时或者分钟来查看数据是不是符合平时流量规律？

通过上图可以看出，在这一天的0：01分，平台的数据为0，出现了断崖式下跌。而对于社交产品，以往这个时间用户活跃度是很高的，由此可以确定，这一天的数据异常确实是因为服务挂了。

针对性解决问题：联系相关负责人制定及时有效的解决方案。

执行：落实和监测解决方案的执行效果。

以上五个步骤看起来简单，但它是基于对业务洞察的基础之上的，需要根据以往的经验，才能做出这些判断 。如果对自己的业务不了解，再多的工具或是方法论，都是没有用的。所以，需要大家在工作中，不断的积累，不断的验证。

通过上面的案例解析，发现在确定问题时我们提了很多假设，其实数据只是验证假设的支撑工具。而这些假设是基于对业务有足够了解的基础之上的，在这个过程中，需要不断的去试错，不断的积累行业及业务的洞察，才能做出这些假设。

常见的假设

1.活动影响：查对应活动页面及对应动作的数据波动，关注活动是否有地域属性

通常市场或者运营会去做一些活动，所以如果数据出现问题，先看看PV、UV等数据，看是不是活动的影响。

2.版本发布：将版本号作为维度，区分查看

有时候数据出现异常也有可能是新版本的发布带来的波动，所以也可以把版本拎出来看，如果发布的是V1.5，我们可以对比着看看V1.3、V1.4这三个版本数据，看是否正常。

3.渠道投放：查看渠道来源变化

WEB端的渠道来源有很多很多，但是像APP就有点困难，这时可以看看新增的渠道来源，来看看变化影响。

4.策略调整：策略上线时间节点，区分前后关键指标波动

工作中我们会经常改变策略，比如说搜索策略，推荐策略等等，但是呢策略改变之后上线，它肯定有上线时间节点的，这时候可以把这个时间节点像刚才讲的案例那样，拆分成分钟来观察。

5.服务故障：明确故障时间，按时间维度进行小时或者分钟级别进行拆分

通过上面的案例可以看出，服务故障出问题是有一个明确时间的，按照上面案例讲的方法来观察，按分钟来查看，看有没有出现断崖式下跌，这个时候就可以明确是不是服务出现了故障。

——热门课程推荐：

想学习PYTHON数据分析与金融数字化转型精英训练营，您可以点击>>>“人才转型”了解课程详情；

想从事业务型数据分析师，您可以点击>>>“数据分析师”了解课程详情；

想从事大数据分析师，您可以点击>>>“大数据就业”了解课程详情；

想成为人工智能工程师，您可以点击>>>“人工智能就业”了解课程详情；

想了解Python数据分析，您可以点击>>>“Python数据分析师”了解课程详情；

想咨询互联网运营，你可以点击>>>“互联网运营就业班”了解课程详情； 

想了解更多优质课程，请点击>>>