数据分析方法（1）——异常分析

       异常分析是数据分析过程中，最常见也最基本的工作内容之一，是指对不正常的数据进行分析并试图寻找可能发生的原因。

一、分析流程图

二、数据异常判断

1、判断数据是否异常？

     自己取一遍数看看是否与给到的数据结果相似，判断是否有取数的错误或统计口径的区别，明确分析对象。

2、判断数据异常程度？

    与历史数据对比，拉长周期，分析其变化情况是否在历史上是一个周期发生的异常，如果不是这次异动的程度如何，是否非常严重？

3、判断数据异动的频率？

    一般给到的指标都是一个综合性大指标，所以可以看一下在一定的周期内（7天/一个月等），是否是某一天内的突变导致还是一个周期内的累计导致，主要考察异常发生的频率情况。

三、拆解指标

       一般给到的指标都是综合性大指标，根据其计算公式进行拆解，再对每一个值进行考察。（如果不能拆成计算公式，直接跳过进行维度拆解）

举例：

商业类：收益：          profit=revenu-cost

              投资回报率：ROI=年利润/ 投资总金额 

泛互联网：成交总额：GMV=订单数量*金额=用户*转化率*售价

                  日活跃用户：DAU

                  N日留存：第N日的留存用户/第1天的用户数

                  人均贡献：ARPU=总收入（GMV）/总用户数

四、拆解维度

        对拆解下来的指标进行维度上的分析，这里拆解的维度首要与业务方进行确认，看业务方是否能给出建议或有想法，毕竟分析结果也是要给到业务方进行执行的。

        最泛用的拆解：外因（竞争、行业）+内因（人、货、场）

粗略举例：

电商：人：新老用户、性别、年龄等

           货：品类（如男装、女装）、发货地点、价格促销等

           场：门店、渠道（如京东、淘宝）等

           外因：竞品活动或新品（竞争因素）、政策扶持（行业因素）等

平台：人：新老用户、性别、年龄等

           货：视频类型、内容等

           场：运营活动、渠道类型（安卓、苹果）等

           外因：竞品活动或新品（竞争因素）、政策扶持（行业因素）等

五、影响因素

1、单一影响因素：that's the aha time，根据这个这个影响因素提出分析建议即可。

2、复合影响因素，但可以用公式描述（如销量涨售价跌的情况）：判断谁取主导作用，根据复合函数(以二维函数为例）的泰勒展开，取一阶导数：

      其中的和即影响函数对x,y两个维度上的偏导即为影响程度值，进行判断即可。

3、复合影响因素，缺乏数据或较难直接通过公式表述：（1）搭建复杂模型（时序分析，多元线性回归等），（2）协方差和相关性系数：比较值在这两个维度上的相关性程度，（3）改变单因素：进行AB测试或因果推断等方法确定是否为主因，（4）给出能够同时影响二者的建议

六、一个简单的应用

咨询上常用的收支分析：profit=revenu-cost

                                        revenu=volume*price

                                        cost=fixed cost+variable cost