维度|数据异常归因｜最近一周成交订单量较之前有7%的下降，该怎么分析原因？

【维度|数据异常归因｜最近一周成交订单量较之前有7%的下降，该怎么分析原因？】编辑导语：我们在日常工作中，常常会因为数据的变化而苦恼，丝毫不知道数据异常的原因在哪里。那么，数据归因该怎么做？作者总结了四步，花点时间，你一定能够找到数据异常的原因所在，希望对你有帮助。

文章插图
为什么指标变化了xx%？这个问题其实很多同学在日常工作中经常会遇到。
这个就涉及到数据异常归因了，异常归因怎么做呢？其实很简单，能按照下面四步，花点时间，一定能找到原因。
一、数据准确性及损失评估

确认数据是否准确：数据来源，数据统计口径等；
数据的波动带来的影响评估：损失评估、对用户、KPI等可能造成潜在影响。

二、同期事件评估对指标异常发生的同时发生的事件进行追踪及数据查看，主要分为内部原因和外部原因两部分
1. 外部原因

文章插图

竞品：竞品最近的动作，是否举办活动
政策：政策监管、法规变化
社会：节假日、社会热点等
自然：季节性、周末等时期变动

2. 内部原因

文章插图

产品：版本迭代可能存在bug、推荐算法端的更新、注册、登录或其他关键行为的路径变化等等
运营：push推送频率、内容等、活动、运营策略更新等
推广：渠道更新呢、投放力度、是否筛选作弊用户等等

三、维度细分/业务流程分析要从广义上理解维度。首先时间维度，分天、星期、月以及24小时看。
天维度就是拉长周期，比如一年看每日的数据指标，看趋势，看每天中位数，判断异常时间点。也许，趋势图拉出来，就立刻能锁定哪段时间数据异常。
至于其他的时间维度，都是看人在不同特定的时间，数据上不同的表现。星期代表工作日周末，月度可能有财务结算、工资发放等，24小时表示上班时间、下班时间、白天、晚上等。
时间维度，很特殊，是一定要看的，除时间这个特殊维度之外，剩下的就是一定要看跟业务结合比较紧密的维度。
维度选取上，新同学最容易犯的错误，就是不加思考一顿细分下钻，恨不得把数据明细一条条拿来归因。一定要尽量避免维度爆炸，数据也没有必要下钻每个维度，本来是要解释原因，最后变成爆炸的一堆维度，那不是舍本求末了吗。
那到底哪些维度是跟业务相关的呢？
除了软件版本、地区、渠道、用户的基础标签之外，还有更重要的几个维度，请一定记住：
产品维度：目的是看数据异常来自哪个产品线？比如美团首页，不要小看，每个入口都是对应美团一个大部门。一定要计算出，每个产品线的影响度，是优选？外卖？闪购？酒旅？机票？
场景维度：目的是看数据哪个场景的波动带来的影响？是关注流、热门推荐还是评论流？
客户行业维度：如果是收入一定要看客户的所属行业，目的是看是因为美食？服装？日化？
当然，每个公司每个业务，影响因素差异很大，比如车企行业地域维度是首要拆分的维度
四、策略落地及复盘策略需要针对具体原因出发，对症下药，这里便不再赘述。但是一定注意的是，策略后续是否可行？相关的数据后续如何发展？需要做持续的追踪及复盘。
五、实战案例那假设boss问你最近一周成交订单量较上周有7%的下降，我们通过这四个步骤该怎么去分析呢？