本文参考了数据万花筒的文章，结合我自己工作经验。希望给大家一些帮助。

指标异常排查，是数据分析师的工作重点之一，是各行各业数据分析师都绕不开的话题。

本文试图回答：
1、指标波动的影响因素有哪些？
2、如何快速定位异常来源？

一、指标波动的影响因素

（一）数据错误
数据错误，可能造成指标伪异常。

1、指标数据是手动统计，因为粗心造成错误。
统计正确，是数据分析师的基本素养。

2、指标数据是系统报表自动生成的，在传输过程产生错误。

• 由于监控报表的数据不是底层数据库数据，故数据传输出错会导致指标伪异常。
• 造成数据错误的因素有两个：数据调度问题和数据入库问题。
• 可通过统计底层数据的方式来校验数据，从而发现数据问题。
• 可根据数据传输流程回溯每个关键节点，从而发现数据问题所在环节。

比如，我在工作当中多次遇到，由于研发脚本bug导致数据错误，出现指标伪异常。

（二）预期内的波动

1、指标周期性波动
数据分析师要充分认识指标的周期性波动。因周期性带来的指标波动是正常波动。
当然，违反周期性的波动，往往暴露行动不足的问题，应引起关注。

比如，根据投放逻辑，在一个周期内，投放成功率的趋势是前高后低的。那么，在投放后期，投放成功率低是正常现象。但在投放前期，投放成功率低是不正常的，需要异常排查。

2、内部已发生的动作
以下两种情况会导致指标波动，在预期内的波动则属于正常现象。数据分析师要警惕得出正确的废话。

第一，业务活动常常带来指标波动，如促销活动。数据分析师要多八卦，了解业务动作，帮助理解数据，判断指标波动是否正常。
当然，如果促销不如预期，那么就要分析为什么？这属于促销效果评估问题。

第二，研发上线新策略引起指标波动，如改变冷启动的参数。数据分析师要与研发保持及时沟通，对任何可控变量的改变，要提前推演对监控指标的影响。

（三）不可预期的波动

1、外部因素
政策、竞争对手等外部因素，也会影响指标波动。
对于这些不可控的外部因素的影响，特别是负面的影响，数据分析师可以评估其影响范围和影响周期，反馈给业务方以帮助其决策。

2、内部行动不足

当排除指标波动的一切正常因素后，如果指标波动出现了异常，需要诊断数据波动的真正原因。往往是行动不足导致的。

指标异常排查的真正价值，在于发现问题，提供可行性建议，从而可通过改变行动达到优化指标表现。

二、如何快速定位异常来源

1、逻辑树

利用逻辑树的拆解方法能够快速地确定数据异动的原因，可以辅助决策或改变行动，如帮助业务优化方案，或帮助研发迭代产品。

2、指标体系闭环

快速定位问题，离不开指标体系。数据分析师，要有闭环思维，不断更新指标体系，提高工作质量与效率。

感谢原作者的思考总结：原文传送门