編輯導語：在工作中，產品資料異常時有發生，而新增、日活DAU、訂單、收入等這些核心資料，更是我們關注的重點。作為產品經理，遇到資料異常時，該如何做資料分析，找出原因呢？本文作者總結了三步常規做法，希望能給你帶來幫助。

這次聊聊產品經理遇到資料異常，該如何做資料分析，找出原因。

有一次，週一剛上班，領導就問，這週末咱們的 App 日活為啥跌了 30%？

當時我還沒啥經驗，有些手忙腳亂，看看資料，找技術和運營討論，幸好找到原因。

工作中，

產品資料異常時有發生，面試也經常會問到

，尤其核心資料（如新增、日活DAU、訂單、收入等）的變化，更是我們關注的重點。

資料一旦出現異常，產品經理需要去分析資料，排查原因，儘快解決，避免有更大的影響和損失。

遇到這種情況，如果沒有經驗，不懂處理方法，有時折騰很久，也未必能找到原因。

後來我負責資料統計平臺，經常要幫產品經理和運營分析解答各種資料變化的問題。這讓我積累了資料分析方面的經驗。

分析這類資料異常的情況，常規做法總結起來有三步。

一、排查常見問題，確認資料準確性

第一步，是排查常見問題，確保資料是準確的，往下分析才有意義。

這些問題多是由

版本更新

、

統計方式變動

、

服務故障

等引起的。

因此，可先看產品的前後端是否有更新變動。假如有更新，得跟開發、測試同事，核實這些更新，是否會對資料有影響。

其次，搞清楚資料是否準確，有沒有可能資料統計出問題。

現在多數產品會用資料統計平臺，若用自家系統，得跟開發確認最近資料採集、上報或統計邏輯有沒有變動？會不會服務更新或異常，導致資料統計出現問題？

若用第三方統計平臺，要跟對方確認平臺有沒有什麼改動或異常？若是人工統計報表，要找統計的同事核實統計方法、源頭資料有無問題？

由統計方式變動或服務故障導致的，通常多款產品都會受影響，資料變化一致，且在變動或故障時間點開始下跌。比如全部產品資料在8點都下跌，或全部為0。

早期的產品，這一步容易出問題；而成熟的產品，有穩定的統計平臺，出問題機率較小。

二、對比歷史資料，判斷是異常還是波動

有些產品的資料，會有周期性波動，屬於正常現象。

比如，職場辦公類的產品，週末日活下降；面向學生的產品，一開學，日活會下降，一放假，日活又上漲。

因此，要確定資料的變化，是異常，還是正常波動？

那怎麼做呢？

第二步，用折線圖將過去一段時間的資料展現出來，看資料的變化趨勢，對比不同週期的變化幅度。

異常資料，在趨勢折線圖上往往變化幅度較大。對比的週期，視產品的情況而定，可以是「周」或「月」，甚至是「年」。

開頭那個例子，當時我們發現週末的日活下降了，經過第一步的排查，沒發現問題。

於是，把前面幾周的資料拿出來對比，看看每一週的資料變化，是否存在波動規律。

結果發現，確實一到週末資料就下降，但變化幅度頂多 10%，突然跌了 30%，明顯是異常。

可為啥會出現這種異常呢？接著往下分析。

三、拆解資料構成，多維度分析原因

上一步單看一個數據指標，難以分析具體的情況並發現問題。

所以，

第三步，要看異常的資料指標，由哪些資料構成，將其逐層拆解，對比跟往常資料不一樣的地方。

所謂維度，是指看資料的角度。常見的維度有：渠道、版本、地區、使用者型別、性別、年齡等。

上述例子，我們確認了日活資料異常，而使用者有多個渠道來源，日活躍使用者也有老使用者和新使用者。

我們先把幾個渠道資料拿來對比，發現廣點通渠道的資料，在週末大幅度下跌。

這說明，問題很可能出在廣點通這個渠道上。

於是，從渠道的維度，對比了日活使用者的老使用者和新使用者資料，果然廣點通的新增使用者下跌嚴重。

當時，看到這些資料就猜想，是不是這個渠道投放出問題了？

馬上跟運營確認，原來廣點通的費用在週末消耗完了，因此，沒有更多的新增使用者，導致日活減少。

到這裡，

資料異常的原因基本確定，但沒結束，還得繼續觀察，看問題解決後，資料是否會恢復正常。這樣才能驗證分析的結論。

當然，有人可能會說，你一開始問運營不就行啦？

實際上，資料分析和溝通確認都要做。

因為，造成資料異常的原因有很多，且未必是單一的，比如受競品、市場因素的影響。

此外，有些產品涉及部門人員眾多，沒思路地問，效率不高；即使問出疑似的原因，也要透過資料分析去驗證。

最後總結下，遇到產品資料異常，不用慌，不用亂。產品經理必備技能之資料分析查異常 3 步走，練起來：

排查常見問題，確認資料準確性

對比歷史資料，判斷是異常還是波動

拆解資料構成，多維度分析原因

作者：四月，公眾號：四月喃譁，10年產品經理

本文由 @四月 原創釋出於人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基於 CC0 協議