編輯導語：在工作中，產(chǎn)品數(shù)據(jù)異常時有發(fā)生，而新增、日活DAU、訂單、收入等這些核心數(shù)據(jù)，更是我們關(guān)注的重點。作為產(chǎn)品經(jīng)理，遇到數(shù)據(jù)異常時，該如何做數(shù)據(jù)分析，找出原因呢？本文作者總結(jié)了三步常規(guī)做法，希望能給你帶來幫助。

這次聊聊產(chǎn)品經(jīng)理遇到數(shù)據(jù)異常，該如何做數(shù)據(jù)分析，找出原因。

有一次，周一剛上班，領(lǐng)導就問，這周末咱們的 App 日活為啥跌了 30%？

當時我還沒啥經(jīng)驗，有些手忙腳亂，看看數(shù)據(jù)，找技術(shù)和運營討論，幸好找到原因。

工作中，產(chǎn)品數(shù)據(jù)異常時有發(fā)生，面試也經(jīng)常會問到，尤其核心數(shù)據(jù)（如新增、日活DAU、訂單、收入等）的變化，更是我們關(guān)注的重點。

數(shù)據(jù)一旦出現(xiàn)異常，產(chǎn)品經(jīng)理需要去分析數(shù)據(jù)，排查原因，盡快解決，避免有更大的影響和損失。

遇到這種情況，如果沒有經(jīng)驗，不懂處理方法，有時折騰很久，也未必能找到原因。

后來我負責數(shù)據(jù)統(tǒng)計平臺，經(jīng)常要幫產(chǎn)品經(jīng)理和運營分析解答各種數(shù)據(jù)變化的問題。這讓我積累了數(shù)據(jù)分析方面的經(jīng)驗。

分析這類數(shù)據(jù)異常的情況，常規(guī)做法總結(jié)起來有三步。

一、排查常見問題，確認數(shù)據(jù)準確性

第一步，是排查常見問題，確保數(shù)據(jù)是準確的，往下分析才有意義。

這些問題多是由版本更新、統(tǒng)計方式變動、服務(wù)故障等引起的。

因此，可先看產(chǎn)品的前后端是否有更新變動。假如有更新，得跟開發(fā)、測試同事，核實這些更新，是否會對數(shù)據(jù)有影響。

其次，搞清楚數(shù)據(jù)是否準確，有沒有可能數(shù)據(jù)統(tǒng)計出問題。

現(xiàn)在多數(shù)產(chǎn)品會用數(shù)據(jù)統(tǒng)計平臺，若用自家系統(tǒng)，得跟開發(fā)確認最近數(shù)據(jù)采集、上報或統(tǒng)計邏輯有沒有變動？會不會服務(wù)更新或異常，導致數(shù)據(jù)統(tǒng)計出現(xiàn)問題？

若用第三方統(tǒng)計平臺，要跟對方確認平臺有沒有什么改動或異常？若是人工統(tǒng)計報表，要找統(tǒng)計的同事核實統(tǒng)計方法、源頭數(shù)據(jù)有無問題？

由統(tǒng)計方式變動或服務(wù)故障導致的，通常多款產(chǎn)品都會受影響，數(shù)據(jù)變化一致，且在變動或故障時間點開始下跌。比如全部產(chǎn)品數(shù)據(jù)在8點都下跌，或全部為0。

早期的產(chǎn)品，這一步容易出問題；而成熟的產(chǎn)品，有穩(wěn)定的統(tǒng)計平臺，出問題概率較小。

二、對比歷史數(shù)據(jù)，判斷是異常還是波動

有些產(chǎn)品的數(shù)據(jù)，會有周期性波動，屬于正常現(xiàn)象。比如，職場辦公類的產(chǎn)品，周末日活下降；面向?qū)W生的產(chǎn)品，一開學，日活會下降，一放假，日活又上漲。

因此，要確定數(shù)據(jù)的變化，是異常，還是正常波動？

那怎么做呢？

第二步，用折線圖將過去一段時間的數(shù)據(jù)展現(xiàn)出來，看數(shù)據(jù)的變化趨勢，對比不同周期的變化幅度。

異常數(shù)據(jù)，在趨勢折線圖上往往變化幅度較大。對比的周期，視產(chǎn)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(fā)現(xiàn)周末的日活下降了，經(jīng)過第一步的排查，沒發(fā)現(xiàn)問題。

于是，把前面幾周的數(shù)據(jù)拿出來對比，看看每一周的數(shù)據(jù)變化，是否存在波動規(guī)律。

結(jié)果發(fā)現(xiàn)，確實一到周末數(shù)據(jù)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(xiàn)這種異常呢？接著往下分析。

三、拆解數(shù)據(jù)構(gòu)成，多維度分析原因

上一步單看一個數(shù)據(jù)指標，難以分析具體的情況并發(fā)現(xiàn)問題。

所以，第三步，要看異常的數(shù)據(jù)指標，由哪些數(shù)據(jù)構(gòu)成，將其逐層拆解，對比跟往常數(shù)據(jù)不一樣的地方。

所謂維度，是指看數(shù)據(jù)的角度。常見的維度有：渠道、版本、地區(qū)、用戶類型、性別、年齡等。

上述例子，我們確認了日活數(shù)據(jù)異常，而用戶有多個渠道來源，日活躍用戶也有老用戶和新用戶。

我們先把幾個渠道數(shù)據(jù)拿來對比，發(fā)現(xiàn)廣點通渠道的數(shù)據(jù)，在周末大幅度下跌。

這說明，問題很可能出在廣點通這個渠道上。

于是，從渠道的維度，對比了日活用戶的老用戶和新用戶數(shù)據(jù)，果然廣點通的新增用戶下跌嚴重。

當時，看到這些數(shù)據(jù)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周末消耗完了，因此，沒有更多的新增用戶，導致日活減少。

到這里，數(shù)據(jù)異常的原因基本確定，但沒結(jié)束，還得繼續(xù)觀察，看問題解決后，數(shù)據(jù)是否會恢復正常。這樣才能驗證分析的結(jié)論。

當然，有人可能會說，你一開始問運營不就行啦？

實際上，數(shù)據(jù)分析和溝通確認都要做。

因為，造成數(shù)據(jù)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(chǎn)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，也要通過數(shù)據(jù)分析去驗證。

最后總結(jié)下，遇到產(chǎn)品數(shù)據(jù)異常，不用慌，不用亂。產(chǎn)品經(jīng)理必備技能之數(shù)據(jù)分析查異常 3 步走，練起來：

1. 排查常見問題，確認數(shù)據(jù)準確性
2. 對比歷史數(shù)據(jù)，判斷是異常還是波動
3. 拆解數(shù)據(jù)構(gòu)成，多維度分析原因

作者：四月，公眾號：四月喃嘩，10年產(chǎn)品經(jīng)理

本文由 @四月 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議