怎样修复数据请求异常（数据请求出错了怎么解决）

嗨，大家好，我是勾勾。

上次分享的Excel技巧是不是很实用呢？我们在数据分析的路上，不光要熟练掌握各种数据分析工具，更要学会处理业务上的问题，建立自己的一套业务方法论。

今天，我们就请花木（Spring）老师来讲一下数据分析工作中一个大难题——遇到数据异常怎么办？以及如何高效地排查异常，并通过异常发现业务的增长点！

数据异常的原因

一般情况下，BAT 等大厂的数据产品 DAU 都比较大，动辄几百万上千万，甚至过亿，因此业务方和管理层每天都会盯着核心数据，而在这些核心数据中肯定会有一些数据是波动比较大的。

怎样修复数据请求异常,数据请求出错了怎么解决(1)

这时，分析师需要对这些波动进行排查并解释原因，如果没有一套方法论，面对问题就会很头痛。

你可以回想下自己是否面对过这种情况：每天早上，面对波动数据无从下手，找不到原因，解决不了，进而浪费很多时间做了很多无用功，感觉永无出头之日。

实际上，数据有较大波动，无非就两个原因：

前期准备

如果能够透过问题看本质，你就可以在数据波动方面成为专家。当然数据异常排查是需要一些前期准备的：

1、业务理解

某个 App 的 DAU 低于1000w，那么请问，这个 DAU 代表的是什么行动的DAU？是在进程中，还是需要打开 App，还是必须有主动行为？

这理解起来是不一样的。

2、指标口径

同样是 DAU 一千万，是 Android 还是所有系统，也是有所区别的。

3、产出过程

对于 DAU 一千万，目前是由哪份日志做了哪些数据清洗计算出来的，只有了解清楚这些才能够开始异常排查。

举个例子，市场部领导看了某一张日活数据和你提供的数据相差较大，就来询问是怎么回事。实际上这时你首先需要弄清楚他看到的数据表是怎样产出的，然后指标口径是什么，指标的业务含义是什么，只有熟悉这些情况后才能分析出产生差异的原因。

实际工作中，有些分析师在进入一家公司时产品已经比较成熟，但指标口径没有文档化，所以可能对业务理解不深，这个时候面对领导的提问就会手足无措。一旦不能解决问题就会失去信任，所以前期准备工作一定要做好。

如何排查异常

有了前期准备工作，接下来就是异常排查步骤了，异常排查主要分三步：

怎样修复数据请求异常,数据请求出错了怎么解决(2)

第一步，判断是否异常，有四个关键点：

亲自去看数据准确性，不要人云亦云，比如业务方说 DAU 下降了就立马去调查，这是不对的，而是应该亲自查看数据是否真实，有时候业务方不一定多专业，也会出现错误。
时间轴拉长，看是近期异常（3 个月）还是历史异常，一般分析师看数据时习惯看近一两周或一个月的数据，然后突然出现波峰或波谷就认为数据异常了，但实际上往往不是。我们一定要拉长时间轴，如果仍出现波峰或波谷可能就真的出现异常了。
看和该指标关联的其他指标或其他核心指标是否也异常，比如 DAU 异常时，需要查看自流、渗透率是否异常，如果也异常就需要一起解决，而不是按下葫芦浮起瓢，反复做无用功。
找到一个关键人物（产品/数据），提前沟通，也就是当我们确认是数据异常后，找经验丰富的人提前沟通，看他们对此是否有什么见解，往往经验能够快速的定位问题。

第二步，用最大概率法则原因归类。

很多分析师遇到异常时无从下手，抓不到问题主线，无法对问题进行有效分类，而我把异常问题分为了六大类，基本上所有的异常问题都归属于这六大类。