Xi-Xi-1
；计算移动极差均值（k个样本数据产生k-1个移动极差），公式如下：MR=ΣMRi/k-1；计算CL，公式如下：CL=x；计算UCL和LCL（在3倍标准差情况下）。公式如下：UCL=x+3×MR/d2；LCL=x-3×MR/d2，其中d2等于1.。超过UCL和LCL的则为异常，如果数据有明显的周期性和季节性，需去除相关因素之后再利用以上办法计算阈值。三、问题分析分析方法为基准对比分析，选取数据变化前后可对比的时间段进行对比。3.1明确引起指标异常的相关指标分析思路为先对异常指标进行拆解，确保指标拆到最细粒度的原子指标，然后评估相关的指标的影响程度。1）指标拆解方法拆解的方法为杜邦分析，示例如下：相关指标拆解示意图2）贡献度的衡量将变化的量分解到相关的最细粒度指标，对比前后2个时间段上最细粒度指标的变化，明确是哪一个指标的波动对这个指标的波动贡献度最大。比如：询盘量转化率上升，而询盘量转化率=询盘量/会话量，细分转化率的上升是询盘量的上升导致还是会话量的下降导致，各自贡献的比例为多少？询盘转化率的波动=询盘转化率2-询盘转化率1=询盘量2/会话量2-询盘量1/会话量1假设在询盘量不变的情况下：会话量对转化率的波动贡献=询盘量1/会话量2-询盘量1/会话量1假设在会话量不变的情况下：询盘量对转化率的波动贡献=询盘量2/会话量2-询盘量1/会话量23.2单指标多维度的分析能在一个指标能拆分成的多层树状结构中，具体是哪一层的哪一个节点的波动对这个指标的波动贡献度最大？比如：以询盘量的上升为例，可以如下进行拆分。细分维度拆解示意图3.3明确波动的原因在数据现象明确之后，需要对数据进行一定的推理，得出明确的结论。在逻辑推理过程中，需做到推断合理，避免常见的错误。错误1：相关性的误解案例：发现人智力水平和胳膊长度的统计数据中，发现人智力水平和胳膊长度是正相关的，胳膊长人，智力也一般比较高！启示：相关性并不能表明因果系。上述数据的统计范围是从不足1岁的孩子，到完全长成岁的孩子到完全长成年人。在成长过程中，体型会逐渐变大智年人。在成长过程中，体型会逐渐变大智年人。在成长过程中，体型会逐渐变大智力也会逐步发展。错误2：缺失对比对象案例：某药厂推出了一款新感冒，配有说明药广告厉害的语：“临床显示，本药品可以在10分钟内杀死5万个感冒病*！”启示：乍一看好像很有道理，感冒药好像很厉害，但是如果我们拿到了更多的比较数据，如“人一次感冒会产生5亿个病*”或“其它药厂的感冒药至少可以在10分钟内杀死万个病*”，那这个新感冒药的效果不是低劣的可笑吗？错误3：基于个案来推总体案例：一个朋友有吸烟的习惯，以往每次劝他戒烟的时候，他都振振有词的说：“你看名人A吸烟活到80多岁，名人B不吸烟不喝酒却很早就去世了。所以寿命这种东西，和吸烟不吸烟么啥关系。”启示：无论一个人是否吸烟，均可能过早去世，也可能活到高寿。但从大样本的数据来看，吸烟人群的寿龄普遍比不抽烟的整体减少5岁。下论断要从统计整体上来看，揪住一些个案没有太多意义的。在避免常见的逻辑错误的同时，也要敢于下结论，虽然结论有可能是错的。三、解决方案数据分析的终极目的是对业务改进产生价值，基于此，分析结论之后一定要提出切实可执行的方案，即落地到业务和产品上的具体建议，确保方案可执行，效果可评估。分析报告完成之后，一定要多与业务部门进行沟通，收集反馈，听取他们需要的是什么？一起商讨解决方案。作为分析师也要不断反馈自己，如何改进才能更有效的与业务结合？四、总结本文总结了分析的过程，包括如下内容：问题的界定，界定数据异常的方法。问题的分析，关键在于从指标和维度2个角度进行拆解，以及从数据到结论的推理。结论的推动执行，与业务沟通反馈分析结论，探讨后续方案的执行。本文由
时之沙原创发布于人人都是产品经理。未经许可，禁止转载题图来自Unsplash，基于CCO协议