异常波动分析
关于拆解的维度与指标问题：
- 对于乘除型指标，先分析拆解的指标，找到异常的子指标后，估计哪个子指标的影响度大，然后就继续下钻，直到拆解成最细粒度后，拆解维度，再去衡量中国指标不同维度的影响度或者波动贡献率，定位到最细关键点。
- 对于加减型指标，就直接拆维度吧。
- 当然，也有对于比例指标直接拆维度计算影响度的方法，反正先指标后维度还是先维度后指标其实都行。
**先拆指标，后拆维度**
# 1、指标拆解方法
拆解的方法为杜邦分析，示例如下：
> 杜邦分析法的好处就是，当**下钻**到拆解的某一个点的时候，问题就被定位到了，否则只定位到会话量，这样是不可以的。分析的维度一定要能落地到可以改善具体问题的那个最小点。
比如别人看到你分析的交易用户下降之后，他们就知道到底是要去找渠道组去谈渠道质量变差了？还是应该去跟城市的区域经理谈是哪个城市做得不好？还是应该跟用户运营的团队去谈怎么那么多用户都流失了？还是要去跟负责用户增长的部门谈说最近用户增长怎么那么乏力？
如果没有这样的一个层层拆解，就很难有一个定位异常波动问题的分析框架，那么就会导致每天都要把这些数据重复的提取出来，从而导致很难去做固化，如果有进行层层的拆解分析的框架，并且把这些内容全部固化成监控的仪表盘之后，如果有出现异常波动，那么只要回查一下搭建的仪表板，就能快速的告诉老板到底是由于哪个原因引起的，然后就可以快速的相应老板的诉求，不至于说一直在那边跑数而导致效率特别低。
# 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？
## 2.1 [连环替代法](https://zhuanlan.zhihu.com/p/156843026)
**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2**
示例：
> 关于计算的先后导致结果不同的问题可以去蓝色标题链接看看
## 2.2 对数变换
> 段落引用对于乘法/除法类指标，使用对数变换，将乘法/除法类指标转换为加法/减法，再确定各因素对结果都影响数（++该方法不知可行不可行，存疑++）
1. 基期N=ABC(ABC之间也可以是除法关系)，实际期N'=A'B'C'，其中N'=N(1+n)，A'=A(1+a)，B'=B(1+b)，C'=C(1+c)；
2. 对N'=A'B'C'取对数可得：lgN+lg(1+n)=lgA+lg(1+a)+lgB+lg(1+b)+lgC+lg(1+c)；
3. 因为lgN=lgA+lgB+lgC，所以lg(1+n)=lg(1+a)+lg(1+b)+lg(1+c)；
4. 现在计算a因素单独变动带来的影响数：Na=lg(1+a)/lg(1+n);
5. 依次计算b因素、c因素的影响数，得Nb、Nc；
示例：
# 3、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：
## 3.1 加减类 单一指标的影响数
1. 基期N=a+b+c(abc之间也可以说减法关系)，实际期N'=a'+b'+c'，差额=N'-N；
2. 现在计算a因素单独变动带来的影响数：Na=a'-a；
3. 依次计算b因素、c因素的影响数，得Nb、Nc;
4. 差额=N'-N=Na+Nb+Nc；
5. 确定影响占比，a因素占比Na/(N'-N)，b因素占比=Nb/(N'-N)，c因素占比=Nc/(N'-N)，结束工作。
示例：
> 不过他算的是贡献度，不是影响占比；这二者的区别暂时还不清楚，不过他们各自的和都是1，所以一定程度上越等吧我感觉。
## 3.1 加减类 比例指标的影响数
携程-阿狸与小兔-公众号的方法
> 同样算的是贡献度，不是影响占比
# 知乎文档示例
> 这个方法能够定位到问题，但缺点是：数据是不精准的。具体参见连环替代法。这种假设其他变量不变就自己在变，最后得到的缺口数值加起来不会等于全部的缺口数。但这个其实可以参考用携程的哪个影响数来解决，当然如果业务方无法解释的话，可以用知乎这种方法来配合解释。
--------------
**参考**：
[常用异动分析方法](https://www.jianshu.com/p/1709fe2a0879)
[当我们在分析异常数据时，我们在分析什么](https://cloud.tencent.com/developer/article/1163578)