作为产品经理，关注数据是一项基本工作。工作里常常会出现关注的指标或数据出现波动，或者在分析某个功能时发现难以理解的数据的情况，这时候我们需要去分析数据波动的原因，我往往会根据以下的思路去找问题：

1.确认数据源准确性

很多时候数据的问题仅仅是数据的问题。如果遇到一个数据波动或异常我们无法简单地分析出原因时，可能就要想想是不是数据源出了问题。数据源可能是我们的业务数据库，如商品价格、销售额这些数据；也可能来自用户行为，如用户的点击、浏览等事件，这些数据源都极有可能出现问题，例如业务数据库同步出现问题，用户行为的采集、上报不准确等等。有时候我们一股脑地从产品角度去分析，最后确实数据本身的问题，会做很多无用功。所以遇到一时间分析不出原因的问题，首先要考虑是不是数据源出现问题。这时候就得联系公司的数据产品经理、前后端行为上报方、大数据的研发确认。

2.维度下钻分析

要探索一个指标异常的原因，一个十分重要的工具就是维度下钻。通过从不同维度和不同力度的下钻，我们能够一步一步接近问题的本质。例如一个页面的UV占比不断的下跌，我们就可以从新/老用户、页面各个入口流量、页面各板块点击等维度下钻进行分析，定位问题。比如说我们通过新/老用户区分分析发现新用户进入该页面UV出现了显著下降，而老用户较为稳定，则可以猜测是新用户的引导方面出现了问题。

3.抓住重要节点

第三点其实也属于第二点的一种情况，是从时间的维度去分析问题。数据通常都是会在一个时间点开始发生变动，这时候我们就得去研究这个时间点发生了什么事，是上线了新版本，还是调整了数值，或者有什么活动开始了。

4.持续性缓慢变化

最难的一种数据问题是缓慢变化的数据，即数据没变化没有明显的时间节点。这种问题是最难定位的。出现这种情况时，我会考虑一些随着时间改变会逐渐优化/恶化的因素。例如我们公司有一次出现了一个指标长达3个月的缓慢小幅下降，大概每一周下降0.5个点，大家抓破脑袋研究很久以后，终于找到原因：我们使用了数美的一款异常用户拦截产品，这款产品自身会根据大数据不断优化，提高拦截准确性，拦截率会随时间缓慢提升，从而导致我们相关指标的不断下降。所以这种异常会跟一些会随时间缓慢变化的因素相关，例如推荐算法的不断学习，用户习惯的缓慢改变等等。

————————————————

更多产品经理成长日记，时间管理心得，读书笔记分享，外文博客翻译，请关注我的公众号「原住民的自修室」