数据人学习平台上线了：www.shujurenclub.com
作者介绍
一、
朴素的排查思路
✦
对于除法率值指标（比如广告CTR），当指标突变，不外乎从两种原因方向进行排查：
1）分布变化：比如好的变多、差的变少，导致整体变好
比如某些高CTR的资源位（如信息流广告）的曝光占比变高，会引起大盘CTR升高；
比如某些高CTR的 广告物料（如狗血短剧）的曝光占比变高，会引起大盘CTR升高；
2）指标变化：比如好的变更好、或者差的变好，导致整体变好
比如，某些资源位曝光埋点上报规则变严苛，导致CTR上升
比如视频广告之前上报规则为露出1个像素就上报，客户端发版后，曝光触发上报规则为至少露出1/3面积才会上报。由于曝光上报变少，就会使得CTR上升
比如，双十一期间受品牌合约广告占量影响，效果广告的流量为剩余尾部流量，精准用户变少，所有效果广告的CTR整体都会下降
无论是指标变化，还是分布变化，我们都希望把整体变化，拆解到最细的某个子维度的变化，以缩小异常排查范围。
一般地，这个子维度占据大盘的量级（分子或者分母）越高，那么对于大盘的变化影响越大。所以，优先查看分子或分母量级大的子维度发生的变化，是属于分布变化、还是指标变化。
二、
贡献度介绍
✦
1、贡献度意义
当某率值指标，比如 CTR、人均播放数 发生波动时，波动贡献度可以帮助我们回答：对于某特定维度（比如资源位），哪些子维度（比如文字链、信息流版位）的变化对于大盘指标波动影响较大。
比如，效果广告 某天 CTR 发生异常变化，如果下探「资源位」维度计算贡献度，可以发现是哪些资源位的贡献度较高，引起了大盘CTR波动。
2、计算公式
波动贡献度的业务含义：对于某个特定维度，其中某个子维度 i 对于指标的波动贡献度，实际代表了这个子维度 i 对于「指标变化率」的贡献占比。
指标变化率 = （异常期指标 - 基准期指标）/ 基准期指标 = 子维度1 贡献 + 子维度2 贡献 + .... + 子维度 i 贡献 + ...+ 子维度n 贡献
其中子维度 i 波动贡献度 = 子维度 i 贡献 / 指标变化率
波动贡献度的计算结果公式：
子维度 i 波动贡献度 = (总分母对比值*∆子维度 i 分子-总分子对比值*∆子维度 i 分母)/(总分子当前值*总分母对比值-总分子对比值*总分母当前值)
注：上述基准期，是指业务上认为指标正常的时期，用于与异常期数据进行对比；异常期是指标发生异常波动的时期
3、贡献度解读
对于某特定维度，其所有子维度的贡献度求和后等于100%，解释意义更强；
贡献度为正，说明该子维度的变化，对于大盘变化有同向促进作用；贡献度为负，说明对于大盘变化有逆向抵消作用。
举例说明何为 "逆向抵消":
比如某天大盘 CTR 变高，但是某个信息流资源位（ CTR 一直高于大盘）的曝光占比减少，那么该点位一定不是导致CTR变高的原因。
理由是：假设其他因素不变，该资源位变化会拉低大盘CTR，与大盘变化为逆向抵消作用
贡献度越高，说明该子维度的变化，对于大盘变化的影响作用越大。
当贡献度大于0，且高于 20%（经验参考值），则说明该子维度对「指标变化率」有较大的贡献占比，值得进一步排查该维度发生了什么变化。
三、
业务应用案例
✦
1、异常现象
效果广告在5月5日以后，CTR开始持续下滑。
我们认为 5月5日 CTR 处于近期正常水位，5月20日 CTR 已经严重偏低。因此以 5月5日为对比的基准日期，排查 5月6日～5月20日发生了什么变化，引起了大盘CTR波动
2、贡献度计算
凭借多次排查的经验，我们对于 CTR 波动类型的案例，优先排查资源位是否有异常；此外，由于5月20日 CTR严重偏低，优先排查 5月20日 异常原因。
a. 通过贡献度，锁定5月20日异常资源位
结果发现，对于5月20日的CTR异常，主打推荐位1\2、信息流1-1 的等3个资源位的贡献度较高，超出20%，依次为 52% 、31% 、24%。
注：之所以加起来超过100%，是因为存在部分资源位对于大盘CTR影响为逆向抵消作用，即存在贡献度为负的资源位
注：某资源位对大盘CTR贡献度=（基准期总曝光数*（异常期本资源位点击数-基准期本资源位点击数）-基准期总点击数*（异常期本资源位曝光数-基准期本资源位曝光数））/（异常期总点击数*基准期总曝光数-异常期总曝光数*基准期总点击数）
b. 进一步定位 5月20日 异常资源位，发生了什么
结果发现，3个资源位的【曝光分布】均有变化。进一步排查根因发现，曝光变化与品牌广告占量变化有关。
c. 以上异常原因，同样存在于5月6日～5月19日期间
将5月6日～5月19日期间的数据剔除掉以上异常点位，CTR变化平稳（变化比例仅2%），说明该异常原因在此期间一直存在。同时也说明该方法有效，排查结论成立。
3、异常排查看板建设
前期基于excel模版透视表（见上图）进行异动分析，为了进一步提升效率，后续我们将该套方法基于superset系统 ，固化成自助异动查询看板。上线后，数据分析师的异常排查工作效率被大幅提高。
当指标发生异常变化，分析师需要在superset看板，先选择【异动指标分子】、【异动指标分母】；然后选择【异动日期范围】、【对比日期范围】、【一级下钻维度（比如资源位类型、广告主行业类型）】、【二级下钻维度（比如资源位名称、广告主名称，也可以不选二级下钻维度）】等下拉框参数；
最后，点击「Apply」按钮后，mysql会基于以上下拉框传输的参数变量，自动计算出不同一级子维度*二级子维度下的贡献度，并默认按照降序在表格中排列，同时高亮显示贡献度大于20%的子维度所在行，并自动显示该子维度属于“分布变化”还是“指标变化”。
想了解更多数据知识，也欢迎阅读畅销书：《数据产品经理修炼手册:从零基础到大数据产品实践》这本书。
