走进科学–数据异常引发的血案
导语：
运营工作中发现数据异常，如何快速的找到原因？
下面我们来揭秘，数据异常背后令人匪夷所思的真正原因！
案例 描述
案例描述：
2015年１月某日，发现某产品“数据平台A”提供的某渠道次日留存数据出现异常，次日留存由之前正常的XX%下降了一半。为了查询此问题，整个团队耗时2天浪费了大量的时间和精力。分析后发现发人深省的结论。
分析过程：
1.首先来看留存数据是如何推导的
根据留存数据推导公式，我们可以看出，决定次日留存数据的变量为分母”前一日的新增“和 “次日登录“。
2.首先细分“前一日的新增”数据，当时进行了以下步骤的检测
“检查渠道游戏包是否正常→询问渠道策略→确认是否用户质量下降→检测用户是否有异常行为（刷小号等）
在与各方协调沟通后，确认“前一日的新增”数据并无异常。
3.在细分“次日登录”数据时，当时进行了以下步骤的检测
“打开APP→加载→登录→创建角色→开场动画→升级等级1→等级2→等级10→等级N”
发现只有在开场动画时的数据出现问题，初步判断定为机型崩溃，提出机型数据检测后发现无异常，此时感到非常的抓狂,因为已经无法判断到底哪个环节出现问题了。
4.确认问题
最后意外的查看“数据平台B”和“数据平台C“的留存数据时，抓狂了！！！对比这两个数据平台的留存数据发现都为正常的XX%，只有”数据平台A“的留存数据出现异常，经过沟通核实，竟然是“数据平台A”出现了数据记录异常。
问题结果：
整个过程持续了2天的时间，解决思路并无问题，问题的关键是没有验证数据准确性。导致团队在这此问题上浪费了大量的时间和精力。
总结 经验
进行异常数据问题分析时我们可以按照以下步骤进行：
1.清楚数据定义
例如新增分为设备新增，用户新增，角色新增
用户新增：有些渠道定义为登入游戏就算新增用户，而有些则为达到1级为新增用户，还有一些注册帐号即为新增用户。
明确不同数据平台的每一个数据的定义，是首要的工作！
2.数据验证
验证数据的准确性有以下两种方式：
- 多平台数据对比：这种方式优点是速度快，缺点是不精准：
- 查询游戏log日志：这种方式的优点是精准度高，缺点是速度慢
核实完数据的准确性后，得到的数据才是真正可以用的，是值得进行分析的！否则就像案例中出现的问题一样，浪费大量的时间和精力！
3.开始分析
（针对不同数据异常的情况，未来会进行详细介绍分析方法）
via：73居
