指标分析
面向业务管理而言，管理者需要日常关注核心指标的整体数据表现，并能快速判断该数据是否正常，对于异常的数据需要快速定位异常原因，基于分析结论有针对性的制定相应策略以推动业务持续发展。
但实际过程中会存在如下问题：
- 指标整体数据波动难以判断是否正常，异常的波动有时候会被误认为是正常情况
- 指标整体数据波动正常，但其中的某个维度下的数据正在发生缓慢变化，初期未识别，导致后期出现大的波动时才去做主动分析，从而错失良机
- 指标整体数据波动异常时，分析师可能需要大量时间来分析数据，最后才能得出结论，依托平台化工具可以进一步提升分析效率
面对上述问题，可通过指标平台的指标分析模块进行快速的分析洞察，快速判断数据表现、快速发现商机或问题，实现数据驱动业务发展。
目前指标分析模块提供两类功能：一是以指标卡形式展示指标数据走势，并标记出异常波动的数据，以方便快速发现问题；另一个是基于指标数据表现对特定日期、特定维度做数据波动的归因分析，发现主要影响维度，快速确定问题原因。
info
该功能仅旗舰版支持。
指标异常波动监测
进入指标分析页面，首先将指标引入列表，以便做后续的日常数据监测。引入到列表的指标支持置顶展示。
引入到列表的指标将展示如下信息：
顶部显示的是最新日期的数据表现，包括：指标值、日环比增长率、波动性判断；下方折线图显示近7天指标数据走势及其波动性判断。
note
- 考虑指标查询效率，指标引入至列表后，系统将对指标折线图数据结果进行周期性的数据缓存与更新，如需刷新历史缓存数据，请通过将指标移出列表后重新引入实现。
- 指标分析数据同样受数据权限管控，若用户进行了行级权限控制，则不能直接使用缓存数据做展示，会基于取数规则去结果表取数，查询速度相对较慢。
平台根据内置的指标异常波动监测算法计算出指标的波动性，波动异常的数据将以红色特殊标记。
指标异常波动监测算法：整体是用待计算波动性的当日数据与之前7日的历史数据做比较。
- 计算出当日指标值index、历史近7日指标数据的均值mean及标准差std
- 异常判断：若index 在mean ± 2*std 范围之内，则认为指标波动正常（不包含等于），否则，判断为指标波动异常
指标波动归因分析
点击指标卡，可进入指标详情页，详情页中可进一步查看更长时间范围的指标数据走势。
对于关注日期的数据，可指定基准日和对比日，选择分析维度对数据波动进行维度归因分析。
- 分析日期：指定基准日、对比日两个日期进行归因分析
- 分析维度：基于指标支持的维度进行选择，最多支持选择10个维度进行归因分析
分析结果如下图所示：
结果中主要包含三部分内容：指标概览情况、维度贡献情况、维值贡献情况。
- 指标概览情况：概览中展示了基准日、对比日的数据表现及增长值、增长率情况
- 维度贡献排名：基于选择的分析维度，计算出各维度的维度贡献度，并根据贡献度降序展示
- 维度值贡献分析：
- 对于整体数据的波动情况，各维度中会有部分维值结果与整体数据呈相同的走势，此为同向贡献，呈现相反走势的，为反向贡献（如：总体数据呈现上升的趋势，细分到各维值中，与整体趋势一致，同为上升的，算同向贡献；与整体趋势相反，呈现下降趋势的，算反向贡献）。
- 按同向/反向贡献度对维值进行划分后，按照各维值贡献度绝对值降序排序展示。每个维值中会展示指标数据表现、贡献度、贡献率情况。
维度贡献分析相关数据计算算法说明：
- 整体贡献度的计算遵循以下原则：
- 若指标整体增长10%，理论上各维值的增长情况也会在10%左右，而增长超过10%的维值，对整体结果有更多的促进效果，对应的维值贡献度则越高；而低于10%的维值，对整体结果有更多的遏制效果，对应的维值贡献度则越低。
- 维度贡献度则基于其维值贡献度分布水平评估。各维值贡献度分布越分散，对应的维度贡献度越大；反之，则维度贡献度越小。
- 各数据计算规则：
- 维值贡献率计算：基于维值增长差额与整体增长差额计算增长率，作为维值贡献率
- 维值贡献度计算：基于维值贡献率与维值指标占比算比率，作为维值贡献度
- 维度贡献度计算：基于各维值贡献度计算标准差，作为维度贡献度