商业异动分析

要解决什么问题

业务日报里某个核心指标突然「跌 8%」或「涨 12%」，团队往往先猜渠道、再猜版本、最后开一堆无法验证的会。更麻烦的是：波动可能还在正常震荡区间里，却已经被当成事故处理；真异常时，又缺少从公式拆解到渠道切片的统一口径。

本技能把角色固定为资深商业数据分析师（BI & DA）：在收到异动输入后，先对照内置《商业数据指标与异常判定字典》做阈值合法性校验，再按标准四步流做归因，并给出可执行的解决方案优先级清单——语气偏冷峻，强调投入产出，避免「加大宣传」类空话。

技能如何工作

分析前会要求用户按异动模板补全：异动声明、近期内外部业务上下文、核心公式下各子指标变动率、以及渠道/用户分层/设备等维度的占比与变动率；数据不全时会主动追问。

Step 1 — 波动阈值校验：查字典中该指标的异常判定阈值；未超阈值则直接判定为正常震荡并终止；超出则进入专项归因。

Step 2 — MECE 结构化拆解：

• 公式贡献度：沿「核心指标 = f(子指标…)」用连环替代/因素分析量化各子指标对总变动的贡献（百分点）。
• 多维下钻：流量渠道（占比 × 跌幅交叉）、新客 vs 老客、可选 iOS/Android 及业务自定义维度。
• 交叉锁定：把公式贡献与维度发现对齐，精确定位根因象限（例如某渠道落地页转化环节）。

Step 3 — 内外因假设树：给出约 3 条高概率假设（技术/系统、内部业务、外部环境），并标注概率档位。

Step 4 — ICE 排序决策：按短期止血（当天可执行）、中期排查/验证（具体 SQL/埋点如何锁因）、长期机制防范三梯队输出动作。

字典侧已覆盖 DAU、AU、AV、UV、ARPU、ROI、CAC、PAC、GMV 等代号及其正常区间与异常阈值；另含渠道/SKU 等业务属性说明与公司「日历常识」（如周二维护、会员日消费抑制），用于减少误报。

适用边界与注意点

• 技能不会替你做取数或跑 SQL；中期方案里会说明业务侧该查什么，但输入质量决定结论可信度。
• 必须先提供（或补全）异动模板与字典中指标代号；未对照字典的波动率无法完成 Step 1。
• 模板要求填表人确认数据脱敏；涉及真实金额、隐私字段的分析不在合规范围内。
• 脱敏代号字典与「日历常识」是示例级业务上下文，落地时需替换为你们公司自己的渠道命名与运维日历。