【零一】#操作教程贴#从0开始，教你如何做数据分析#中阶#第八篇

大家好，我是零一。第一次用手机写文章，哈。在车上的时间看了一本书，余下的时间，我想应该可以写一篇文章。图片等到了地儿了，再用电脑补上。

我的公众微信号是start_data，欢迎大家关注。

上次跟大家介绍的预测，并没有深入讨论，以后有时间，我在整理一个实例系列的文章，跟大家深入讨论这些技术。今天应该要讲异常检测。异常检测也叫孤立点检测，或离群点检测。

如我前文所说，我们天天监控店铺数据，目的就是为了发现异常并及时预警，如果一切正常，那咱们就啥事儿都没有。万一有异常数据出现，那我们就要做进一步的分析，找出导致异常的罪魁祸首。

异常检测，操作和观测起来异常简单，用箱线图或者散点图即可。

大家看下图，是某行业按销量排名前4004个宝贝的价格散点图。非常明显，有一个孤立点，居然卖12W+

当我们发现这种孤立点的时候，必须要考虑的是：

1丶这个数据是否有误？要如何处理？

2丶如果数据无误，是什么原因？是否需要处理？

辨别是否有误，就需要调出源数据进行检查。这个相当简单，只要做核对，以及根据逻辑和常理来判别即可。但也有无法判定的情况。

我们先说第一个情况。如果我们判断是数据出错，而我们又无法拿到正确的数据，此时我们就需要对这个异常值进行处理。

异常值（数据有误的情况下）处理的方法：

1丶更正。2丶删除。3丶替换。

下面是通过生e经下载下来的数据，共有325行数据。

对成交量丶销售额丶高质宝贝数分别作出散点图（我是做演示说明，不要再跟我纠结这个数据准不准等问题了）

销售额这里明显有一个孤立点。如果我们不处理这个孤立点的话，可能会影响我们后续的分析结果。

可以直接定位到这个点的位置，在散点图看一下，是在第77个点，那马上就可以定位到excel的第78行

经过筛选，可以直接拿出毛衣这组数据。

（为什么散点图是第77个点，而excel中是第78行？这个问题其实之前一直有人问我。但如果阅读到这一篇，还不能独立思考这个问题的话，那请先回过头去看前面的7篇）

经过和生e经的数据对比，这个数据没有错，生e经上面就是这个数据。但是根据逻辑和常识，可以立马判定这个数据是个错误值。

“为什么能立马判定这个是错误值？”如果不明白的话还是自己想啊，哈哈。

确定这个数据是个错误值后，我们也无法更正这个数据了。那要如何处理这个数据呢？已经无法更正了，就剩余两个方法：1丶删除。2丶替换。

删除的话，这里不适用。一删就少了一个月的数据了。那这里就用替换。

怎么替换？那方法就多的去了。最简单的方法是用平均值替换法，平均值替换也有多种技巧。

方法1丶取这个值的前后两个数据的平均值，也就是（935086015+894448225）/2=914767120，用这个数字来替换，就要比之前的靠谱多了。

方法2丶先剔除错误行，然后算出平均售价，用平均售价乘以错误行的成交量即可。算得173*5292179=915546967

理论上面来讲应该是方法2比较准确一点。我就用方法2替换这个错误值。替换后的散点图如下。

异常值就不见了，我们就可以对这组数据做分析了。

================================================================

这里介绍下数据挖掘套件的功能，数据准备——清除数据——离群值

这个功能也是为了避免数据有误，导致分析结果偏离的问题。

一般操作中，拿到数据，都必须要分析下是否有孤立点，因为孤立点不处理就会影响我们的分析结果

可以选择是要对那一列数据做离群值处理

设定阈值，我们可以通过拖动下面的指示条或者手动输入阈值的方式，来指定。

效果如下，被划线填充的部分就是我们界定的孤立点。这部分数据将会被处理

选择处理方法。这个就根据业务场景来确定的。如果可以删就删，不能删，就可以指定范围更改，或者用平均值。

这个就更加方便一点，方法也可以给我们选择。一般操作中在数据样本少的时候一般是不能删除的，只有数据样本大的时候才可以考虑删除。

===================================================================

另一种情况，如果这个孤立点不是错误值呢？也就是数据无误，那这个时候，我们就要深入分析了。

看下面这个案例吧！虽然特别简单，但可以表达清楚即可。

某店的销售额，每天记录下来，通过观察即可发现（如果是淘宝，数据魔方，生e经等工具都有这个数据的，在网上就可以看到）

发现18号销售额突然下降。依然是先判别是否错误值。判别无误。

数据无错的情况下，我们要找原因（这个案例真心太简单，将就着吧）

第一步是分解指标，找到关键指标。

通过分解销售额=客单价X转化率X访客数

这时，我们需要检查的就是这三个指标。

客单价目测没有问题。

转化率非常明显，在18号有一个最小值。

访客数在8号居然是有升无减。。那锁定转化率的问题。

事情还没完。。我们接着分解转化率。

最终只要细细看下这些转化率指标即可。当然也可以想办法把指标分得更细，再观察。余下的事情就留给读者思考和实践吧。我也到点了。

这一篇我介绍得很简单，大家也不要被我误导了。其实异常检测，不仅仅能做这么简单的事情，很多我们熟知的功能其实就用的异常检测。比如：

1丶站长通过日志中的孤立点，发现入侵者

2丶老师通过IQ测试分析孤立点，发现天才or白痴

3丶气象站人员通过孤立点，发现灾害or极端天气

4丶淘宝or银行or电信，发现欺诈or异常行为

等等。