[原创连载]跟数据分析师从0开始学数据-10
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。今天讲第二个任务，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、这个数据是否有误？
2、如果数据无误，是什么原因？
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、更正。2、删除。3、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、销售额、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、删除。2、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、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、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。
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、站长通过日志中的孤立点，发现入侵者
2、老师通过IQ测试分析孤立点，发现天才or白痴
3、气象站人员通过孤立点，发现灾害or极端天气
4、淘宝or银行or电信，发现欺诈or异常行为
等等。
原文发布时间为：2018-09-18