数据异常归因 · 数据分析师
用 AI 智能体做这件事
指标突然涨或跌，先别急着下结论——不同数仓与指标的日切口径、时区、节假日定义不同，结果能差很远，先声明你的数据平台与口径。按维度逐步下钻定位，涉及新老用户明细的先脱敏或只取聚合；归因结论只是推测，需人工判断。
你需要准备
- 你的数据平台 / 数仓（Hive / ClickHouse / 自建）与指标的日切 / 时区口径
- 该指标近一段时间的每日数据（日期 + 指标值；缺失先标【待补】）
- 可拆分的维度字段：渠道 / 端 / 地区 / 新老用户等（按你库里实际有的列给）
- 同期是否有活动 / 发版 / 投放等运营动作记录（用于交叉验证）
- 发现异常的日期与大致幅度（涨还是跌、从哪天开始）
怎么做
- 先声明数据平台 / 数仓与日切 / 时区口径
- 涉及新老用户明细时先脱敏或只取聚合字段（按用户标识聚合后再贴，别贴明细）
- 贴每日数据与维度字段，粘贴提示词，按维度逐步下钻
- 人工核对异常日期与各维度贡献，验证【需确认】项后再定原因
一句话提示词
这是【指标，如日活】近一段时间的每日数据，数据平台 / 数仓是【Hive / ClickHouse / 自建】、日切与时区口径我先声明，我发现【日期】出现了明显的上涨或下跌，帮我按维度逐步拆解定位原因：先列排查顺序（渠道 / 端 / 地区 / 新老用户等），每一步说明用什么对比、看什么结果，最后给出可能的原因清单和验证方法；数据缺失处标【待补】、口径不明处标【需确认】，不要编造数据。
它会交付什么
- 排查顺序：按渠道 / 端 / 地区 / 新老用户逐层下钻，每步说明用什么对比、看什么结果
- 各维度对本次波动的贡献拆解（计数与比例需人工复核）
- 可能的原因清单与验证方法（归因属 AI 推测，需人工判断）
效果示例
输入「日活」近两周每日数据 + 渠道 / 新老用户维度（用户标识已按聚合口径贴）→ 输出下钻排查顺序；某渠道贡献最大，「是否有发版」未给，标【待补】。（归因为推测，需人工判断）
常见问题
会不会编出原因？
不会。它只按你给的数据和维度下钻，缺的标【待补】、口径不明标【需确认】，原因只是推测、需人工判断。
一次能归因几个指标？
一次 1 个指标、一个异常时间段最稳；多指标请分批，避免维度串味。
新老用户明细数据安全吗？
涉及用户标识先按聚合字段或先脱敏，按用户标识聚合后再贴，别贴原始明细，这是前置步骤。
归因结论可信吗？
只是按维度差异推测，需人工判断，并照验证方法逐条核实。