业务看数据核心目标除了做到心理有数外，还需要进一步做决策，数据可视化产品可以提供分析结论

为什么出现此种情况？

当数据出现较大波动时，通过多维度的拆解分析，确定影响整体变化的关键因素，同时需要结合业务动作来综合判断，因为有些指标波动是由于业务调整引发，比如上线新活动或发布新版本。

常用方法：

关键维度拆分：适合于维度比较少，且维度影响比较聚焦的情形，如景区业务订单票量环比下降50%，可以从区域-省份-城市-景区逐层拆解，得到Top下降的景区，相关景区负责人再去进一步从市场、景区、供应商等不同业务环节，定位原因。

异常归因分析：适用于维度较多，且多个维度综合影响，此时需要依赖于一些分析模型，比如影响因子分析等，确定对下降或增长结果贡献最大的维度组合。

业务动作备注：提供业务变动的信息登记备忘功能，如在某一日期，App端上线了机票盲盒活动，数据展示时，可以给用户提供业务变动的备注信息。

五、业务该如何决策?

业务看数据核心目标除了做到心理有数外，还需要进一步做决策，数据可视化产品可以提供分析结论或决策，对业务的价值会更近一步。

例如针对新上线产品功能的AB效果分析，展示各个版本的指标效果，同时给出分流决策建议；例如，从近14天点击UV和订单转化率看，B版本显著高于A版本，建议选择B版本，扩大B版本流量。