异常行为与数据洞察分析

1. 为什么推荐

数据体检不只是检查缺失值，还可以发现异常行为和可解释的数据现象。异常分析能体现团队对数据质量和业务含义的理解。

2. 数据异常

重点检查：

• 字段列数不是 5 的行。
• 关键字段为空。
• behavior_type 不在 pv/fav/cart/buy。
• timestamp 超出 2017-11-25 到 2017-12-03。
• 完全重复行。

这些属于子题 1 必须说明的异常。

3. 行为异常

可以额外分析：

• 单用户短时间内 PV 极高。
• 单用户购买次数异常高。
• 单商品短时间内曝光异常高。
• 大量行为集中在某一小时。

注意：没有用户设备、IP、订单金额等字段，不能直接判断刷单，只能称为“异常行为候选”。

4. 推荐图表

• 用户行为量分布箱线图。
• 单用户 PV Top 20。
• 单商品 PV Top 20。
• 每小时行为量趋势。
• 异常时间戳数量统计。

5. 报告边界

建议使用谨慎措辞：

• 可以说“存在异常高频行为，需要进一步核验”。
• 不要说“确认刷单”或“确认恶意流量”。
• 可以把异常行为作为运营监控建议，而不是主结论。

6. 交付建议

• 在数据质量检查表中增加“异常候选”页。
• 在复盘报告中作为风险说明。
• 在答辩追问中解释清楚异常判断边界。