AI 异常检测：快速定位指标突然波动

## 适用场景

适合流量、交易、成本和设备指标监控。异常不等于问题，需要结合业务事件、数据延迟和周期性判断。

## 三步工作法

### 步骤 1：定义正常范围

选择同比、环比、移动平均或业务阈值，并区分工作日、节假日等周期。

### 步骤 2：拆解异常贡献

按渠道、地区、产品和用户群逐层定位主要贡献来源。

### 步骤 3：建立验证清单

依次检查采集故障、口径变更、业务活动和真实风险。

## 可直接复制的 Prompt

> 根据历史序列和业务日历分析本次指标异常。输出异常强度、开始时间、主要贡献维度、数据质量检查、业务假设和验证顺序。不要把相关性直接写成因果关系。

## 进阶技巧

- 同时保存原始值与平滑值

- 先排除埋点和 ETL 延迟

- 为高风险异常设置人工复核

## 交付前检查

- 基线是否考虑周期

- 是否找到贡献维度

- 是否区分数据问题与业务问题

## 预期效果

缩短从发现波动到锁定范围的时间，并避免团队在错误方向上反复排查。

## 使用边界

AI 负责整理、扩展和检查，人仍然负责事实准确性、业务判断、隐私保护与最终发布。涉及个人信息、商业机密、财务、法律或安全内容时，只能使用组织批准的工具和脱敏材料。