1、数据缺失

        可能是数据源或者数据加工导致的

如果是运行时间较长的程序，可以先通过数据的全链路流量等监控数据，排查数据是否抖动，

业务是否有变更等

业务数据库比如从库没有更新等

数据血缘看一下，上游时候有更新，导致问题

如果是刚上线的问题，可以排查一下程序，比如join 等，考虑不到的场景

2、数据偏高或则偏低

        不一定是数据有问题，有可能是什么突发运行情况，考虑到业务场景

首先排查数据源的问题，可以通过同比 环比等比较数据源数据，可以做成监控告警

数据集成是否有异常的日志

对比相似的指标，比如有没有相关的漏斗模型，或者其他相似的维度

是不是升级导致的

指标告警

和业务紧密沟通

3、数据趋势的异常

和数据偏高偏低类似

4、数据指标相互矛盾

往往是统计口径的问题，要注意指标口径的统一，这样沟通也方便，

不同的人，对指标和口径的理解也可能有异常，

最好有指标文档，但是指标文档大家理解起来也会有歧义，这个要注意多沟通和宣贯

5、数据违背常识

大于100%等问题，这是低级的问题，往往是逻辑问题，

其次可能是数据源

数据问题，要有全链路数据思考问题，

要有监控告警的处理方式，及时收集相应问题

新版本上线，要对数据敏感

开发的逻辑要清楚，分层明确，指标解耦

注意总结和积累