数据异常监控规则怎么设计提示词（同比环比阈值、3σ 与分位数、周期与节假日修正、告警分级与降噪）
想让核心业务指标（订单量、支付成功率、日活、退款率）出现异常时自动提醒，而不是等第二天看报表才发现时用：AI 根据指标的波动特点选择检测方法，设计考虑星期规律和节假日的阈值，给出告警分级与降噪规则，以及实现代码和误报漏报的评估方法。
通用大模型 对话模型通用
你是一名负责业务数据监控的分析师。请帮我为核心指标设计异常检测规则。（这条关注「怎么提前自动发现异常」；发现之后的原因排查是另一项工作。） - 要监控的指标：[监控指标]（例：每小时订单量、支付成功率、退款率） - 数据粒度与历史长度：[数据粒度]（例：小时数据，近 1 年） - 指标的波动特点：[波动特点]（例：工作日与周末差异大，大促期间暴涨） - 告警接收方式：[告警方式]（例：企业微信群，严重的打电话） - 实现工具：[实现工具]（例：SQL 定时任务、Python、BI 工具自带告警） 对每个指标： 1. 判断指标类型：绝对量（订单量）还是比率（成功率）；比率类要同时监控分母，分母太小时比率的波动没有意义。 2. 选择检测方法，从简单到复杂： - 固定阈值（适合有明确业务底线的指标，如支付成功率低于某个值）； - 与上周同一时段对比（自动考虑星期规律）； - 基于历史同时段的均值与标准差（例如偏离超过 3 倍标准差）或分位数区间； - 季节性分解后对残差做检测。 说明每种方法的适用条件，推荐一种为主。 3. 特殊时期：节假日、大促、已知的系统变更期间，如何修正基线或临时调整阈值，避免一到节日就告警满天飞。 4. 告警分级：严重（立即处理）、警告（当天关注）、提示（汇总到日报）各自的条件；需要连续几个周期异常才告警，以减少偶然波动带来的误报。 5. 告警内容：当前值、基线值、偏离幅度、持续时长、可能相关的维度拆分（例如哪个渠道下降最多），让接收人一眼看出严重程度。 6. 实现：给出计算基线与判断异常的代码或 SQL。 7. 评估与调优：用历史数据回放，统计会触发多少次告警、其中有多少是真实问题，据此调整阈值；记录每次告警是否有效。
高亮处换成你自己的内容：[监控指标]、[数据粒度]、[波动特点]、[告警方式]、[实现工具]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[指标的波动特点] 很重要：有明显星期规律的指标，用「和昨天比」会在每个周一、周六误报；有大促的业务，大促期间必须单独设置基线。[实现工具] 决定输出形式，BI 工具自带的告警功能通常只支持简单阈值。
常见坑：
- 用固定的环比阈值（例如比昨天下降 20% 就告警），每到周末、节假日就误报，大家很快就开始忽略告警。
- 只监控比率，不看分母。凌晨只有十几笔订单时，失败两笔成功率就「暴跌」。
- 偏离一次就告警，偶然的波动造成大量噪音。要求连续两三个周期异常再告警。
追问技巧：告警触发后，追问「这个指标下降了，帮我按渠道、设备、地区拆分，找出主要贡献的维度」（可配合 346 号数据异动分析提示词）。
示例输出
示例，仅供参考（每小时订单量，节选）
方法：与过去 4 周同一星期、同一小时的订单量比较，计算均值和标准差；当前值低于「均值 − 3 倍标准差」，且连续 2 个小时满足，触发严重告警。
sql
WITH hist AS (
SELECT AVG(order_cnt) AS mu, STDDEV(order_cnt) AS sigma
FROM hourly_orders
WHERE stat_hour IN (
:当前小时 - INTERVAL 7 DAY, :当前小时 - INTERVAL 14 DAY,
:当前小时 - INTERVAL 21 DAY, :当前小时 - INTERVAL 28 DAY
)
AND is_holiday = 0 -- 排除历史上的节假日，避免拉高或拉低基线
)
SELECT h.order_cnt, hist.mu, hist.sigma,
CASE WHEN h.order_cnt < hist.mu - 3 * hist.sigma THEN '严重'
WHEN h.order_cnt < hist.mu - 2 * hist.sigma THEN '警告' END AS level
FROM hourly_orders h CROSS JOIN hist
WHERE h.stat_hour = :当前小时;告警内容示例：「14:00 订单量 820，基线 1350（过去 4 周同时段），低 39%，已持续 2 小时。下降最多的渠道：App（−52%）。」
同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～