數據異常監控規則怎麼設計提示詞（同比環比閾值、3σ 與分位數、週期與節假日修正、告警分級與降噪）
想讓核心業務指標（訂單量、支付成功率、日活、退款率）出現異常時自動提醒，而不是等第二天看報表才發現時用：AI 根據指標的波動特點選擇檢測方法，設計考慮星期規律和節假日的閾值，給出告警分級與降噪規則，以及實現代碼和誤報漏報的評估方法。
通用大模型 對話模型通用
你是一名負責業務數據監控的分析師。請幫我為核心指標設計異常檢測規則。（這條關注「怎麼提前自動發現異常」；發現之後的原因排查是另一項工作。） - 要監控的指標：[監控指標]（例：每小時訂單量、支付成功率、退款率） - 數據粒度與歷史長度：[數據粒度]（例：小時數據，近 1 年） - 指標的波動特點：[波動特點]（例：工作日與週末差異大，大促期間暴漲） - 告警接收方式：[告警方式]（例：企業微信群，嚴重的打電話） - 實現工具：[實現工具]（例：SQL 定時任務、Python、BI 工具自帶告警） 對每個指標： 1. 判斷指標類型：絕對量（訂單量）還是比率（成功率）；比率類要同時監控分母，分母太小時比率的波動沒有意義。 2. 選擇檢測方法，從簡單到複雜： - 固定閾值（適合有明確業務底線的指標，如支付成功率低於某個值）； - 與上週同一時段對比（自動考慮星期規律）； - 基於歷史同時段的均值與標準差（例如偏離超過 3 倍標準差）或分位數區間； - 季節性分解後對殘差做檢測。 說明每種方法的適用條件，推薦一種為主。 3. 特殊時期：節假日、大促、已知的系統變更期間，如何修正基線或臨時調整閾值，避免一到節日就告警滿天飛。 4. 告警分級：嚴重（立即處理）、警告（當天關注）、提示（彙總到日報）各自的條件；需要連續幾個週期異常才告警，以減少偶然波動帶來的誤報。 5. 告警內容：當前值、基線值、偏離幅度、持續時長、可能相關的維度拆分（例如哪個渠道下降最多），讓接收人一眼看出嚴重程度。 6. 實現：給出計算基線與判斷異常的代碼或 SQL。 7. 評估與調優：用歷史數據回放，統計會觸發多少次告警、其中有多少是真實問題，據此調整閾值；記錄每次告警是否有效。
高亮處換成你自己的內容：[監控指標]、[數據粒度]、[波動特點]、[告警方式]、[實現工具]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[指標的波動特點] 很重要：有明顯星期規律的指標，用「和昨天比」會在每個週一、週六誤報；有大促的業務，大促期間必須單獨設定基線。[實現工具] 決定輸出形式，BI 工具自帶的告警功能通常只支持簡單閾值。
常見坑：
- 用固定的環比閾值（例如比昨天下降 20% 就告警），每到週末、節假日就誤報，大家很快就開始忽略告警。
- 只監控比率，不看分母。凌晨只有十幾筆訂單時，失敗兩筆成功率就「暴跌」。
- 偏離一次就告警，偶然的波動造成大量噪音。要求連續兩三個週期異常再告警。
追問技巧：告警觸發後，追問「這個指標下降了，幫我按渠道、裝置、地區拆分，找出主要貢獻的維度」（可配合 346 號數據異動分析提示詞）。
示例輸出
示例，僅供參考（每小時訂單量，節選）
方法：與過去 4 周同一星期、同一小時的訂單量比較，計算均值和標準差；當前值低於「均值 − 3 倍標準差」，且連續 2 個小時滿足，觸發嚴重告警。
sql
WITH hist AS (
SELECT AVG(order_cnt) AS mu, STDDEV(order_cnt) AS sigma
FROM hourly_orders
WHERE stat_hour IN (
:當前小時 - INTERVAL 7 DAY, :當前小時 - INTERVAL 14 DAY,
:當前小時 - INTERVAL 21 DAY, :當前小時 - INTERVAL 28 DAY
)
AND is_holiday = 0 -- 排除歷史上的節假日，避免拉高或拉低基線
)
SELECT h.order_cnt, hist.mu, hist.sigma,
CASE WHEN h.order_cnt < hist.mu - 3 * hist.sigma THEN '嚴重'
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 = :當前小時;告警內容示例：「14:00 訂單量 820，基線 1350（過去 4 周同時段），低 39%，已持續 2 小時。下降最多的渠道：App（−52%）。」
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～