DataFinder为您提供新版数据查询的异常检测和异常点智能归因能力，在使用高级分析工具-事件分析或看板查询数据时，DataFinder会通过算法预测数据范围，标记其中的数据异常点，并提供对应的异常分析报告，可提升您对指标波动的敏感度，快速定位问题，帮助深入理解数据变化原因。本文为您介绍新版数据查询异常检测功能的操作要点。

• 当前此功能仅高级分析-事件分析和看板功能可使用。
• 当前此功能默认关闭，如果您希望使用此功能，可联系火山引擎技术支持人员申请打开功能开关。
• 当前数据查询时间粒度为分钟、5分钟级别的粒度时，暂不支持使用异常检测功能。

以下以在事件分析中使用异常检测功能为例，为您示例详细的操作步骤。

1. 申请打开异常检测功能开关后，在使用事件分析工具查询数据时，您可以在查询结果图表上看到异常检测的配置入口。

2. 单击异常检测的设置按钮，可配置异常归因的置信区间和回溯天数。
   

   • DataFinder会取回溯天数内的数据进行计算，预测拟合出当前查询时间范围内的数据并以虚线显示在图中。
   • 虚线背后颜色较浅的色带表示符合预期的数据范围，色带的宽度由“置信区间”来决定。置信区间默认为95%，取值范围 80%~99%。
     • 置信区间数值越大，表示宽容度越高，则更多的实线上的实际数据就会出现在色带范围中。
     • 而那些没有出现在色带范围内的实线上的数据点，则会被标记为“异常”点，以红色高亮点显示，可以通过微镜功能查看。

3. 单击查询结果图表中实线中的红点，唤起显微镜弹窗，单击其中的“异常点智能归因”，即可在右侧查看该异常点的归因分析报告。
   
   其中关键分析指标的说明如下。

   异常归因指标	指标说明	指标解读技巧
   观察期指标值 & 基准期指标值	分析报告中会为您展示当前异常点观察日期的指标取值，以及相较于某个基准日期指标值的增幅。以下图为例： 观察日期是09-23，指标页面访问事件的总PV值为11459；基准日的指标页面访问事件的总PV值为2460；因此，观察日相较于基准日，指标值提升了79%，即，（11459-2460）/11459。 默认基准日为观察日的前一个时间点，您也可以手动修改观察日和基准日的日期，DataFinder会自动为您计算对应的指标增幅。	您可以查看观察日的指标值后，调整基准日的日期，查看观察日的指标相对基准日的指标的变化幅度是否符合预期。 如果变化符合预期，则可能不是一个真实的异常点， 如果变化不符合预期，可继续后续步骤，继续查看产生异常的主要事件属性是什么。 您可以结合业务实际情况，选择可能对指标异动有影响的事件属性，然后根据报告展示的TOP正向贡献和负向功能的事件属性，进一步分析指标异常的原因。
   维度拆解	您可以在维度拆解的下拉框中选择需要拆解细分析的属性，可选的属性包括指标事件的事件属性、事件公共属性。 选择好属性后，DataFinder会计算其中各属性的取值，对于异常归因的同向贡献和负向贡献度，并分别对所有属性的所有取值的同向贡献度、负向贡献度进行排序，在报告上方展示TOP5的同向贡献度、负向贡献度的属性取值。 说明 同向贡献：指属性取值与整体异常变化方向一致，加剧了异常的产生。 负向贡献：指属性取值与整体异常变化方向相反，缓解了异常的产生。