尝试探索“时间序列中的异常检测”这个丰富的领域。控制图和 CUSUM（或累积和控制图）可能会对您有所帮助。

简单的子弹图可能就是您所需要的。根据历史数据和领域知识，定义正态方差。然后在当前值超出预定义范围时向利益相关者明确说明。

Stephen Few 是业务仪表板方面的专家。他的任何一本书都会对你有所帮助。

如果您对 R 持开放态度，请尝试使用Shiny创建简单的交互式 Web 应用程序（非常简单）。还有一个用于异常检测的开源包，包括本地和全局。

创建快速原型并获得反馈！

最佳解决方案在很大程度上取决于多种因素，包括您的（当前和未来）业务和 IT 流程、利益相关者的需求和偏好，以及总体而言的业务和 IT 架构。因此，恕我直言，很难回答这个广泛且定义不明确的问题。话虽如此，我希望您能在Data Science StackExchange上找到我的以下早期答案相关且有用。

• 关于数据分析工作流程（介绍）：https ://datascience.stackexchange.com/a/1006/2452
• 关于数据分析工作流程（更详细）：https ://datascience.stackexchange.com/a/759/2452
• 关于仪表板可视化：https ://datascience.stackexchange.com/a/907/2452
• 关于大数据可视化：https ://datascience.stackexchange.com/a/372​​3/2452

我认为这一点是您问题的核心：

• 我应该如何定义“异常”？我怎么知道我的定义是否正确？

我会这样做：

• 回到收到当前报告的经理那里，请他们给您提供实际是异常的报告异常的示例，即他们被采取了行动并且该行动产生了一些好处。
• 还询问他们该报告中是否有任何不明显可见的功能，但让他们认为这是一个例外，例如没有报告月环比差异，但可以从周环比计算得出。周差。

将第一个例子作为训练的标签；您想了解“什么是例外”，并且需要专家为您回答该问题。

将建议的特征视为分类的新特征。

如果您无法让专家回答您提出的问题，请尝试从他们与您的报告的互动中推断出他们：下载了多少这些报告，它们被提及了多少次，它们在决策中的使用情况。 .. 试着把重要的和不感兴趣的分开，你就有了你的标签。

以下是我个人经验中的一些实用建议-

1. 首先要做的是让管理层相信变革会变得更好。示例报告的模型在这里非常有用。

2. 即使管理层同意，他们仍然想知道为什么会出现差异，因此您需要能够提供更多数据。

3. 尽管异常报告是最好的，但管理层无论如何都希望看到所有内容，因为这样做会让他们感觉好像他们在做一些有用的事情。

4. 不要一次改变一切——一次太大的改变会引起阻力。

5. 对于如何最好地呈现数据，请阅读 Edward Tufte 的书，至少是他的第一本书，“定量数据的视觉显示”。

6. 定义什么是例外可能很困难，因为每个接收者都有自己的想法。比如说，95% 的置信区间是好的，但它不会被普遍喜欢。有些人会认为任何高于 X 美元的变化都很重要，而另一些人则希望看到与上一时期相比超过 X% 的所有变化。玩得开心这部分:(