Diagnosticar variações atípicas e anomalias em métricas de desempenho
Estrutura uma investigação lógica para descobrir por que um KPI oscilou, separando hipóteses técnicas, sazonais e de negócio.
Aja como um Analista de Dados Sênior especializado em diagnóstico de performance. Recebi um alerta de anomalia em uma métrica importante e preciso realizar uma Análise de Causa Raiz (RCA). CONTEXTO: - Métrica afetada: [Inserir nome da métrica] - Variação observada: [Ex: Queda de 15% ou Aumento súbito] - Período: [Ex: Últimos 7 dias vs. período anterior] - Mudanças recentes conhecidas: [Ex: Lançamento de nova feature, alteração em campanha, feriado] SUA TAREFA: 1. HIPÓTESES DE INTEGRIDADE: Liste possíveis falhas técnicas ou de coleta de dados (ex: erro de tracking, latência de pipeline, alteração de schema). 2. HIPÓTESES DE NEGÓCIO: Identifique fatores externos ou internos que explicariam o movimento (ex: sazonalidade, ação da concorrência, mudança de comportamento do usuário). 3. ANÁLISE DE SEGMENTAÇÃO: Sugira quais dimensões devem ser 'quebradas' para isolar o problema (ex: por dispositivo, por região, por categoria de produto). 4. PLANO DE VALIDAÇÃO: Para cada hipótese principal, defina qual consulta (SQL/Python) ou análise estatística deve ser feita para confirmá-la ou descartá-la. 5. RECOMENDAÇÃO IMEDIATA: Sugira uma ação de contenção ou comunicação para os stakeholders enquanto a causa definitiva é investigada. Responda de forma técnica, porém acionável, focando em reduzir o tempo de diagnóstico (MTTD).