1.3.2 发现和识别异常问题

发现和识别异常问题是异常诊断分析的第一步。在企业中，一些异常可以直接基于特定规则检测出，例如：销售额下降超过15%被视为异常。而其他异常可能无法直接显现，需要借助算法、模型等方法才能发现，例如：通过异常检测算法或模式识别找到当前用户行为中的异常。

对于后者，AI可以分析大规模数据集，自动检测异常值、异常模式或异常趋势，协助数据分析师识别这些潜在的复杂异常。此外，AI还能够发现隐藏在庞大数据背后的模式，甚至微小的异常信号，这对于人工分析师来说几乎不可能完成，或者需要耗费大量时间才能完成。

❑ 欺诈客户检测：在金融领域，及时识别可能涉及欺诈的客户交易至关重要。AIGC可以通过分析交易模式、金额、频率、对象等数据，识别与典型交易行为不符的异常模式，帮助金融机构及时识别潜在的欺诈交易。

❑ 广告点击率异常：市场营销团队需要监控广告点击率的变化趋势，以及时调整营销策略。AIGC可以分析广告点击率数据，检测异常的点击率趋势，提供可能的原因和建议，帮助团队调整营销策略。

在与AI交互时，分析师需要使用关键词如“发现”“识别”“检测”和“检查”。以下是一些用于执行异常发现与识别任务的提示指令示例：

❑ 请分析广告流量数据，检测异常的点击频率，并提供可能的异常IP地址列表。

❑ 请识别广告观看数据中的异常设备类型，并标记可能的作弊行为。

❑ 请识别销售数据中的异常值并进行标注。

❑ 请分析用户行为模式数据，识别不符合常规模式的用户列表。

❑ 请检测销售额指标的趋势，并提醒是否存在异常趋势。