就價值而言，異常值可能比正常值還要高，因為異常的背後意味著特殊的事件，而透過對特殊事件的分析，能夠找到異常出現的原因，進而解決業務異常、資料異常，甚至是欺詐問題。無論是哪一種，都將改善業務的健康度或者是資料的質量，為後續的分析創造良好的基礎。如果有幸利用異常識別到欺詐等事件，透過最佳化規則，修補漏洞，可能會降低業務損失。

所以，遇到異常值時，千萬不可過濾了事，一定要記錄下來，當時或事後進行原因分析。

壓力測試等的就是各種異常，有異常了才能排除隱患的。換句話說，問題肯定是早發現早解決來的划算，你主動發現問題，解決掉，叫專業，叫最佳化，發現問題，推介責任，被動解決要被罵慘！

有價值。

資料清洗是資料處理的第一步。那麼識別異常值和查明異常的原因就是必備步驟。

異常值的原因：

1、資料來源有誤。

2、資料開發的錯誤。

程式設計師寫程式碼邏輯出bug了，異常值就出來了。

3、資料儲存過程沒問題，就是赤裸裸的異常值。

比如，房產經紀人的每月業績。有的經紀人運氣好，突然賣了一套5億的豪宅，那業績自然一騎絕塵，成為眾多碌碌無為經紀人當中的異常值。

這種情況，也需要查明原因，並解釋清楚。

4、資料儲存過程沒有問題，但是被作假了。

比如，銷售的成交訂單，有些異常值是因為人為的虛假訂單或者重複訂單。

這需要用專門的規則進行反查。

此外，資料分析的時候，異常值或者趨勢值本來就是要著重看的。