能不能连接,取决于新旧数据源是否共享同一套“可对齐口径”,而不取决于曲线看起来像不像。若新旧源对同一指标采用相同的统计对象、时间粒度和归属规则,历史点可以拼接成一条线;若其中任何一项变了,正确做法是把历史段和新段画成两条线,并在切换点标注口径变更。下面把判断条件、操作动作和例外一次说清。
把两边的数据字典摊开对照,只看三项:指标定义、时间粒度、归属规则。三项都一致,才叫同口径,曲线可以连;有一项不一致,就属于拼接,而不是延续。
三项都一致时,历史曲线可以原样接上,你只需要确认切换点没有缺档;只要有一项不一致,就必须做口径映射,映射不成功就不要连。
适用前提是新旧源对同一指标的定义、粒度、归属完全对齐,且切换期间没有数据缺口。此时动作是把历史序列和新序列按同一时间键合并,检查切换点前后各一个周期的数值是否落在正常波动范围内。若切换点出现台阶式跳变,先怀疑缺档或重复计数,而不是先怀疑业务变化。拼接完成后,后续的同比、环比才具备可比性;这一步没做,后面所有趋势判断都建立在混合口径上。
适用前提是至少一项定义发生变化,且无法通过换算还原。此时动作是保留两条独立曲线,在切换点加一条竖线并写明“数据源与口径变更”,同时把变更前后的对比结论降级为“仅供参考”。如果业务上必须得到一条连续线,只能选取两边都能稳定计算的公共子集,例如只保留某一类页面或某一个国家,用这个子集重建序列。代价是覆盖面变窄,但换来的是可比性。
判断该选哪条路的依据不是曲线好不好看,而是你下一步要用它做什么。用于对外汇报总量,分段呈现更稳妥;用于内部判断某个改动的方向,公共子集重建更实用。
假设某站点在三月中旬更换了查询工具的数据源。旧源按“会话”统计自然搜索访问,新源按“点击”统计,两者在其他方面一致。若直接把两段画在一起,切换点后数值可能整体偏低,看起来像流量下滑,实际只是计数单位变了。此时可做的动作是:把旧源同期数据按同一单位重新导出,或把新源数据按会话口径换算,再对比切换点前后两周的均值。如果换算后差异回到正常波动区间,说明只是单位问题,曲线可连;如果换算后仍有系统性差异,说明还有未识别的口径项,应继续分段。这个例子的数字仅用于说明比较方法,不代表任何真实项目的结论。
多数人卡住,不是因为不知道要对比口径,而是漏掉了“时间键”这一项。指标名和归属都对上了,却忽略两边的时间戳一个用UTC、一个用本地时区,导致切换点附近出现重复日或缺失日,曲线自然接不上。处理动作是先统一时间键:把两边数据都转换成同一时区、同一粒度,再按日期排序,检查是否存在重复日期或跳空日期。只有时间键干净,前面的口径对比才有意义。这一步做完,你会得到两种结果之一:时间键对齐后曲线自然衔接,说明问题只是时区;时间键对齐后仍有断点,说明口径确实变了,回到分段呈现。
有两种情况不必强求连接。一是旧源已经停止提供历史数据,且没有可用的导出备份,此时任何拼接都是估算,应明确标注为估算而非实测。二是新旧源覆盖的站点范围不同,例如新源不包含某个子域,那么该子域的历史段只能单独保留。遇到这两类例外,正确做法是保留原始分段并注明原因,而不是用插值把缺口填平。具体工具是否支持历史数据导出、导出格式和保留周期,需要以该工具当前的实际说明为准,不同工具差异较大,不能一概而论。
最后提醒一句:请求量、抓取量或某个统计项在切换后归零,不能单独证明旧源处理有误,也可能是新源尚未完成首次回填、字段改名或权限范围变化。先核对时间键和口径,再下结论,曲线能不能连的答案通常就在这一步里。