一种面向多维度数据集的指标异常归因方法

本发明公开了种面向多维度数据集的指标异常归因方法，包括：步骤一、当某业务指标较对比期发生异常时，读取所有维度交叉下当期与对比期的明细指标值作为输入数据；步骤二、计算每个维度的基尼系数，进行维度预剪枝，剪除维值数量占比和影响力极端的维度，参考叶子节点的波动方向将所有叶子节点分类。本发明，当数据量和维度数过多时，在不影响准确性的前提下利用灵活的剪枝策略极大缩小了搜索空间；综合考虑了贡献度以及根因的传播效应，突破了当前算法的假设条件局限性，能够适配绝大多数场景，提高归因方法的适用范围；通过严格的因果验证，可将误归因率降低，能够建立因果关联而非仅依赖相关性，从而显著提升归因结论的可信度。