数据分析——系统障害分析

这是财富信用卡公司的核心系统上线之后的6周障害情况，希望通过对障害的分析，帮助财富信用卡公司合理的安排维护人员的情况。对于数据的分析，主要是要找到数据的变化规律，异常数据，以及数据之间的关系。信用卡的业务主要是以月为周期变化，如用户的账单日、还款日、会计日以及月末处理等；另外，信用卡持卡人在用卡过程中，产生疑问也会通过客服的方式进行咨询，这也许会导致业务人员发起调查申请，并发现系统新的问题。对维护人员来讲，每周的周一或者特殊的业务日之后，会有大量的工作投入到系统调查工作中。接下来，将会使用Python对这6周的数据进行分析，并发现相应的规律，来帮助财富信用卡公司来合理的安排运维工作。

本次分析过程中，使用的数据是从财富信用卡公司的障害管理系统中到处的Excel文件，在Python中导入Excel文件，并初步整理数据。在分析过程中，将数据可视化，通过图表的方式来展示数据，是有效的对数据进行分析的手段。在这里使用pandas来导入，并处理数据，pyecharts来展示数据。在实际进行数据分析之前，首先配置Python环境，使用pip来管理安装包，pandas的安装命令如下：

安装pyecharts的命令如下：

Python的环境配置完成后，就可以使用Python进行数据分析。首先，导入在分析过程中需要用到的类库，如下：

首先，从文件系统导入障害数据，并对简单查看一下数据的签5条记录，初步了解数据中都包含什么信息。

简单查看数据后，发现State项存在Cancel数据，那么进一步分析一下，该项目总共有几个类别，来确认哪些需要分析。

通过计算发现，Cancel的数据总共有69条，Closed的有3313条，Open的有569条。将这个数据用柱状图表现出来，对比会更加明显。

这其中Closed将会作为进行障害分析的对象，首先选取数据。

查看一下，总共有多少数据，结果如下：

那么，这些障害是怎么在什么系统里的呢？

看一下各个Team负责的障害都有多少，是什么类型的。

所有B开头的Team都是同一个系统的，与其他的Team比较，没有太大的价值，在这里抽取所有B开头Team的数据进行分析。

接下来通过柱状图来对比一下，首先看一下，各种类型的障害，在不同Team间的分布：

再看一下各个Team中，不同种类障害的比较：

看一下，障害随着时间的分布状况，如下：

系统的业务有很强的周期性，在这里周期是按照周分布的，查看各州的分布情况：

在信用卡的业务中，有几个特殊的业务日，如账单日，还款日，以及会计日等。在这几个业务日的当天，关注系统的运行是否正常，在业务日的翌日，客户的咨询可能会变多，因此，在这里也关注一下业务日的翌日的情况。首先，对数据整理将这几个特殊的日子标记出来。在这里的特殊日子分别是，账单日每月10号，翌日为11号；会计日为每月3号，翌日为4号；还有一个月末日，就是每月的最后一天，它的翌日是次月1号；

不同的障害类型，是什么情况呢？使用雷达图来显示一下，看看各个分布什么状况：